Connect with us

Unite.AI

访谈

2026年6月10日 2026年6月10日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

LawVu联合创始人兼首席执行官萨姆·基德 – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
萨姆·基德，LawVu的首席执行官和联合创始人，是一位经验丰富的科技企业家，他的职业生涯跨越了SaaS、法律科技、金融科技、网络安全和数字产品开发。自2015年联合创立LawVu以来，他领导了公司的发展，成为一个全球性的法律运营平台，供内部法律团队使用，以管理合同、事项、法律支出和工作流程，从而实现单一系统的管理。加入LawVu之前，基德曾在Teamwork.com担任产品传播者，帮助推动世界领先的项目管理平台的采用。在他的早期职业生涯中，他创立并领导了多家公司，包括安全软件公司Zingtech，他在那里帮助开发了针对银行和在线服务的欺诈预防和身份验证技术，以及数字化团队，一家网络应用开发公司。他的创业背景还包括视频制作、在线游戏和会计技术方面的业务，这使他在多个行业中积累了丰富的软件公司建设和扩张经验。LawVu是一款法律运营平台，旨在帮助内部法律团队集中和管理其法律工作，从而实现单一系统的管理。该平台将事项管理、合同生命周期管理、法律支出跟踪、文档管理、工作流程和报告等功能整合在一个统一的工作空间中。通过取代零散的工具、电子表格和基于电子邮件的流程，LawVu使法律部门能够更有效地与整个业务进行合作，同时提高了对法律运营的可见性。该平台与广泛使用的企业应用程序集成，旨在帮助组织简化法律工作流程、提高效率、降低成本，并通过数据驱动的决策获得更深入的运营洞察。您在传统法律实践之外开始了您的职业生涯，从产品传播到科技业务，但后来创立了LawVu。您在法律团队运营中看到了什么样的差距，促使您为一个您最初不是其一部分的行业建立一个平台？不来自法律界可能是我拥有的最大优势。在创立LawVu之前，我在爱尔兰的一家项目管理软件公司工作了多年。当我出售了我在那家公司的股份时，这是我第一次发现自己处于法律过程的另一端。看到的景象令人惊讶，但不是以好的方式呈现的。整个过程缺乏可见性。电子邮件来来往往，文档散落在驱动器和收件箱中，很难清晰地了解发生了什么以及事情的进展如何。一开始，我以为这只是因为我不习惯与律师打交道。但是，当我开始与内部法律团队更广泛地交谈时，我不断听到同样的故事。法律团队正在做非常重要的工作，但这些工作却被困在断开的系统中。几乎没有可见性、结构或与法律部门轻松互动的方式。那时我意识到这不是一个孤立的问题，而是一个行业范围的问题。局外人的视角很重要。一个在这些流程中度过了整个职业生涯的律师经常学会了如何在这些流程中工作。但我没有。我没有接受这样一个观点，即这就是法律运营的方式。相反，我不断地问为什么。为什么法律工作不能像其他关键的商业功能一样被管理？为什么如此多的知识被锁定？为什么很难了解法律团队正在做什么以及他们创造的价值？这些问题最终成为LawVu的基础。LawVu将收集和事项管理、合同生命周期管理以及支出跟踪整合到一个系统中。对于今天的企业环境来说，拥有法律运营的单一真实来源有多重要？LawVu就是建立在拥有单一真实来源的重要性的基础上。目前，大多数法律团队都在处理单独的系统，用于收集、事项、合同、支出和文档。当一切都存储在不同的地方时，您就无法获得清晰的图景。人工智能只有在统一的系统中运行时才会有效，否则它将缺乏上下文，输出结果也会受到影响。但是，当人工智能在具有法律功能全貌的统一系统中运行时，您将获得普通工具无法提供的东西。这也会带来真正的速度差异。当一切都相互连接时，团队不必花费一半的时间来跟踪分散在不同的工具和收件箱中的信息；他们实际上可以利用这些信息来做出决定。