谁创立了Prevalent AI？

Prevalent AI成立于2017年，创始人为 Paul Stokes（现任首席执行官）和 Arun Raj（现任首席运营官）。创始团队还吸纳了英国情报与网络安全领域的资深人士，包括曾任英国政府通信总部（GCHQ）主任的 Sir Iain Lobban，以及曾负责GCHQ网络防御、后来共同创办Darktrace的 Andrew France。

这段背景也解释了公司为何从网络安全切入。情报分析与安全防御都依赖同一种能力：从不完整、分散甚至相互矛盾的信息中，还原出尽可能准确的全局，并据此识别关系、缺口与风险。

Prevalent AI的平台究竟做什么？

Prevalent将其技术称为AI驱动的数据织物（data fabric）和主权知识图谱（sovereign knowledge graph）。简单来说，它会从企业的各类系统中汇集信息，清理并连接这些记录，再构建一套能够反映组织结构和数据关系的统一模型。

知识图谱可以呈现以下对象之间的联系：

• 资产与系统；
• 身份与访问权限；
• 安全控制措施；
• 数据与业务流程；
• 运营缺口或控制缺口。

由于图谱被设计为持续保持最新状态，安全团队可以直接查询整个IT环境：组织中有哪些资产和身份，它们如何相互关联，哪些资产或控制措施可能没有得到充分监测。

这里的“主权”主要指数据基础设施由客户掌控。Prevalent表示，客户可以决定底层数据实际存储的位置，而不是将其统一放入一个共享云环境。

公司的目标用户也不止安全专家。Prevalent希望把这套连接后的组织上下文提供给业务人员和AI代理，让它们在执行任务或作出判断前，能够获得更可靠、及时的企业信息。

为什么先做网络安全？

网络安全是这套技术最直接的试验场，因为信息割裂可能在这里造成即时且高代价的运营后果。安全团队通常需要跨越大量系统、身份、控制措施和数据源作出重要判断，但这些来源未必一致，也未必能提供完整视图。

Prevalent首席执行官Paul Stokes曾表示，网络安全是“碎片化数据造成最大伤害”的领域。

在这一高风险环境中验证平台后，公司开始将问题重新定义为更广泛的“企业上下文”问题：只要人类或自动化系统需要根据分散在组织各处的数据作出决定，就需要一套可信且相互连接的背景信息。

公司将如何走出网络安全？

Prevalent下一步瞄准的是更广泛的企业风险，而不只是网络安全。已披露的潜在拓展方向包括合规、金融犯罪和运营风险。

底层产品逻辑并没有改变：连接不同来源的信息，保留记录之间的关系，并提供一份可由人或AI系统查询的组织实时视图。变化的只是要回答的业务问题——它可能涉及安全暴露、合规义务、金融犯罪风险，也可能涉及运营依赖关系。

目前公布的信息将这些方向描述为网络安全和企业风险技术的延伸，并不意味着所有规划中的应用都已经全面推出。

2200万美元将用于哪些方面？

IGP的投资预计将支持四项重点工作：

1. 扩大全球市场进入体系： Prevalent计划加强销售、市场营销、客户成功和合作伙伴团队。
2. 加快美国扩张： 公司希望在巩固现有市场的同时，加速美国业务发展。
3. 完善管理团队： 融资将用于进一步充实领导层，以匹配业务规模的扩大。
4. 推动产品与市场拓展： 资金将支持数据织物和知识图谱平台的持续开发，并将其延伸至更广泛的企业风险和AI应用场景。

这笔融资的另一个看点在于，它被称为Prevalent AI成立9年来首次主要资本融资。公司及行业报道显示，在此之前，Prevalent主要依靠客户需求和盈利能力发展，而非机构资本推动。

企业AI的关键，不只是模型本身

Prevalent AI并没有把知识图谱定位成又一个网络安全数据仓库。它提出的更大命题是：企业AI要想让代理可靠地执行任务，首先需要一层稳定、准确的组织上下文。

2200万美元为Prevalent提供了在更大规模上验证这一命题的资源。公司将先扩大商业团队和美国业务版图，再把经过网络安全场景检验的数据基础设施带入更多企业风险决策领域。

