David DeSanto，Anaconda CEO – 采访系列

David DeSanto 是 Anaconda 的首席执行官，他领导公司的使命，通过开源创新和安全的企业解决方案赋予世界的数据科学和 AI 社区。作为一位经验丰富的产品和技术高管，David 拥有超过二十年的经验，跨越网络安全、开发者平台和企业软件。

最近，David 曾担任 GitLab 的首席产品官，在那里他领导全球产品组织，交付了一款全面、AI 本地的 DevSecOps 平台，拥有全球超过 5000 万注册用户。在他六年的任期内，他帮助 GitLab 从高增长初创公司转变为公开交易、行业定义的 DevOps 平台类别的领导者。

Anaconda 是一个领先的开源平台，用于数据科学、机器学习和人工智能，建立在 Python 编程语言之上，并被广泛应用于个人开发者和大型企业。最初于 2012 年推出，它提供了一个全面的环境，包括用于编码、包管理（通过 Conda）和访问成千上万个预构建库（如 NumPy、pandas 和 TensorFlow）的工具，允许用户高效地开发、测试和部署 AI 模型。

随着时间的推移，Anaconda 已经演变成一个全面的企业 AI 平台，帮助组织管理整个 AI 生命周期，从开源包的获取和保护到构建、治理和跨云和本地环境部署应用程序。拥有数千万用户和在大部分《财富》500 强公司中的采用率，它已经成为现代 AI 开发的基础层，强调开源创新、可扩展性和安全、可复现的工作流程。

您在 GitLab 度过了近六年的时间，其中三年多担任首席产品官，帮助将 AI 本地 DevSecOps 平台扩展到数千万用户。这种经历如何塑造您现在作为 Anaconda 首席执行官的优先事项，您认为领导公司与领导产品有什么根本区别？

我在 GitLab 的时间真正强化了几个原则，这些原则现在是如何我处理 Anaconda 的核心。首先是负责任的增长——以可持续的方式扩展团队、产品和收入。在 GitLab，我们扩展到服务数千万用户，看到 GitLab 最终版占公司收入的半壁江山，证明了产品价值与长期业务影响的对齐至关重要。

第二是结果和效率优先于流程和结构的思维方式。可以发布一些足够好的东西，展示方向，以启动客户反馈的飞轮。快速交付真正的价值至关重要，但您仍需要考虑如何扩展。这与第三个支柱紧密相关：客户痴迷和真正满足用户的需求。我一生都在构建开发者和安全工具，作为一名前开发者，我知道良好的（或糟糕的）工具对生产力和满意度的影响有多大。

最后是有目的的透明度。这个 Anaconda 的核心价值使所有相关方能够参与和合作，使公司及其产品变得更好。我期待进一步建立这一价值，以确保我们为社区提供他们成功所需的东西。

作为首席执行官，您负责整个系统——战略、文化、运营和结果。我仍然与产品密切相关，但我正在以更广泛和更长期的视角思考。我必须确保公司正在负责任地增长、支持其员工，并在业务的每个方面为客户交付价值。这些是我在这里继续建立的原则。

是什么个人动机让您成为 Anaconda 的首席执行官，您又如何确信这是建立下一章企业 AI 的合适平台？

我告诉每个人，有四个原因让我兴奋地加入 Anaconda 担任首席执行官。首先，技术。作为一名开发者，我已经熟悉并使用 Anaconda 很长时间了。我知道它有多强大，可能会变得多强大。该平台已经能够实现这么多，并且团队打下的基础将给我们机会来塑造下一个 AI 本地时代的未来！

第二，社区。我深信开源社区的力量。很少有公司拥有像 Anaconda 这样广泛和参与度高的社区。

第三，人员。很少能找到如此高水平的领导层。管理团队是非凡的，他们的热情是真诚的。我们正在使用开源和 AI 构建未来，每个人都真正兴奋于成为如此有意义和影响力的东西的一部分。

最后，机会。这最终让我做出了决定。Anaconda 位于使 AI 更加便捷的中心，帮助企业在大规模上构建、保护、部署和监控 AI。当您将世界级的技术、充满活力的社区和这样的团队结合起来时，您将获得一个罕见的机会来塑造 AI 和数据科学的构建和使用方式。这就是吸引我的东西。

开源驱动了大多数现代 AI 开发，但许多企业仍然难以在大规模上信任它。您为什么认为开源仍然是 AI 最强大的基础，您认为它在哪里最被误解？

有一种常见的误解，即最安全的代码是隐藏的代码，只有少数人可以看到它。这就像鸵鸟把头埋在沙子里来隐藏自己。开源软件与之相反。开源是透明的，欢迎每个人贡献，并为世界各地的组织提供了更高的眼睛来确保代码是安全的并按预期运行。

我们没有看到任何技术像 AI 这样快速成熟。为了使 AI 继续加速，您需要现代代码，它可以尽可能快地移动。开源可以做到这一点，这就是为什么它是现代 AI 开发的基础。

在 Anaconda，我们坚持这一点。我们的核心能力和 Python 生态系统是开源的，因为这是团队开始创新和快速发展的最佳方式。在此基础上，我们添加了企业级功能，提供组织在大规模上使用开源所需的治理、安全性和可靠性。