治理也变得可能，尤其是在数据分散时，这对于合规、审计以及越来越多地了解人工智能在法律功能中实际上做了什么至关重要。LawVu扩展了其人工智能能力，包括合同分析和起草。在法律工作流程中，您认为人工智能将产生最直接的影响，以及哪里仍然被高估？人工智能最直接的影响是对高容量、重复性的工作的影响，例如合同审查、子句提取、初步摘要和跨大型文档集快速查找信息。然后是起草。通过LawVu Draft，我们将智能起草直接集成到平台中。它利用您的先例、最佳子句、游乐书等，所有这些都是您的团队多年来积累的机构知识。对于标准的高容量合同，人工智能辅助起草已经显著减少了周转时间。人工智能处理生产工作，但它是由您的团队已经应用的判断力驱动的。更细致、更高风险的工作仍然需要律师介入，这是律师应该花费时间的地方。人工智能的炒作超过了现实的程度是任何与判断而非流程相关的事情。法律本质上是一种判断职业，对于内部律师来说，这种判断是基于对公司目标和计划的广泛了解。人工智能在模式识别方面非常出色，但内部律师赚取报酬的地方并不是由人工智能单独解决的。随着您最近的收购专注于人工智能驱动的合同能力，您认为合同智能将如何在未来几年内改变组织管理风险和合规的方式？收购更多地是关于将合同智能融入工作流程，而不是一个单独的工具。目前，大多数组织通过让律师手动阅读合同并标记问题来管理合同风险。这个过程无法扩大，因为它很慢，会留下空白。当人工智能可以在整个合同组合中持续提供风险信号时，您可以开始更早地发现问题。做对这一点的组织将开始将其合同数据视为战略资产，而不是法律档案。谁是我们签约的对象？我们在哪些管辖区有哪些义务？我们在哪里暴露？这些情报一直存在，但它们生活在太耗时的合同中，无法系统地阅读。现在，通过人工智能，您可以利用它们为自己谋利。许多企业都在努力应对法律瓶颈，导致商业决策变慢。更好的法律基础设施如何加速公司范围内的执行，而不是成为一个限制因素？企业在法律方面犯下的最大错误是将其视为最后一步。某事物被决定，一个交易被结构化，一个产品被构建，然后它被发送给法律部门进行批准。但到那时，法律部门已经无法提供帮助了。他们只能减慢速度或说不。那些已经解决了这个问题的团队将法律部门纳入决策过程的开始阶段，就像他们会涉及财务或运营一样。当法律部门知道即将发生的事情时，他们可以帮助塑造决策，而不是只是对已经做出的决定做出反应。更好的基础设施使这成为可能。当收集有结构时，当工作可见时，当正确的模板可用时，业务可以自行服务于简单的请求时，法律部门有带宽参与其中，而不是只是处理输出。一位客户最近告诉我，他们从需要等待的东西变成了业务真正想要参与的东西。而这并不是来自于雇用更多的律师。这来自于建立一个让法律部门能够像业务的真正组成部分一样运作的系统，而不是业务末端的门槛。您已将LawVu扩展到服务全球组织，跨越数十个国家。构建一个可在不同法律体系、文化和监管环境中工作的产品的最大挑战是什么？我们学到的最重要的一课是，虽然世界各地的法律团队面临着许多相同的挑战，但他们的运作方式可能会有很大差异。美国、英国、德国、澳大利亚或日本的法律团队可能都在管理合同、请求、事项、法律支出，但他们的流程、监管要求，甚至对技术的期望可能会有很大差异。早期，我们意识到我们不能建立一个假设只有一个“正确”方式让法律团队工作的平台。这就是为什么我们构建了LawVu，使其核心高度可配置，而不是关于流程的意见。该平台需要适应每个法律团队的运作方式，同时仍然保持直观和易用性。这听起来很简单，但这是一个很难做对的平衡，这也是许多企业软件挣扎的地方。另一个挑战是确保我们可以为客户提供相同的服务水平，无论他们位于哪里。我们不认为我们的产品只是软件。它是技术、专业知识和支持的结合，这些因素推动了成功。我们的全球支持团队全天候运作，平均在30秒内响应客户问题。这对于法律团队来说至关重要，因为他们经常在处理时间敏感的事务，并需要在需要时获得帮助的信心。