数据成为唯一的护城河：Google 花 1000 万买走破产航司的数据

章节时间轴

• 0:46 开场与 Eon 是什么 — 主持人介绍两位嘉宾，Eon 定位为面向 AI 时代的云备份与灾难恢复服务。
• 1:33 新数据底座的三层能力 — 跨多家 hyperscaler 映射分类数据、低成本摄入、再让客户查询搜索并叠加 LLM。
• 3:05 为什么数据成了唯一护城河 — 模型与算力可替换，数据不可；AI 拉平了工具红利，只剩人和数据是差异化。
• 3:51 Google 买 Spirit Airlines 的数据 — 1000 万美元买破产航司数据，竞标方还有 Mercor，破产资产里的数据交易将成趋势。
• 6:08 数据到底拿去干什么 — 主持人追问是客服 agent 还是后训练；嘉宾解释高质量真实数据集稀缺，Spirit 既是航司样本也是大型企业组织样本。
• 8:27 合成数据与脱敏 — 未来是"创新合成数据 + 真实脱敏数据"并行，绕开 PII 和财务敏感信息。
• 9:12 为什么老工具不够用 — 回到问题本身：过去每个数据团队各做各的战术项目，大量数据根本不知道存在。
• 10:44 一场角色扮演：数据团队 vs 业务单元 — Gonen 用双方对话演示激励冲突，以及那台"没人敢关的服务器"。
• 14:34 数据其实已经在客户手里 — 讽刺之处在于数据本就存在，只是锁着且昂贵；Eon 做的是格式转换加访问控制。
• 15:20 从勒索软件到 agent 内部威胁 — AWS 时代的 60% 暴露案例，以及现在合法权限 agent 带来的极端速度。
• 18:25 agent 时代的数据栈会怎么变 — 仓库、看板、ETL、BI 是为人类的明确分析问题设计的；嘉宾反直觉地认为看板会更多。
• 22:18 旧管道为什么会被推翻 — 咖啡交易的例子说明数据被单次提取后失去上下文；以及"纽约爱汉堡的人"与"爱披萨的人"的合集比喻。
• 27:41 云迁移 vs AI 转型的对照 — CloudEndure 与 AWS 的大规模迁移经验，为什么这一轮更快也更失控。
• 30:01 软件消费方式变了 — forward-deployed engineer 从 Palantir 的专属做法变成人人在做，PLG 在开发工具上重新奏效。
• 32:20 收购再 AI 化的新路径 — 以 Long Lake 为例，与其等企业自己转型，不如买下来改造，赚效率套利。

详细内容

一、数据成了唯一不可替代的东西

Ofir 开场先给 Eon 定了位：在云上建一层新的数据底座（data foundation），第一步是跨多家 hyperscaler 把客户环境里的数据全部映射和分类，搞清楚"我有什么、在哪、哪些敏感"；第二步是把结构化和非结构化数据低摩擦地摄入进来；第三步，这层底座既能以极低成本承担保护与恢复，也让数据变得"可理解"——客户可以直接访问、查询、检索，并在上面跑自己的模型和 LLM 1:332:18。

主持人指出，Eon 的起点其实是备份和灾备，但一旦你手里握着客户全时间跨度的历史数据，就自然会想到别的应用方向。Gonen 顺着这个话头讲了 Eon 成立时的心境：他当时自嘲"我是那个在 AI 世界里创办非 AI 公司的疯子"，结果 AI 的顺风来得离谱地大，反而把"数据是组织最重要的资产"这件事推成了共识 3:05。

他的论证链条很清晰：模型、算力这些东西是 ephemeral 的，切换成本几近于零，它们对行业当然是重要的基础设施，但对一家具体的公司——酒店连锁、餐饮连锁、科技公司都一样——最有价值的资产是自己的数据。因为 AI 把工具红利拉平了，大公司小公司拿到的是同一套酷炫工具，playing field 被抹平，剩下真正属于你自己的只有两样：你的人，和你多年积累的数据 5:236:08。主持人在这里做了一个诚实的补充：他过去对"数据是新石油"这句话一直有点怀疑，但后训练和强化学习的兴起、以及 Applied Compute 这类允许你针对特定数据集微调开源模型的服务出现，让这句话现在变得成立了 6:08。

