Prevalent AI 獲 2,200 萬美元投資，將主權知識圖譜推向資安以外

企業導入 AI，真正棘手的問題往往不只是模型夠不夠強，而是企業內部的資料是否完整、相互一致，且能在需要時被正確理解。倫敦企業 AI 與資安公司 Prevalent AI 的做法，是把散落在數百個系統中的資料連結起來，建立一個持續更新、可供查詢的知識圖譜，讓人與 AI 系統都能取得較可靠的組織脈絡。

公司近日宣布獲得來自洛杉磯 Integrity Growth Partners（IGP）的 2,200 萬美元投資。這是 Prevalent AI 成立 9 年來首筆主要募得資金，目標是把過去主要靠自身營運成長的業務，推向更大規模的全球市場，並將技術從原本的資安領域延伸到更廣泛的企業風險應用。

Prevalent AI 是誰創立的？

Prevalent AI 於 2017 年由 Paul Stokes 與 Arun Raj 創立，兩人目前分別擔任執行長與營運長。創始團隊也包括具有英國情報與資安背景的高階人士，例如曾任英國政府通訊總部（GCHQ）主管的 Sir Iain Lobban，以及曾負責 GCHQ 網路防禦工作的 Andrew France；France 也是 Darktrace 的共同創辦人。

這樣的背景，也解釋了公司為何從資安切入。情報與網路安全工作都需要從不完整、分散的資訊中拼出可靠全貌，再找出資料之間的關係、缺口與風險。

這套 AI 平台如何運作？

Prevalent AI 將產品描述為由 AI 驅動的資料網格（data fabric）與主權知識圖譜（sovereign knowledge graph）。簡單來說，平台會連接企業內部不同系統的資訊，並以統一模型呈現組織中的資料與關係。

知識圖譜可以描述以下項目之間的連結：

• 資產與系統；
• 身分與存取權限；
• 資安控制措施；
• 資料與業務流程；
• 營運問題或控制缺口。

由於圖譜會持續更新，資安團隊可以查詢企業環境中有哪些資產、各元件如何互相關聯，以及哪些資產或控制措施可能沒有受到充分監控。

「主權」在這裡指的是資料基礎由客戶掌控。Prevalent AI 表示，客戶可以決定底層資料實際存放的位置，而不是一律將資料放進共用雲端環境。

這套系統的目標使用者也不只資安專家。Prevalent AI 認為，當企業員工或 AI 代理需要在組織內採取行動時，都必須先取得可靠且最新的企業脈絡，才能更安全、一致地做出判斷。

為什麼先從資安市場開始？

資安是這項技術最直接的試驗場，因為資訊破碎可能立即造成營運損害。資安團隊往往必須在龐大的系統、身分、控制措施與資料來源之間做出關鍵決策，但不同來源可能互相矛盾，或只呈現企業環境的一部分。

執行長 Paul Stokes 曾形容，資安是「資料分散造成最大傷害的地方」。

在這個高風險場景中驗證平台後，Prevalent AI 認為相同的問題也存在於其他企業部門：只要人員或自動化系統需要根據分散在不同組織單位的資料做決策，就需要一層能把資料連接、整理並持續更新的脈絡。

下一步：從資安走向企業風險

Prevalent AI 接下來瞄準的，是更廣義的企業風險，而不只是網路安全。已披露的潛在延伸領域包括合規、金融犯罪與營運風險。

產品核心概念不變：連接不同來源的資訊、保留紀錄之間的關係，並提供可由人員或 AI 系統查詢的最新組織脈絡。變化的是要回答的業務問題——可能是資安曝險、合規義務、金融犯罪風險，或某項營運依賴關係。

目前公布的資訊是，這些方向屬於原先為資安與企業風險開發的技術延伸，並不代表所有規劃中的應用都已經完整推出。

2,200 萬美元將投入哪些方向？

IGP 的資金預計支援四項主要工作：

1. 擴大全球市場開發能力： Prevalent AI 計畫強化銷售、行銷、客戶成功與合作夥伴團隊。
2. 加速美國市場成長： 公司將加快在美國的拓展，同時深化既有市場布局。
3. 強化管理團隊： 資金將協助公司在規模擴大之際補強領導團隊。
4. 推動產品與市場延伸： 投資將支持資料網格與知識圖譜平台持續開發，並拓展至更廣泛的企業風險與 AI 應用。

這筆交易之所以受到注意，也在於它被描述為 Prevalent AI 成立 9 年來的首筆主要募得資金。公司與產業報導指出，企業此前主要依靠客戶需求與獲利能力成長，而非機構投資資金。

企業 AI 缺的可能不是模型，而是脈絡

Prevalent AI 並不只是把知識圖譜定位成另一種資安資料儲存工具。公司的更大主張是：企業 AI 代理若要可靠運作，必須先擁有一層可信、持續更新的組織脈絡。

這筆 2,200 萬美元投資，將讓 Prevalent AI 有機會在更大規模驗證這項主張。公司會先擴充商業團隊與美國業務，再把已在資安場景測試的資料基礎帶入更廣泛的企業風險決策。最終成效，將取決於它能否在不同應用領域中，持續讓複雜的客戶資料保持連結、即時且可用。