人工智能和数据安全公司Cyera Ltd.今日宣布,在距离上轮融资六个月后,再次获得4亿美元后期融资,公司估值达到90亿美元。
这轮F轮融资由贝莱德管理的基金领投,Accel、Coatue、Cyberstarts、Georgian、Greenoaks、光速创投、Redpoint、Sapphire、红杉资本和Spark等机构参投。Cyera此前在2025年6月获得5.4亿美元融资,当时估值为60亿美元。截至目前,该公司累计融资超过17亿美元。
"AI正在重塑每个组织的运营基础,我们的使命是确保这种转型安全进行,"Cyera联合创始人兼首席执行官Yotam Segev表示。
AI在各行业的应用已席卷企业部署,据贝恩公司调查显示,95%的美国公司目前正在使用生成式AI。然而,随着应用激增,国际数据公司AI高级研究总监Nancy Gohring警告称:"早期生成式AI部署浪潮显现出一种模式,即速度有时超过了安全保障。"
2025年是AI的关键年份,生成式AI取得众多突破,推动了企业级智能体AI的应用。通过AI智能体,企业可以部署能够代表其采取行动的自主程序——发现知识、整理信息、发送邮件、编写代码等。这导致攻击面扩大且快速变化,模型和智能体必须以新方式访问数据,通常通过扩散的权限、影子工具和理解不足的数据流。
确保数据安全以让AI系统能够安全运行,而不向第三方暴露敏感信息或放大漏洞,正成为2026年的重要安全任务之一。
为应对AI及其数据需求的变化格局,Cyera将数据安全态势管理、数据丢失防护和身份识别整合到单一平台中。今年,该公司推出AI Guardian产品,将其平台扩展至AI安全领域。
据Cyera称,其业务足迹现已延伸至财富500强中20%的"数据和AI"公司,包括金融服务、零售、媒体娱乐、医疗、技术和全球电信等行业的企业。公司表示,过去12个月业务足迹增长了三倍,团队成员超过1100人,业务扩展至15个国家。
"组织需要清晰的可见性和强有力的控制来保护日益复杂环境中的敏感数据,"雪佛龙公司首席信息安全官Jon Raper表示。"这种清晰度对于保护人员、资产、声誉以及维持在国内外安全可靠运营所需的信任和韧性至关重要。"
Segev表示,这笔资金将用于扩展公司的可扩展数据访问平台,以解决AI安全问题,包括员工AI安全、可信智能体AI、生态系统控制和用AI防御AI。"我大部分时间都与客户在一起,深刻体会到这对首席信息安全官来说是关键时刻,"他在博客文章中补充道。
这位首席执行官指出,首席信息安全官角色已经演变,从网络和访问控制的管理者转向AI新时代的推动者。他认为,安全不再仅仅是成本中心,而是加速器。他还将AI安全定位为涉及业务中每个角色的事务,将首席信息安全官定位为与隐私、合规、法律和所有权交叉的"转型中心"。
他总结说,Cyera的未来方向将考虑到在AI和自主智能体新兴时代中数据共享、托管和保护需求的变化。
Q&A
Q1:Cyera是什么公司?主要做什么业务?
A:Cyera是一家人工智能和数据安全公司,专注于为AI系统提供数据安全解决方案。该公司将数据安全态势管理、数据丢失防护和身份识别整合到单一平台中,并推出了AI Guardian产品来扩展AI安全领域的服务。
Q2:Cyera这轮融资金额和估值是多少?
A:Cyera在这轮F轮融资中获得4亿美元投资,公司估值达到90亿美元。这轮融资距离上次6月份的5.4亿美元融资仅6个月时间,估值从60亿美元增长到90亿美元。截至目前,公司累计融资超过17亿美元。
Q3:为什么AI数据安全变得如此重要?
A:随着95%的美国公司开始使用生成式AI,AI智能体能够自主访问数据、发送邮件、编写代码等,这导致攻击面扩大且快速变化。模型和智能体需要通过各种权限和数据流访问数据,如何确保AI系统安全运行而不暴露敏感信息成为2026年的重要安全任务。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。