企业中的 AI 失败率仍然很高，尤其是在生成 AI 试点中。从您的角度来看，核心原因是什么这些计划停滞不前，基础设施选择如何决定长期成功？

许多组织已经运行了试点项目。有些拥有坚实的概念验证项目，其他一些拥有真正节省团队时间的内部构建工具。但是，很少有组织将 AI 转移到真正的生产中，遍布整个业务。有一个很大的差距——“我们正在尝试”和“这就是我们现在的工作方式”。大多数公司都卡在这个差距中——这并不是因为技术不起作用。

演示几乎总是看起来很好，但问题出现在您尝试在企业规模上复制演示时。突然，您面临着数据治理问题、安全问题、可靠性问题和基本的信任问题：这个应用程序是否能可靠地运行并保护我们的数据？这些问题不会出现在演示中，因此成为公司的余事。

AI 成功的障碍不是能力，而是基础设施和流程成熟度。领先的组织是那些选择投资现代基础的组织，在那里信任和速度共存，内置安全性和治理加速而不是阻碍。碎片化的工具链和环境迫使您在两者之间做出选择，但现代的、统一的基础设施和现代的 AI 流程让您可以同时拥有两者。今天，消除瓶颈就是您的竞争优势。这不仅仅是一种技术雄心壮志；这是一个商业迫切需要，在当今的市场中竞争和生存。成功将会增加那些投资安全性和治理的基础的组织。

您曾领导过网络安全、产品和开发者平台团队。您如何将安全优先的思维方式带入 Anaconda 的依赖管理、环境可复制性和供应链风险战略中？

我的安全之旅始于医疗保健领域，我亲眼目睹了当时所谓的“安全”。我完全沉浸在安全中，它成为我的热情。随着 AI 工作负载、模型、代理和集成变得更加复杂，安全风险被放大得比治理可以跟上的速度更快。即使安全风险得到管理，环境本身也会成为障碍。

AI 的安全性和合规性具有挑战性，特别是在开发和生产中获得真正的风险可见性。我们专注于此。我们正在环境管理中构建更深层次的安全功能，在 Python 生态系统以外的 AI 包装围添加更多的治理，并通过安全扫描模型的姿势来帮助降低 AI 模型的风险。目标很简单：帮助组织在保持所需的可见性、隐私和弹性以在大规模上信任 AI 的同时更快地推动 AI。

人们越来越怀疑 AI 的 ROI，同时也在实验和氛围编码中激增。您如何区分富有成效的实验和真正交付可衡量价值的企业级 AI 系统？

今年可能是 AI 的 ROI 首次被很好地衡量。行业中的每个人都将“效率”视为节省的时间，但这并不是最好的顶级 KPI。花时间创建定制的 KPI，与他们最重要的内容直接相关的组织将会有更好的结果。这可以是为您的开发团队节省的代码审查时间，或为您的市场团队的潜在客户生成质量。时间本身和测量令牌消耗并不直接表明效率。

Anaconda 位于 Python 基础 AI 开发的中心。您如何看待 Python 环境在组织从实验到完全治理的生产级 AI 系统的演变中发挥的作用？

Python 是 AI 的首选语言，虽然我不期望这种情况很快就会改变，但语言的流行度始终会有起伏。组织需要能够演进和本地解决潜在性能和可扩展性问题的工具，使 AI 代理能够成功地创建企业级应用程序和服务。我预计组织将开始投资于通用构建块，以加速 AI 价值和采用。这将使他们能够最好地应对驱动 AI 基础设施层的编码语言不断演变的词汇表。

您过去曾与监管行业和安全意识强的企业密切合作。企业级 AI 治理在实践中是什么样子，超越政策文件和合规检查清单？

企业 AI 和 AI 本地应用程序与传统软件开发完全不同。当您将 AI 视为传统开发时，您最终会得到破碎的安全性和治理，这将阻碍创新。企业 AI 需要 AI 本地开发的最佳实践，其中 AI 模型是驱动版本控制的主要组件，其他一切都是次要的。

AI 治理是成功扩展和停滞不前的区别。企业级 AI 治理是当负责的 AI 本地原则转化为可执行的平台控制、明确的责任和所有 AI 组件的连续跟踪和血统时发生的。这超出了在 DevOps 实践中起作用的政策和清单。

随着 Anaconda 的最近资金和企业推动，您的近期增长优先事项是什么，您将在接下来的 12 到 18 个月内最积极地投资哪里？

我们的目标很明确：Anaconda 将成为企业首选的 AI 本地开发平台，用于构建、保护和部署 AI 本地应用程序和服务。我们的客户不断演变以满足他们的需求，我们也随之演变。这就是为什么我们不再只是一个数据科学工具包，而是一个用于企业 AI 的全面平台。每项投资，无论是产品、合作伙伴关系还是并购，都将根据一个问题来评估：”这是否使我们更接近成为企业在新的 AI 本地世界中成功所需的平台？“ 我们是一家以客户为中心的公司，我们所做的一切都是为我们的客户。

作为曾帮助扩展公开交易开发者平台的人，您从建设实践者到为 CTO、CIO 和首席 AI 官员服务的经验中学到了什么？

成功总是回到客户身上，并支持他们试图实现的结果。听起来很简单，但很容易让团队陷入内部指标（项目投入的时间、是否达到预定义的目标），而不是问一个更重要的问题：这真的让我们的客户更成功吗？领导者可能会说需要一个全新的产品，但实际上可能只是改进现有的产品（例如，使产品更用户友好），然后您就会获得所需的结果。如果客户满意和成功，那么我们都会满意和成功。

感谢这次精彩的采访，希望了解更多的读者可以访问 Anaconda。