DataBahn 获得 4000 万美元资金用于构建企业数据的智能控制层

DataBahn 已获得 4000 万美元的 B 轮资金，用于扩展其基础设施，以便企业能够更好地准备、管理和交付数据给人工智能系统。

Insight Partners 领投此轮融资，现有投资者 Forgepoint Capital、GTM Capital 和 S3 Ventures 也参与了此轮融资。该投资使得达拉斯总部的公司的总融资金额达到 5900 万美元，之前的 1700 万美元 A 轮融资于 2025 年 6 月宣布。

DataBahn 计划将新资金用于研究和开发、增加产品功能以及继续扩展其合作伙伴销售模式。该公司将其平台定位为“智能数据控制平面”，这是一个基础设施层，旨在管理企业数据在操作系统、安全平台、存储环境和人工智能模型之间的移动。

此轮融资发生在企业正在生成越来越多的遥测数据，而现有的安全和分析系统难以经济地处理这些数据的同时。同时，人工智能代理和副驾驶需要访问可靠的企业上下文，以便能够做出有用的决定或代表员工采取行动。

超越传统数据管道

传统的企业数据管道通常从源头收集信息并将其交付到目的地，例如安全信息和事件管理平台、数据仓库或云存储系统。

随着数据源、目的地和消费者的数量增加，这种模型变得不那么有效。一个企业可能需要从云基础设施、身份系统、端点、应用程序、工业设备和软件即服务平台收集日志，同时将不同部分的信息发送到安全工具、分析系统、数据湖和人工智能应用程序。

将所有可用的事件移动到每个下游系统可能会产生大量的存储、处理和云数据传输成本。同时，也可能使分析师和人工智能模型更难找到真正相关的信息。

DataBahn 在源头和目的地之间插入了一层管理层。其平台可以在数据移动时收集、过滤、规范化、丰富和路由信息，而不是要求每个下游应用程序独立处理原始数据。

该公司表示，其技术目前支持超过 600 个数据源，并且设计为独立于任何特定的存储平台、安全供应商或人工智能模型。这使得客户可以在不需要为每个供应商的架构重建收集层的情况下更改目的地或使用多个系统。

DataBahn 最初专注于网络安全遥测数据，但后来扩展其平台以涵盖应用程序、可观察性和物联网以及运营技术数据。

为人工智能代理准备企业数据

DataBahn 的人工智能组件不仅仅是为现有的数据平台添加一个对话式界面。

其 Cruz AI 系统作为一个智能数据工程师，帮助完成传统上通过手动配置的集成和解析规则来完成的工作。该软件监视传入的数据模式，识别更改，并可以在源格式更改时生成更新的解析器和映射。

这很重要，因为企业数据源很少保持静态。软件供应商引入新的字段，改变事件格式，并更新应用程序编程接口。当这些更改破坏管道时，安全和数据工程团队可能会失去可见性，直到集成被修复。

DataBahn 将 Cruz 描述为一种将该过程转变为基于批准的工作流程的方式。相比之下，工程师不需要从头开始构建每个连接器或解析器，系统可以分析更改的源并为审查准备更新的配置。

该平台还将信息规范化为一致的模式，包括开放网络安全模式框架。标准化可以使数据更容易被安全工具和人工智能系统解释，因为相同类型的事件以一致的方式表示，无论哪个产品生成了它。

对于 人工智能代理，更广泛的目标是提供足够的上下文以支持决策，而不需要将整个数据资产复制到另一个平台。DataBahn 可以在检索所需上下文时连续处理信息。

这种方法可能会变得更加重要，因为企业从生成性人工智能系统转变为代理，这些代理可以启动工作流、更改配置或对操作事件做出响应。这些代理的可靠性将部分取决于基础数据是否最新、正确结构化和管理。

智能进入数据流

DataBahn 还开发了一种称为 自主流数据智能 的架构，该架构在信息仍在管道中移动时应用分析和决策。

该系统旨在不仅准备数据以进行分析，而是在数据到达目的地之前进行处理。它可以评估数据质量、识别缺失信息并确定如何在实时处理个别事件。

在安全环境中，例如，管道可以用威胁情报丰富传入事件，将高价值遥测数据路由到分析平台，并将较低优先级的信息移动到更便宜的存储中。在数据到达安全平台之前应用这些决策可以在不放弃可能稍后需要用于调查的信息的情况下降低摄取成本。

该公司认为，智能应该位于管道内，而不是仅在数据收集和存储后应用。

这种架构也反映了企业数据管理的更广泛变化。管道正在成为一个主动的策略和编排层，而不是仅仅连接两个系统的被动管道。

企业采用推动 B 轮融资

DataBahn 报告称，其收入同比增长了 400%，净收入留存率达到 180%。它还声称客户流失率为零，概念验证部署的成功率为 97%。

该公司为医疗保健、金融服务、制造业和运输业的组织提供服务，包括几家财富 100 强公司。其披露的客户包括 MVB 银行和加拿大养老金投资委员会。

MVB 银行首席信息安全官 Parrish Gunnels 表示，该平台帮助银行将多种数据格式、监管要求和审计控制集成到一个支持其人工智能代理的共同环境中。

在加拿大养老金投资委员会，该技术用于标准化安全遥测的集成。该组织表示，这减少了之前连接新日志源所需的自定义工程，并使得识别未发送预期数据的系统变得更加容易。

DataBahn 在很大程度上通过渠道和技术合作伙伴而不是仅仅依赖直接销售来追求这些客户。最近的举措包括与微软 安全生态系统的更深入集成以及与网络安全分销商 M.Tech 的亚太地区分销协议。

融资针对日益增长的基础设施瓶颈

B 轮融资将使 DataBahn 能够扩展位于多个日益昂贵的企业问题交叉点的产品。

安全团队正在收集更多的遥测数据以检测攻击和满足监管要求。数据和可观察性团队正在处理更大的应用程序和基础设施信息量。人工智能团队现在需要访问操作数据和业务上下文。

每个团队都可以购买额外的存储和处理能力，但这并不能解决根本的重复和碎片化问题。数据可能仍然被多次收集，以不同的方式转换并锁定在使其在其他地方重用变得昂贵的系统中。

DataBahn 正在押注企业将在产生数据的系统和使用数据的系统之间放置一个独立的控制层。

机会比降低存储账单更大。有效的控制平面可以确定人工智能代理可以访问哪些信息，丰富该信息以提供必要的上下文，并保持数据如何转换和路由的记录。

这将使管道在人工智能治理中发挥核心作用，特别是在监管行业，组织必须解释自动系统使用的信息。

构建智能人工智能的数据基础

DataBahn 面临的挑战是证明新兴的“智能数据控制平面”类别与现有的数据管道、安全数据织物和可观察性平台有足够的区别，以至于在企业技术栈中值得增加另一层。

大型云和安全供应商也正在扩展其数据路由、存储和人工智能功能。DataBahn 的反驳是，中立平台可以为客户提供对信息存储和使用的更大控制权。

在扩大规模的同时保持中立性并与越来越多的企业系统集成对于公司来说至关重要。

B 轮融资为 DataBahn 提供了更多资源来开发该架构，因为人工智能代理越来越深入地嵌入企业运营。核心前提很简单：组织不一定需要收集和复制更多数据。他们需要更好的方式来识别、管理和激活在需要时重要的信息。

DataBahn 计划在 Black Hat USA 2026 上预览其下一代智能数据控制平面功能。