一家成立只有5个月、只有5名员工的创业公司，被5000万美元收购。
平均算下来，每名员工价值1000万美元。
更夸张的是，这并不是一笔孤立的交易。
过去18个月，数据安全独角兽 Cyera 已经连续收购了5家公司。它先后买下 Trail Security、Shape AI、Otterize、Ryft，以及这家刚成立不久的 Genie Security。
与此同时，Cyera 的员工规模已经扩张到1500多人，累计融资超过23亿美元，最新估值达到120亿美元。
这家公司到底在做什么？
为什么资本愿意用如此高的价格，购买一家几乎还没有来得及形成收入规模的创业公司？
很多人把这笔交易概括为一句话：
传统DLP已经死了，Cyera正在重写AI时代的数据安全。
这个判断说对了一半。
Cyera要做的，远远不只是阻止员工把公司代码粘贴进ChatGPT。
它真正想争夺的是一个更大的位置：
成为企业数据与AI之间的控制平面。
一、Cyera到底是一家什么公司？
Cyera成立于2021年前后，总部横跨纽约和特拉维夫。
两位核心创始人 Yotam Segev 和 Tamar Bar-Ilan，都来自以色列情报部队 Unit 8200，曾共同负责云安全相关工作。
Cyera最早切入的市场叫做DSPM，Data Security Posture Management，中文通常翻译为“数据安全态势管理”。
这个词听起来很复杂，但它解决的问题其实非常基础：
一家大型企业，到底有多少数据？
这些数据存在哪里？
哪些是客户信息，哪些是源代码，哪些是财务数据，哪些是商业机密？
谁有权限访问？
这些权限是不是已经过度开放？
有没有敏感数据暴露在公网、测试环境或者无人管理的数据库里？
过去，企业安全团队往往围绕设备、网络和账号做防护。
保护电脑，保护服务器，保护云环境，保护员工账号。
但数据本身却越来越分散。
它可能存在AWS、Azure和Google Cloud里，也可能存在Snowflake、Salesforce、Slack、Google Drive、GitHub、Notion以及员工电脑中。
Cyera试图先把这些数据找出来，完成分类，并建立一张企业级的数据关系图谱：
数据是什么、存在哪里、属于谁、谁能访问、谁真正访问过，以及数据最终流向了哪里。
一旦这张图谱建立起来，企业便可以在同一个数据上下文上，继续叠加DLP、权限治理、合规、内部风险和AI安全能力。
这才是Cyera最核心的产品逻辑。
二、它不是在卖一个安全工具，而是在建立数据控制平面
如果把Cyera现在的产品拆开，大致可以分成五层。
第一层是数据发现。
帮助企业找到散落在云、数据库、SaaS和本地环境里的数据。
第二层是数据理解。
利用AI模型判断哪些数据属于个人信息、财务信息、代码、合同、医疗记录或者公司机密。
第三层是访问关系。
判断员工、服务账号、应用程序和AI Agent分别能够读取哪些数据。
第四层是数据流控制。
当用户复制、上传、发送或者粘贴数据时，判断这次操作是否应该被允许。
第五层是AI运行控制。
企业部署AI应用和Agent之后，控制它们能够看到什么数据、调用哪些系统，以及把数据发送到哪里。
这五层能力组合起来，Cyera就不再只是DSPM公司，也不只是DLP公司。
它开始向一个更大的平台演进：
无论数据存在什么地方，无论使用数据的是人、应用还是AI Agent，都要经过同一套发现、分类、权限和控制系统。
这也是为什么Cyera在过去18个月里疯狂收购公司。
它不是在随机扩充产品线，而是在迅速补齐这张平台地图。
三、为什么花5000万美元购买一家5个月的公司？
Genie Security成立于2026年1月，团队大约只有5个人，此前融资约300万美元。
它做的事情非常具体：
在员工电脑上安装终端程序，实时判断敏感数据是否正在通过浏览器、剪贴板、文件上传、SaaS应用或者生成式AI工具泄露出去。
例如，一名员工将公司源代码复制到Claude里。
一名销售人员把完整客户名单上传到ChatGPT。