二、Google 为什么花 1000 万买一家破产航司的数据

Gonen 举的实例是几天前 Google 从破产的 Spirit Airlines 手里买走数据资产——不是飞机，是数据，价格约 1000 万美元，目的是训练模型 3:51。主持人补了个业内传闻：竞标同一份数据的还有 Mercor。一家破产航空公司的企业数据集，引来 AI 世界的多家买主竞价，这件事本身就很说明问题。

主持人接着问：他们究竟拿这份数据做什么，是客服 agent、是内部文档、还是强化学习？Gonen 的回答落在"数据集稀缺"这个点上：今天要做 agent，你不能只在实验室里训，必须有训练数据，而真正好的数据集极难找到。Harvard 前几天刚放出一批法律数据集，但整体看，"不像合成数据、真的像真实世界"的公开数据集少得可怜。他说自己认真地在和一些公司打听"你们有什么数据、拿什么训"，而 Enron 的数据至今仍在公开流通、被当作"一家真实公司如何运转"的样本使用——原因就是替代品太少 6:547:40。

所以 Spirit 的价值是双重的：它既是一家航空公司的样本，也是一个大型企业的样本——大量员工、有层级、有中层管理、有高管、有一线工人在协作 6:54。Gonen 的判断是，任何人做 agent 或新应用，多数一开始都跑不通——你必须真的去和现实世界的公司交互才能做出有意义的东西。而买数据、在内部训练，可以让你在产品第一次发布时就不必依赖与客户的首次交互来学习 8:27。他预期未来会两条腿走路：一是用更创新的方式造合成数据，二是获取真实数据，包括做过脱敏处理的、含 PII 和财务信息的那类数据。Ofir 补充说 Google 本来就在旅游领域做了很久，这类数据它一直想要，也早在变现，买下来只是让理解、训练、变现更进一步；但同样重要的是，那些手里已有数据的普通企业也想解锁自己的存量数据 9:12。

三、企业内部的数据为什么是锁死的：一场角色扮演

主持人问 Eon 具体在造什么工具。Gonen 选择先回到问题本身：数据领域已经诞生了那么多优秀公司，为什么还需要新工具？

他的解释是，过去每个数据团队各自为战，自己找数据、自己定项目，非常战术化，用 Fivetran、dbt、Monte Carlo 这类工具完成手头任务；而对相当一部分数据，他们甚至不知道其存在——因为它是锁着的。锁的根源是同一家公司里有多个业务单元的所有者 9:58。

接下来他做了一段角色扮演，把这个死结讲得很具体：假设你是数据团队负责人，现在 AI 火了，连老板都在玩 ChatGPT，CEO、董事会、股东都相信 AI 是真的。他们来找你说，公司里有大量数据，数据是新石油，用新工具活化它，做点酷的、有价值的东西 10:44。你说好，硅谷每天冒出来的新玩意儿我都会用——但问题是，数据在哪？于是你来找我，我是某个业务单元的负责人（你甚至可能根本不知道我是谁）。我这边的现实是：我不知道自己到底有什么数据；我手下一堆人，数据散在过去二十年的多个系统里；有些系统根本没人搞得清、里面可能含生产数据和敏感信息；总有那么一台服务器，没人知道它在干什么，但连着电，虚拟的或物理的，谁都不敢关 11:3012:16。

再假设我真知道里面是什么。那我还得调工程师、可能牺牲安全与合规、可能影响生产可用性，把数据抽出来给你，还要以一种非常低效的方式存起来。太难了。Gonen 点明症结：我们的激励根本不同——你的 KPI 是活化数据，我的 KPI 是系统别挂、数据别外流、别让 CEO 的薪资不小心跑进你的训练或后训练集里 12:1613:02。