最终，我们的方法是构建一个灵活的平台，可以适应本地差异，同时为每个客户提供一致的体验和服务标准，无论他们在世界的哪个地方。在LawVu之前，您参与了会计技术和互联网平台公司的建设。这些经历如何塑造您在法律运营中构建SaaS产品的方法？我在LawVu之前的经历教会了我，伟大的软件不仅仅是关于技术，而是关于解决人们深切关心的问题。在SaaS早期工作教会了我简单性、用户采用和创建客户真正喜欢使用的产品的重要性。当我进入法律领域时，我带来了这些教训。我没有把法律技术看作是一堆专用工具，而是看作一个机会，去建立一个平台，使法律工作更加可见、相互连接和易于管理。也许最重要的是，这些经历教会了我始终专注于客户。最好的SaaS公司之所以获胜，是因为他们异常出色地解决了真正的问题，这是一个自LawVu成立以来就指导我们的原则。展望未来，您是否相信法律操作系统将成为企业技术栈中的核心层，类似于CRM或ERP系统，未来会是什么样子？二十年前，大多数公司都在电子表格中管理客户关系，并认为这是可以接受的。这种转变发生在领导层意识到这在规模上不可持续，并且电子表格中的数据实际上是战略性的。法律现在正处于同样的转折点，在很多组织中，它已经发生了。每家公司都有合同、法律义务和合规要求。当CFO或CEO询问业务有多少活跃合同、外部法律支出总额或监管暴露情况时，如果答案是“我们需要去找”，那么您就有一个系统问题，无法通过法律人才来解决它。我们正在建设的未来，将法律操作系统置于CRM和ERP旁边，作为业务运营的核心部分，连接销售工作流程、财务和产品。现在投资于这一基础的组织将拥有更好的数据、更快的决策和降低风险的复合优势。感谢这次精彩的采访，希望了解更多的读者可以访问LawVu。
2026年6月10日 2026年6月10日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

邁朗·伯克，Sensormatic Solutions 解決方案管理負責人 – 專訪系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
邁朗·伯克，Sensormatic Solutions 全球產品和解決方案負責人，負責找尋和實施新的創新加速方法，增加速度，為客戶提供更大的價值，透過戰略性的解決方案路線圖。邁朗是一位具有25年以上零售業經驗的領導者，曾在沃爾瑪和山姆會員店工作，為大規模創新提供支持。最近，邁朗創立了 Divergent Technology Advisors，一家零售技術顧問公司，為主要零售商、技術提供商和初創公司提供技術戰略、上市規劃、國際市場擴張等服務。Sensormatic Solutions，約翰遜控制公司的領先全球零售解決方案組合，提供安全、保安和無縫的零售體驗。60多年來，該品牌一直處於行業快速發展的技術領域的前沿，重新定義了全球零售運營，將洞察轉化為行動。Sensormatic Solutions 提供了一個連接的生態系統，包括損失預防、庫存智能和流量洞察解決方案，以及服務和合作夥伴，讓全球零售商能夠以精確度創新和提升，連接數據驅動的結果，塑造零售的未來。您已經在零售運營和新興技術的交叉點上工作了25年以上，從領導沃爾瑪和山姆會員店的RFID戰略和店鋪創新，到在Store No. 8孵化下一代概念，現在是Sensormatic Solutions的全球產品和解決方案負責人。這些經驗如何塑造您對於在實體零售環境中部署AI和感測技術的哲學?我採取了一種非常實用的方法來實施AI，並鼓勵我的團隊和Sensormatic Solutions的零售客戶也這樣做。我的經驗證明，透過這種方式來建設是成功轉型的關鍵。Sensormatic Solutions已經運行了60年，基於一個非常簡單的信念：技術只有在運營效率和現實世界的零售商挑戰在中心時才會成功。