最终成败将取决于一个看似基础、实际复杂的问题：Prevalent能否在不同业务场景中持续保持客户数据的连接性、时效性与可用性。

谁创立了Prevalent AI？

Prevalent AI成立于2017年，创始人为 Paul Stokes（现任首席执行官）和 Arun Raj（现任首席运营官）。创始团队还吸纳了英国情报与网络安全领域的资深人士，包括曾任英国政府通信总部（GCHQ）主任的 Sir Iain Lobban，以及曾负责GCHQ网络防御、后来共同创办Darktrace的 Andrew France。

这段背景也解释了公司为何从网络安全切入。情报分析与安全防御都依赖同一种能力：从不完整、分散甚至相互矛盾的信息中，还原出尽可能准确的全局，并据此识别关系、缺口与风险。

Prevalent AI的平台究竟做什么？

Prevalent将其技术称为AI驱动的数据织物（data fabric）和主权知识图谱（sovereign knowledge graph）。简单来说，它会从企业的各类系统中汇集信息，清理并连接这些记录，再构建一套能够反映组织结构和数据关系的统一模型。

知识图谱可以呈现以下对象之间的联系：

• 资产与系统；
• 身份与访问权限；
• 安全控制措施；
• 数据与业务流程；
• 运营缺口或控制缺口。

由于图谱被设计为持续保持最新状态，安全团队可以直接查询整个IT环境：组织中有哪些资产和身份，它们如何相互关联，哪些资产或控制措施可能没有得到充分监测。

这里的“主权”主要指数据基础设施由客户掌控。Prevalent表示，客户可以决定底层数据实际存储的位置，而不是将其统一放入一个共享云环境。

公司的目标用户也不止安全专家。Prevalent希望把这套连接后的组织上下文提供给业务人员和AI代理，让它们在执行任务或作出判断前，能够获得更可靠、及时的企业信息。

为什么先做网络安全？

网络安全是这套技术最直接的试验场，因为信息割裂可能在这里造成即时且高代价的运营后果。安全团队通常需要跨越大量系统、身份、控制措施和数据源作出重要判断，但这些来源未必一致，也未必能提供完整视图。

Prevalent首席执行官Paul Stokes曾表示，网络安全是“碎片化数据造成最大伤害”的领域。

在这一高风险环境中验证平台后，公司开始将问题重新定义为更广泛的“企业上下文”问题：只要人类或自动化系统需要根据分散在组织各处的数据作出决定，就需要一套可信且相互连接的背景信息。

公司将如何走出网络安全？

Prevalent下一步瞄准的是更广泛的企业风险，而不只是网络安全。已披露的潜在拓展方向包括合规、金融犯罪和运营风险。

底层产品逻辑并没有改变：连接不同来源的信息，保留记录之间的关系，并提供一份可由人或AI系统查询的组织实时视图。变化的只是要回答的业务问题——它可能涉及安全暴露、合规义务、金融犯罪风险，也可能涉及运营依赖关系。

目前公布的信息将这些方向描述为网络安全和企业风险技术的延伸，并不意味着所有规划中的应用都已经全面推出。

2200万美元将用于哪些方面？

IGP的投资预计将支持四项重点工作：

1. 扩大全球市场进入体系： Prevalent计划加强销售、市场营销、客户成功和合作伙伴团队。
2. 加快美国扩张： 公司希望在巩固现有市场的同时，加速美国业务发展。
3. 完善管理团队： 融资将用于进一步充实领导层，以匹配业务规模的扩大。
4. 推动产品与市场拓展： 资金将支持数据织物和知识图谱平台的持续开发，并将其延伸至更广泛的企业风险和AI应用场景。

这笔融资的另一个看点在于，它被称为Prevalent AI成立9年来首次主要资本融资。公司及行业报道显示，在此之前，Prevalent主要依靠客户需求和盈利能力发展，而非机构资本推动。

企业AI的关键，不只是模型本身

Prevalent AI并没有把知识图谱定位成又一个网络安全数据仓库。它提出的更大命题是：企业AI要想让代理可靠地执行任务，首先需要一层稳定、准确的组织上下文。

2200万美元为Prevalent提供了在更大规模上验证这一命题的资源。公司将先扩大商业团队和美国业务版图，再把经过网络安全场景检验的数据基础设施带入更多企业风险决策领域。

最终成败将取决于一个看似基础、实际复杂的问题：Prevalent能否在不同业务场景中持续保持客户数据的连接性、时效性与可用性。