Eon 的解法是绕开这个死结：直接帮"数据团队负责人"那一侧简单地找到全组织的数据、理解它、分类映射、在上面建语义层和上下文层，然后持续地从业务单元那边把相关数据搬过来——不影响生产、不牺牲安全合规、保留审计记录。而因为数据已被分类，系统能保证不会把不该给的敏感信息误传给你，并且整个过程成本可控、性能可用 13:0213:49。主持人把它归纳为三四件事：聚合历史与当前数据、对 PII 和敏感字段做脱敏或权限控制、把结果暴露给 AI 模型与应用。Ofir 强调其中最讽刺的一点：这些数据客户本来就有，只是以各种形式锁在自己环境里、且维护极其昂贵；Eon 做的是把客户已有的东西转成一种存储效率高得多的新格式，再加上映射、分类、访问控制，并接进 AI 工作流 13:4914:34。

四、从勒索软件到 agent：合法权限的内部威胁

主持人把话题引向安全：最近关于实验室里 agent 逃出沙箱之类的新闻很多，虽然背后可能有配置或设置层面的原因，但企业该怎么想 AI 安全，CISO 该怎么做？

Ofir 先讲历史。过去威胁来自人类。他举了 AWS 时期的真实案例：一个非常大的客户遭勒索软件攻击，而他们团队管理的灾难恢复服务本以为已经完全保护了这家客户。结果发现，客户以为自己受保护，实际并没有——因为他们没有正确地映射、分类和打标自己的资源。最终环境里 60% 被勒索软件击穿 15:2016:06。这件事直接催生了 Eon 的一部分产品逻辑：检测异常写入模式和熵变化、在攻击发生时识别、防护，并支持细粒度、快速的恢复 16:06。

现在的变化是，同类威胁开始来自非人类行为体——AI agent。它们对环境有合法访问权、对某些数据库有合法权限，然后"忽然之间，一张表就被 drop 了"。Ofir 说，幸运的是检测、防护和恢复的方法论非常相似，但发生的速度是极端的 16:0616:53。

Gonen 补了一个时间维度的观察：六个月前没人愿意跟他讨论这件事；而最近几个月，几乎他见到的每一位企业领导者，要么害怕这事发生在自己身上，要么已经亲身经历过。他描述那种真实的恐惧："我不再决定什么东西在我的数据上跑，我不再理解它。"企业既要防外部威胁（新工具让攻击者的门槛大幅降低），也要防自己亲手批准跑在环境里的 agent。他的结论是必须"assume breach"——无论是恶意的还是无意的，都要能处理并相应行动 16:5317:39。

五、agent 时代的数据栈：看板不会消失，反而会更多

主持人的提问相当结构化：现有企业栈是围绕"人类提出定义清晰的分析问题"演化出来的——数仓、看板、ETL 管道、BI；而 agent 的行为方式更动态，可以在大得多的数据集上推理，可以访问 SAP、SaaS 应用和历史数据，然后采取行动。那么存储、访问、交互数据的方式会怎么变？看板会消失吗？

Gonen 给了一个反直觉的答案：他认为看板会更多，因为这可能是人类唯一还能搞清楚"世界上到底在发生什么"的方式。理由有两层：第一，编码 agent 已经开始写世上运行的大部分代码，这是间接影响；第二，agent 会激活其他 agent，被激活的 agent 又激活更多 agent，要追踪非人类身份几乎成为不可能的任务 18:2519:11。

他用市场现象来支撑这个判断：非人类身份（NHI）方向的网络安全公司数量已经多到无穷，这不是偶然，而是因为它成了当下的第一、第二号问题。第二个例子是端点安全——几年前端点问题的形态完全不同，看起来已经被解决了，但现在人们在笔记本上跑 agent，这些 agent 一边连着别的网络、连着你的 WhatsApp（他提到 OpenClaw 这类东西），一边连着内部网络和其他应用 19:1119:57。