這似乎是很明顯的，尤其是對於那些接近新興工具的人，但這個基本原則在AI的炒作中被遺忘了。在解決方案開發和客戶採用中，保持快速和跟上市場的壓力很高，但建設填補空白的工具比嘗試將AI功能納入每個產品更有影響力。我們專注於找到簡化收集、融合、分析和行動的場所，以驅動可衡量的改善。這種關注也延伸到AI將使用的數據集——針對性、受控和清潔的數據集是提供持續AI價值的關鍵，特別是在不同的客戶之間。我們也要記住，這對於所有可能的用戶都是正確的：企業決策者、購物者和協助者。每當我們推出新的解決方案或更新時，我們都會問自己是否為這三個利益相關者提供了同等的價值，因為每個群體對零售成功都是不可或缺的。這種內部的精神自然轉化為幫助零售商採用類似的立場，提供支持有意義的改善的工具，透過實用的、量身定制的系統設計。AI的部署不是一刀切，與我們為客戶建立的程序也不是一刀切的。Sensormatic Solutions越來越多地將AI和ML先進分析作為現代零售運營智慧的核心啟動器。AI如何重新定義“損失預防”的含義在全渠道世界?最簡單的答案是可見性和速度。AI幫助真正揭開了縮水和提供了對整個零售損失的完整視圖。事實上，您只能注意到您可以看到的損失，对吧？在行業的大部分歷史中，對損失的可見性只不過是最基本的，表面層面的，程序只關注應該可供出售但沒有的商品。您可能有一些想法，知道某個商品是否被盜竊、在運輸中損壞或在貨架上損壞，但追蹤這些東西的規模是困難的，如果不是不可能的。連接的分析和感測系統擴大了零售商可以看到、追蹤和量化的東西。想想一下，強調了3％的錯誤，這些錯誤隱藏在今天生成的大量數據中。這些感測系統解鎖了損失的什麼、哪里、何時和誰，哪些東西本身就會引發對縮水和轉變為“整個零售損失”的理解的轉變。這個擴大的範圍允許零售商看到另一層運營和一系列新的潛在損失驅動因素，與過程偏差和差距相關，以及浪費的時間、資源和努力。當所有這些都被識別和標記後，您就可以將其轉化。這就是AI的用途。它連接這些新“點”，通常是在實時中，來表現出一個完全不同的數據層。預測、非常準確的智慧和建模可以幫助量化上游浪費的影響，權衡可能的調整的相對價值，並說明不採取行動的成本。有效地，它使零售商從反應式轉變為主動式，幫助他們重新定義損失為改善的機會。使用Re-ID和AI驅動的足流量分析等技術，零售商現在可以超越簡單的人數統計，深入了解購物者行為和運營洞察。您看到哪些最具變革性的用例從這種轉變中出現?Re-ID對我來說是一個強大的例子，展示了小的、針對性的調整可以對運營理解產生巨大的影響。Re-ID真正做了一件事：改進流量衡量。當然，要使技術能夠準確地分離獨特的購物者、重新進入、員工和其他類別的訪客是複雜的，但結果是一個非常簡單的更改，對於數據集有顯著的改善。流量數據繼續支撐著行業中廣泛的指標，轉換率可能是最值得注意的例子。只需修剪記錄以反映更準確的個人訪客數量，就可以顯著地改變解釋，從而使零售商能夠改進員工配置、店鋪佈局、信息和其他無數的做法，以幫助提高客戶體驗和財務成果。這是早些時候我們討論的精神的體現，這是Sensormatic Solutions過去60年來成功的核心。我們使用AI來進行針對性、高價值的調整，以造福所有相關方。Sensormatic Solutions最近推出了Orbit AI和Video AI作為其Store Guest Behaviors功能的一部分。這個解決方案為零售商解決了哪個戰略空白，並且它如何與其他零售智慧平台有所不同?我們在每個新解決方案中都關注一個特定的挑戰。對於Orbit AI和Video AI，我們關注的是將“信號”與“噪音”區分開來，為零售商提供可靠、具體和語境化的數據，以消除決策中的猜測。Re-ID的創新物體識別技術使Orbit AI和Video AI能夠幫助零售商：了解店鋪內的逗留時間模式。...