一个本地AI Agent读取了用户电脑上的密钥文件，然后将结果发送给外部服务。
传统DLP通常会根据关键词、正则表达式、文件标签或者预先配置的规则进行拦截。
但在AI场景中，问题变得更复杂。
同一段数据，可能在一个场景下允许使用，在另一个场景下必须拦截。
同一个用户，可能有权限读取数据，却没有权限将数据提交给外部模型。
同一段代码，也可能在上传之前已经经过压缩、改写或者混入大量正常文本。
Genie Security所补齐的，正是Cyera此前相对缺少的“最后一公里”能力：
在数据真正离开终端的那个瞬间，对行为作出实时判断。
有人说，Cyera花5000万美元买的不是产品，而是18个月的时间。
这个说法基本正确。
开发一个真正可用的endpoint agent，并不是简单监听一下剪贴板。
它需要处理Windows和macOS的系统接口，需要识别浏览器行为，需要追踪文件来源，需要控制性能开销，还要避免与EDR、杀毒软件和其他DLP产品冲突。
更重要的是，企业安全产品最大的难点往往不是“能不能拦截”，而是“能不能在不影响员工工作的前提下准确拦截”。
Cyera当然可以自己开发。
但即便投入足够多的工程师，从零开始做到可用于大型企业，也可能需要一年甚至更久。
对于一家估值120亿美元、正在与微软、Palo Alto Networks、Zscaler、Proofpoint等公司争夺AI安全入口的公司来说，等待一年所失去的市场机会，可能远远超过5000万美元。
因此，Cyera购买的不只是几名工程师和一套代码。
它购买的是：
一个已经跑通的技术方向；
一支拥有稀缺经验的团队；
一批能够证明需求真实存在的早期客户；
以及阻止竞争对手买走这支团队的战略期权。
四、五次收购，其实是在拼同一张图
过去18个月，Cyera完成了五笔重要收购。
Trail Security，交易金额1.62亿美元，补齐实时DLP和数据移动控制能力。
Shape AI，强化实时事件、数据活动和行为分析。
Otterize，负责服务账号、工作负载和非人类身份之间的访问控制。
Ryft，面向AI Agent访问企业数据的场景，建立可追踪、可授权的数据连接层。
Genie Security，则补齐终端、浏览器和AI工具中的实时数据防泄漏能力。
把这几家公司放在一起，Cyera的路线就变得非常清楚：
最开始，它关注的是data at rest，也就是静态存储的数据。
随后扩展到data in motion，也就是正在传输和移动的数据。
再往后，是data in use，也就是员工、程序和AI实际使用中的数据。
最终，它要控制的是data used by agents：
当AI Agent自动读取数据库、打开文件、调用SaaS、访问代码仓库并执行任务时，企业如何保证数据没有被滥用？
这已经不再是传统DLP能够单独解决的问题。
它同时涉及数据分类、身份、权限、上下文、行为分析、工具调用和运行时控制。
Cyera正在用收购的方式，快速拼出一套完整答案。
五、为什么这个市场突然爆发？
AI改变了企业数据泄漏的方式。
以前，企业主要担心员工通过邮件附件、USB、网盘或者打印机带走数据。
今天，一次泄漏可能只需要三个步骤：
打开ChatGPT或者Claude；
复制一段源代码、合同或者客户数据；
粘贴并点击发送。
这甚至不一定是恶意行为。
大量员工只是希望AI帮助自己总结文件、修改代码、分析表格或者回复邮件。
但从企业角度看，敏感数据已经进入了一个外部系统。
随着AI Agent进一步普及，问题会变得更加严重。
员工至少还需要主动复制和粘贴。
AI Agent则可能已经获得Google Drive、Slack、GitHub、数据库和本地文件权限。
它可以在没有人逐步确认的情况下，自动读取、处理、组合和传输大量数据。
这意味着，未来的数据泄漏不一定是员工“带走”数据。
也可能是一个获得了过多权限的Agent，在完成任务时顺便把不该发送的内容发送了出去。
一些安全厂商的遥测数据已经反映出这一趋势。