于是 VP of IT 和 CIO 陷入两难：一边被董事会和 CEO 推着"现在就在组织里启用 AI，不许拦我，你拦不住我"，另一边是真的可怕。而且不要只想技术人员——想想非技术人员，用 Lovable 之类的工具给自己搭点东西，把公司数据放进去，对安全、合规、"这数据将来谁会用"毫无意识；他们搭的 agent 可能在调用其他 agent，而他们的技术背景不足以理解这意味着什么 20:43。Gonen 的总结句很有分量：这在组织内部创造出一整套不受组织规则约束、也不一定跑在组织边界内、却在处理敏感数据的行为体；这些数据是公司的财产，可能被暴露给全世界，可能不正确，也可能被错误使用 21:30。他对"人人都能成为 builder"这件事的评价是——既是好事也是坏事，无论你是社交媒体经理、财务还是法务，都能造东西了，这很了不起，但"我们生活在非常有趣的时代" 21:30。

六、旧 ETL 栈还剩多少：咖啡交易与"汉堡+披萨"的合集

主持人问得直接：过去十年建起来的 ETL 和数据工程基础设施，还留得下来吗？变化会多快？

Gonen 说存在一个很强的 compelling event 去改变几乎一切，因为今天所谓的"管道"非常受限，每个人都只针对自己那一组问题造了个解法。他用一个日常例子解释：录完播客 Gonen 下楼想喝咖啡，去店里刷了信用卡，于是某处的数据库里产生一笔交易。今天的做法是，有人把这笔数据抽出来放到某处，就结束了；之后另一个人在某个时点拿这份数据以另一种方式处理，也就结束了。这些环节之间毫无连接，每个人都不一样，后来者没有"之前发生了什么"的上下文 22:1823:04。

他解释这为什么在过去无所谓：因为过去你只能对数据做你一开始就打算做的事，动手时脑子里只有单一目的。今天完全不同：如果你能聪明地收集、清洗全部数据，高效存储，并高效激活它，你就可以让一个团队拿着所有数据"放开去野" 23:0423:51。数据越多、质量越高、上下文越丰富，处理它的团队就越能创造出以前根本想象不到的东西。

这里他给了本期最形象的比喻：组织里有一个人手上是"纽约所有爱吃汉堡的人"的名单，另一个人手上是"纽约所有爱吃披萨的人"的数据库。他们无法得到"纽约同时爱汉堡和披萨的人"这份名单——不是技术不行，纯粹因为两人从来没一起工作过。而现在，把它用于后训练、用于新能力，你就能开始向自己的数据提出真正聪明的问题 23:5124:37。

趋势数据也支持这一点：企业正在收集比以往多得多的数据，摄入量之大"绝对疯狂"，且其中很大一部分是那些新 agent 生成的。所以数据里既有大量价值也有大量噪音，你需要既能理解多来源数据、又能清洗噪音、让新产生的数据真正可用的工具 24:3725:23。Gonen 对老一代工具的评价是克制而诚实的：Fivetran 是了不起的公司，dbt 也是，但它们都是为特定目的造的特定工具 25:23。他还专门夸了 Databricks 是"这个行业最不可思议的公司之一"，但指出其编目路径本质上是"事后效应"——数据已经在那了，你再去处理它；而 Databricks 一直在不断重新发明自己，因为他们明白越来越多的数据是 agent 生成的，"打不过就加入"，于是自己造 agent、造数据库，去掌控数据被如何使用、被如何创造 25:2326:09。Ofir 把目标概括为：让 builder 文化和 agent 文化真正跑起来——自动理解有什么、自动摄入而不必为每个新应用手搭管道、并且对新产生的数据保持控制 26:0926:55。

最后 Gonen 补了成本这一层：数据多是好事，但它是分散的，而访问它要付存储费、还要付 token。他强调"我们已经不在 token maxing 的时代了"，现在是要为每个 token 拿到实际价值，因为它越来越贵。他的表述很直白：不是不花钱，该花几百万甚至更多就花，但要把单位成本尽可能压低 26:5527:41。