2026年6月9日 2026年6月9日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

余苏，NeoCognition联合创始人兼CEO – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
余苏，NeoCognition联合创始人兼CEO，是一位长期从事人工智能研究的专家，他的职业生涯跨越学术界、企业人工智能和高级代理系统。在领导NeoCognition的同时，他还担任俄亥俄州立大学的副教授和创新学者，他的工作重点是人工智能代理、推理系统和机器学习。他还曾在微软担任高级研究员超过六年，在那里他与包括Percy Liang在内的领先研究人员合作，使用语义解析技术开发Outlook的对话式人工智能系统。在微软、学术界和研究机构（如IBM T.J. Watson Research Center）等多个角色中，余苏建立了推进能够推理、学习和与复杂数字环境交互的AI系统的声誉，帮助弥合了尖端研究和实际应用之间的差距。NeoCognition是一家专注于开发“专用智能”的AI代理研究公司——能够通过经验持续学习和改进的AI系统。由领先的AI研究人员创立，该公司旨在超越静态的大型语言模型，开发能够在特定领域发展深入专业知识的代理。其研究重点包括持续学习、推理、规划、工具使用和多代理协作，目标是创建能够随时间变得更加有能力和可靠的AI系统。通过将机器学习的进步与结构化推理和自适应学习技术相结合，NeoCognition旨在帮助塑造下一代能够处理日益复杂的实际任务的AI代理。许多公司急于发布通用AI副驾驶，但我们越来越多地听到人们对这些系统在实际生产环境中可靠性的担忧。您为什么认为当前的AI代理在实际环境中会遇到困难?大多数当前的AI代理在生产中遇到困难，因为它们仍然是基本的通用代理，缺乏对其工作环境的深刻理解。它们可以在演示中完成一次任务，但这与在实际操作系统中发展可重复的判断力是不同的。今天的模型是令人印象深刻的模式匹配器，但它们仍然缺乏人类成为可靠专家的机制。人类不通过记忆孤立的任务来变得可靠。我们通过学习特定世界的结构来专攻：定义一个职业或组织的工作流程、约束、关系、工具、优先级和后果。随着时间的推移，我们建立了对该环境的内部工作模型，这个模型使得良好的决策变得一致和可重复。大多数AI代理今天没有建立这种运营理解。它们严重依赖提示、检索或编排层来帮助它们完成孤立的操作，但它们仍然在每次遇到新情况时即兴发挥。这就是为什么一旦环境改变，尤其是在环境变得混乱、动态或高风险时，性能往往会恶化的原因。缺失的部分是专攻。人类在能够适应不断变化的环境并通过持续学习在其中成为专家方面表现出色。我们认为AI代理需要类似的能力：在特定领域深入学习当地结构，以便在其中运作具有真正的熟练程度。NeoCognition将其愿景描述为建立能够像人类一样持续学习和适应的代理。与许多企业今天依赖的静态微调或检索式方法相比，这在技术上看起来是什么样的?大多数企业AI系统今天通过微调模型或在推理时检索相关信息来提高性能。这些方法可能有用，但它们并不能从根本上使代理在特定领域发展出不断演进的专业知识。微调通常是在训练后静态的。检索系统有助于提供信息，但检索知识与发展领域专业知识或根据时间经验适应行为是不同的。在许多情况下，代理仍然缺乏对其操作环境的持续模型。当一个人加入一家公司时，他们不仅仅因为可以搜索文档而变得有效。他们逐渐通过了解组织的实际运作方式来发展判断力，专业知识从不断完善内部模型中产生。我们认为下一代代理需要类似的学习机制。在NeoCognition，我们专注于使代理能够形成这些不断演进的运营模型，以便它们可以在特定领域内持续专攻和改进，而不是反复从头开始或依赖于持续的人类重新工程。似乎在AI实验和运营信任之间存在日益增长的差距。企业可能在内部成功原型化代理，但在规模上部署它们是一个完全不同的挑战。组织在这个转变中低估了什么?许多组织低估了实际运营环境的动态性。具有85%准确率的代理在测试中可能看起来很强大，但在企业规模上，这仍然意味着一连串的错误和恢复情况需要人类团队来管理。挑战变得更加显著，在多步骤工作流中，故障在系统和任务中累积，使监督、干预和问责变得比许多组织最初预期的更加困难。企业仍然将部署视为编排或提示问题，而实际上这是一个学习问题。困难的部分不仅仅是让代理执行任务，而是使系统在动态运营环境中发展持久的能力和判断力。自定义、提示、监督和重新工程的负担仍然主要由人类团队承担。这通常是系统仍然缺乏运营理解的迹象；它们每次都被手动引导。这不是通往规模或信任的道路。AI行业中出现的一个主要主题是治理、防护栏和政策执行。然而，NeoCognition认为治理本身是不够的。为什么您认为可靠性最终需要能够持续适应其环境的系统，而不是仅仅遵循静态规则?治理和防护栏非常重要，但静态规则本身无法完全解决复杂环境中的可靠性问题。生产级运营系统不断变化。工作流程演变，工具更新，政策转变，意外情况出现，无法始终预先预测。