LayerX发布的报告显示，在其样本中，接近45%的企业用户使用生成式AI，77%的用户会向AI工具粘贴数据，大量行为发生在企业没有统一管理的个人账号中。
Harmonic Security分析约100万条AI提示词和2万份上传文件后发现，超过4%的提示词和超过20%的文件包含敏感企业信息，其中代码是最常被分享的敏感内容之一。
这些数据来自安全厂商自己的客户样本，不能直接代表整个市场。
但方向已经非常清晰：
企业AI使用越广泛，数据安全就越不可能继续依赖员工自觉。
六、“传统DLP已经死了”吗？
市场上很喜欢用一句话制造冲击：
传统DLP已经死了。
这并不完全准确。
微软Purview已经开始支持对ChatGPT、Claude、Gemini等第三方AI网站进行发现、监控和部分数据控制。
Cyberhaven也在把DSPM、DLP、内部风险和AI安全整合到同一个平台中。
Proofpoint、Netskope、Zscaler、Palo Alto Networks、Fortinet等公司，同样拥有终端、浏览器、网络或者SaaS层面的数据控制能力。
所以，真正发生的事情并不是传统厂商完全做不了AI DLP。
而是传统DLP依赖的产品逻辑正在失效。
过去的DLP，通常以静态规则为中心：
某个文件包含身份证号，就不能发送。
某个文档被标记为机密，就不能上传。
某个关键词出现，就触发告警。
AI时代需要的则是上下文判断：
这是什么数据？
谁正在使用？
他是否有权限？
使用目的是什么？
数据将被提交给公司内部模型，还是外部个人账号？
当前操作由员工发起，还是由AI Agent自动发起？
这个Agent是在执行什么任务？
最终动作是否可逆？
因此，DLP并没有消失。
它只是必须从“静态内容拦截工具”，升级成“围绕数据、身份和行为上下文的动态决策系统”。
Cyera押注的正是这次重写。
七、Cyera最重要的壁垒是什么？
很多人会认为Cyera的壁垒是AI分类模型。
但分类模型本身并不是最难复制的部分。
真正的壁垒，是它在客户环境中逐渐形成的数据图谱。
当Cyera已经帮助一家大型企业扫描了几十PB数据，并建立了数据类型、位置、所有者、权限和历史活动关系之后，客户切换供应商的成本会越来越高。
新供应商需要重新扫描，重新分类，重新校准策略，重新处理误报，还要再次获得业务部门的信任。
这是第一层壁垒。
第二层壁垒，是DSPM作为产品入口的低摩擦属性。
企业部署传统安全产品，往往需要修改网络架构、更换终端程序或者调整大量业务流程。
DSPM则可以先以只读方式接入。
扫描几天后，它就可能发现：
暴露在公网的数据库；
离职员工仍然拥有权限的文件；
大量无人管理的测试数据；
多年没有使用却一直保留的客户信息；
以及正在被AI应用读取的内部资料。
客户先获得可见性，再购买DLP、权限治理、AI安全和自动修复。
这是一条非常成熟的land-and-expand路径。
第三层壁垒，是跨平台中立性。
微软天然更擅长Windows和Microsoft 365，Palo Alto拥有网络和云安全入口，CrowdStrike掌握终端。
Cyera则可以把自己包装成一个中立的数据层：
无论客户使用哪家云、哪套数据库、哪种SaaS和哪家大模型，都由Cyera统一理解和控制数据。
第四层壁垒，是资本。
超过23亿美元融资，让Cyera能够提前购买关键团队，高价吸引人才，承担漫长的企业销售周期，并与传统安全巨头进行长期竞争。
在这个阶段，融资不仅是财务事件。
资本本身已经成为产品战略的一部分。
八、Cyera面临的风险同样巨大
Cyera的故事非常漂亮，但它并不是没有风险。
第一个风险是估值。
据媒体报道，Cyera的ARR已经超过1.5亿美元。
按照120亿美元估值计算，估值大约是ARR的80倍。
假设未来市场愿意给予一家成熟安全软件公司15倍ARR估值，那么Cyera需要做到8亿美元ARR，才能支撑今天的估值。
如果按照10倍计算，则需要达到12亿美元ARR。
换句话说，Cyera必须继续增长4到8倍，才能逐渐“长进”今天的价格。
第二个风险是整合。
买下五家公司很容易，真正把五家公司变成一套产品很难。