七、云迁移 vs AI 转型：这一轮更快，也更失控

主持人把两位嘉宾的独特经历摆上桌：Eon 之前他们创办 CloudEndure 并被 AWS 收购，在 AWS 亲历了本地机房到云的超大规模迁移——上一场代际基础设施迁徙。那么这一轮和上一轮怎么比？

Ofir 的回答是"一样，但打了兴奋剂"。他先补充了资历细节：早在把 CloudEndure 卖给 AWS 之前，他们就已经通过 Azure 和 GCP 支持类似规模的企业迁移，产品被 OEM 集成进控制台；那些超大型企业迁移的是数千、数万乃至数十万台服务器，之后还要在云上进一步现代化；卖给 AWS 后他们把这件事做成了 Application Migration Service 的一部分 27:4128:28。但关键在于：那件事就到那儿为止了，而且它需要巨量的工作与投入，技术侧和人的一侧都是。

而现在 AI 与 agent 这一轮，转型发生得快得多，而且客户正在失去控制——以至于这种失控本身变成了阻碍而非推动力。他们会停下、会暂停，因为怕东西会坏、怕数据泄露、怕 IP 外流；于是他们迫切地在找"看得清正在发生什么"和"能控制"这两件能力 29:14。

Gonen 给出了为什么这轮更猛的一个心理学解释：云在某种意义上是抽象的，很难讲清它是什么——云不过是别人的电脑，但谁真懂？你没法向祖母解释云。但 AI 谁都懂。每个人都经历过 ChatGPT 时刻，那种"天啊这太不可思议了"的体验。于是压力从 C-level、CEO、董事会、股东那里层层压下来：把 AI 用到业务上，否则我们就不相关了。所以人们既为了 AI 带来的价值而行动，也为了对 AI 的恐惧而行动 29:1430:01。

八、软件的买法变了：forward-deployed engineer 与 PLG 的回归

Gonen 认为这一轮还带来了多年未见的新现象：企业消费软件的方式变了。首先是 forward-deployed engineer（FDE）——过去它看起来像"服务"，是 Palantir 在做的事，没人真的理解那意味着什么，现在人人都在做 30:01。

原因在需求侧：你走进一家大型传统企业，他们真的很想采用 AI，因为不得不；问题是他们不知道怎么做，他们清楚自己的流程要一年、两年甚至更久，但他们现在就要结果。唯一能让他们更快落地的方式，就是让一群真正懂行的强工程师，带着他们在顶尖硅谷创业公司（有时是大公司）造出来的工具，进去把组织改造掉 30:4931:34。可见的结果是销售周期缩短，公司增长极快。

其次是 PLG 的回归。买方侧也在变快，尤其是新公司会用 product-led growth 的方式极快地买入 AI 基础设施，因为所有人现在都想造 agent。Gonen 承认自己过去的判断被推翻了：他曾主张对多数东西、尤其是开发者工具，PLG 是行不通的——世界太碎片化，人们不愿意动得那么快。现在它变得极其火热。他举 Cognition 为例（他称之为一家了不起的公司）：先走 PLG（Eon 自己也这么用），再切 FDE 路线进银行，逻辑是"把你不想做的工程活儿换成我们的工程师来做，让你专注在你真正想做的事上"——两条战线同时用力 31:3432:20。

第三种路径更激进。Gonen 提到 Long Lake 这类公司：与其等那些采用 AI 极慢的企业自己转型，不如"我知道怎么更高效地做——如果我把公司买下来，改造成 AI 公司，我们就都赢了"，靠效率套利拿到更高的利润率。他称之为这些公司真正开始用 AI、变得更高效的一种彻底的新方式 32:2033:06。

他的收尾判断带着克制的乐观：我们把这称为一场革命，但其实"我们才刚开始"——大多数公司仍然没在用 AI，仍处在这段旅程的开头。他们都感觉到有事在发生，都明白数据重要，都明白自己现有流程有些平庸、必须做点什么，"很可怕，但你不得不做" 33:06。主持人也感叹这是一场关于"公司如何消费 AI 软件、如何变得现代、以及我们被推着改变的力度"的迷人演化；Gonen 最后说，这是一趟很狂野的旅程，但在他看来世界会因此变得更好 33:55。

金句

模型、算力，一切都相对易耗、几乎零切换成本。但如果你是一家公司——酒店连锁、餐饮连锁、科技公司都一样——你最有价值的东西其实是你的数据。 —— Gonen Stein 3:05

他们买的不是飞机，他们买的是数据。花了 1000 万美元，因为他们认为它非常重要。 —— Gonen Stein 3:51

我们以为那位客户被我们的技术完全保护了。后来才知道，客户自己也以为受了保护，其实并没有——因为他们没有正确地映射、分类和打标资源。结果环境的 60% 被勒索软件击穿了。 —— Ofir Ehrlich 15:20

同样的威胁现在打了兴奋剂——它来自非人类行为体，来自那些对环境有合法访问权、有合法权限的 AI agent。然后突然之间，一张表就被 drop 了。 —— Ofir Ehrlich 16:06

这在组织内部造出了一整套行为体：不受组织规则约束，不一定跑在组织的边界内，却在处理敏感数据。 —— Gonen Stein 21:30

云是抽象的，我没法跟我祖母解释云是什么。但 AI，每个人都懂。 —— Gonen Stein 29:14

提到的书·产品·人物

• Eon（公司/产品）：两位嘉宾创办的公司，面向 AI 时代的云备份、灾备与"新数据底座"，提供数据映射、分类、摄入和 AI 接入 1:33
• Ofir Ehrlich（人物）：Eon 联合创始人，讲述 AWS 时期的勒索软件案例与云迁移经验 0:46
• Gonen Stein（人物）：Eon 联合创始人，本期关于数据资产、agent 威胁与新软件消费方式的主要论述者 0:46
• CloudEndure（公司）：两人的上一家公司，被 AWS 收购 27:41
• AWS Application Migration Service（产品）：卖给 AWS 后他们参与构建的迁移服务 28:28
• Azure / GCP（产品）：早期他们的产品被 OEM 集成进这两家的控制台以支持大规模企业迁移 28:28
• Google（公司）：花约 1000 万美元买下破产 Spirit Airlines 的数据，本就深耕旅游数据并已在变现 3:519:12
• Spirit Airlines（公司）：破产航司，其企业数据集成为多方竞标对象，既是航司样本也是大型企业组织样本 3:516:54
• Mercor（公司）：据主持人所述，是该破产数据竞标流程中的另一竞标方 3:51
• Harvard 法律数据集（数据集）：几天前刚发布，被用作"高质量公开数据集稀缺"的正例 6:54
• Enron 数据（数据集）：公开可得，至今仍被当作"真实公司如何运转"的训练素材 7:40
• Applied Compute（公司）：主持人提到的这类服务让企业可针对特定数据集微调（开源）模型 6:08
• ChatGPT（产品）：连 CEO、董事会都在玩，是企业相信 AI 为真的转折点 10:4429:14
• Fivetran / dbt / Monte Carlo（产品）：过去数据团队完成战术任务的优秀工具，但都是为特定目的造的特定工具 9:5825:23
• Databricks（公司）：被称为"地球上最不可思议的公司之一"，但编目属"事后效应"；正持续自我重塑，自建 agent 与数据库 25:2326:09
• Lovable（产品）：非技术员工用它自己搭东西、把公司数据放进去，缺乏安全合规意识 20:43
• OpenClaw（产品）：被举例为跑在笔记本上、同时连着 WhatsApp 与内网的 agent 类工具 19:57
• Palantir（公司）：forward-deployed engineer 模式的原型，过去被视为"服务"，现在人人效仿 30:01
• Cognition（公司）：先 PLG、再用 FDE 打进银行的双线打法范例 32:20
• Long Lake（公司）：与其等企业自己转型，不如买下公司改造成 AI 公司、赚效率套利的新路径 32:20

适合谁听

想搞清楚"企业存量数据如何变成 AI 资产"以及 agent 时代数据安全与数据栈将如何重构的 CIO、数据/平台负责人和基础设施创业者。