不同公司的代码架构、数据模型、控制台、销售合同和工程文化完全不同。
Cyera必须证明：
Trail的DLP和Cyera的DSPM真正共享同一个策略引擎；
Genie不会变成另一个独立的终端agent；
Otterize和其他身份产品之间不会重复建设；
Ryft能够与企业已有的数据平台和AI基础设施兼容；
所有收购产品最终能够形成统一的体验。
否则，所谓平台最终可能只是五个产品被放进了同一份销售PPT。
第三个风险来自巨头的捆绑。
微软可以将部分能力集成到Purview、Defender、Windows和Edge中。
Palo Alto、Zscaler、Netskope和Proofpoint也拥有成熟的渠道和现成控制点。
Cyera必须持续证明，它带来的准确性、跨平台能力和管理效率，值得客户在已有安全套餐之外再支付一笔费用。
第四个风险是，终端并不是终局。
今天的数据泄漏发生在浏览器和电脑中。
明天，它可能发生在MCP Server、本地coding agent、云端browser agent、agent-to-agent通信、沙箱、容器、自动化工作流以及临时凭证中。
Genie解决了一个重要控制点，但并没有解决全部问题。
九、Cyera的未来，会成为“数据安全版Wiz”吗？
从目前的发展路径看，Cyera很可能成为未来两三年最值得关注的网络安全公司之一。
最理想的情况下，它会成为“数据安全版Wiz”。
Wiz帮助企业回答：
我的云基础设施中哪里存在风险？
Cyera则希望帮助企业回答：
我的数据在哪里？
谁可以使用？
哪些AI正在访问？
数据是否会被带到不该去的地方？
如果Cyera能够完成产品整合，并持续保持高速增长，它有机会成为AI时代最重要的数据安全平台之一。
但120亿美元估值意味着，仅仅成为一家优秀的DSPM公司已经不够。
它必须成为一个全新平台类别的领导者。
否则，即便公司收入继续增长，估值也可能在未来多年停滞，等待基本面慢慢追赶。
十、“5个月5000万美元退出”可以复制吗？
Genie Security的故事很容易让创业者兴奋。
做一家只有5个人的公司，开发5个月，然后卖掉5000万美元。
听起来像AI时代新的创业公式。
但真实情况远没有这么简单。
Genie团队拥有顶级军事安全部门背景，有Legit Security等创业公司经历，投资人中还包括Wiz CEO Assaf Rappaport。
他们不是5个月前才开始学习网络安全。
这5个月，只是公司的注册时间。
团队背后的技术积累、行业关系、客户资源和信用，可能已经积累了十年。
更重要的是，他们恰好遇到了一家拥有大量资金、正在疯狂补齐产品能力，而且不能等待18个月的战略买家。
因此，这类交易真正的公式不是：
做一个产品，等待大公司收购。
而是：
长期积累的稀缺能力 加上一个足够窄、足够重要的切口， 加上真实可运行的产品和客户验证， 再加上一个不能等待的战略买家。
Cyera复制Genie技术的直接成本，可能只有几百万美元。
但晚进入市场12个月的机会成本，可能是几亿美元。
这才是5000万美元收购价格背后的真正逻辑。
结语：AI安全正在从“内容安全”走向“真实行动安全”
Cyera的高速融资和连续收购，反映出一个非常明确的行业变化。
过去，AI安全主要讨论模型会不会生成有害内容，会不会被提示词注入，会不会泄露训练数据。
但随着AI开始接入企业真实系统，安全问题正在迅速转移：
AI可以访问哪些数据？
AI可以调用哪些工具？
AI可以代表谁执行操作？
AI生成的动作是否需要审批？
如果Agent访问了敏感文件、发送了邮件、提交了代码、调用了支付接口，谁来作出最终授权？
Cyera正在争夺企业数据这一层。
接下来更重要的战场，则会出现在AI Agent的运行时、工具调用、身份、凭证、沙箱和真实执行环节。
未来真正有价值的AI安全基础设施，不只是告诉企业“这里可能存在风险”。
而是能在AI采取真实行动之前，准确回答：
这一步，究竟能不能执行？
这场AI时代的数据安全重写，才刚刚开始。