如果代理只知道遵循预定义的规则，而不理解其操作环境，它最终会遇到这些规则没有预见的情况。人类的可靠性来自判断力，而不是仅仅遵循脚本，而是因为我们通过了解周围世界的结构和约束来发展判断力。我们学习何时升级，何时某事物看起来异常，何时上下文改变了正确的行动方案。我们认为AI代理需要类似的适应和环境理解能力。更安全的系统将来自使它们在明确定义的运营世界中变得更加有能力和专门化。这种系统观察其自身环境和自身输出，跟踪其失败并更新其行为。AI行业经常强调更大的模型和更广泛的能力，但NeoCognition似乎专注于专攻和上下文学习。您是否认为企业AI代理的未来将更像高度专门的数字工作者，而不是通用助手?我们坚信未来将由专攻驱动。该行业自然专注于越来越普遍的模型，因为广泛的能力令人印象深刻。但在企业环境中，真正的挑战不是代理是否可以做一点点所有事情，而是它是否可以在特定角色中可靠地发挥作用并表现出良好的判断力。我们的优势不在于我们天生就是每个环境的专家，而在于我们可以深入地学习特定世界的结构，以便在其中有效地运作。在NeoCognition，我们相信未来不会是一个可以做所有事情的超级代理，而是一大批专门的代理，每个代理都能深入地学习特定世界，以便在其中运作具有专家级的熟练程度、判断力和可靠性。它们的目的是不替代人类的专业知识，而是使其更加丰富：将最先进的能力放入更多人的手中，提高任何人或组织可以做的事情的基准。关于自主代理的一个最大担忧是，当环境发生意外变化时，它们会如何表现。环境意识和适应能力在防止故障、幻觉或不安全行为方面有多重要?这是绝对至关重要的。没有环境意识，代理可能会继续自信地行动，即使它们对情况的理解已经过时或不完整。这就是运营故障经常出现的地方。我们认为可靠性需要代理持续学习其操作环境的局部结构，并随着时间的推移更新其理解。可靠性会随着时间的推移而变化和演变：九月份看起来可靠的东西可能在五月份看起来不一样。代理对其周围的系统、约束、工作流程和关系的理解越深，它就越能够识别出条件何时发生变化或不确定性何时需要升级。您认为行业距离部署能够通过与实际运营环境的持续交互真正改进自身的AI系统有多远?我们仍处于建设能够实现可靠持续学习和自我改进的基本学习机制的早期阶段，但行业距离这一转变比许多人意识到的要近。我们生活在一个压缩的时间轴中。下一次技术突破的成分已经准备就绪。它可能很快就会发生。重要的不是抽象的自我改进，而是特定环境中的结构化专攻。这意味着以稳定、可管理和对灾难性遗忘具有抵抗力的方式学习工作流程、约束、关系和成功行为模式。这是我们在NeoCognition关注的问题。展望未来几年，您认为什么最终将可靠的企业AI代理与当前市场上实验系统的浪潮区分开来?成功的系统将是那些看起来不像玩具场景，而更像可靠的操作员的系统。原始模型能力本身将不够。企业最终将关心代理是否可以在其实际环境中一致地运作，是否理解本地工作流程和约束，是否尊重边界和权限，是否可以安全地适应并随着时间的推移提供可重复的结果。企业AI的未来赢家不会仅仅是能够回答最广泛问题的系统。它们将是能够在特定运营世界中深入学习以便在其中运作具有真正的熟练程度、判断力和可靠性的系统。感谢这次精彩的采访，希望了解更多的读者可以访问NeoCognition。
2026年6月9日 2026年6月9日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

毛尔·法里德，Leo AI 的创始人和 CEO – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
毛尔·法里德博士，Leo AI 的创始人和 CEO，是一位以色列-美国工程师，人工智能研究员，社会活动家和企业家。他曾在麻省理工学院作为富布赖特博士后研究员进行人工智能和机械工程研究，并成为以色列理工大学历史上最年轻的博士毕业生。他建立了一个由 60,000 多名工程师组成的社区，并通过非营利倡议支持弱势青年。Leo AI 是第一个机械工程的人工智能平台 – 一个用于物理产品设计的大型机械模型，能够让团队在几秒钟内将想法转化为生产就绪的 3D 模型。该平台帮助公司将工程时间减少 70%，并将上市时间加快 18%。成立于 2023 年的 Leo AI 已被包括丰田、惠普、Mobileye（英特尔）、飞利浦和斯堪尼亚在内的全球公司的工程师使用。在种子轮（由 Flint Capital 领投）仅几个月后，其 ARR 增长了 300%。您在机械工程、非线性动力学、人工智能研究、麻省理工学院和以色列理工大学等领域拥有背景，之后创立了 Leo...
2026年6月5日 2026年6月5日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

杜格·塔尔马吉，Gradial联合创始人兼CEO – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
Doug Tallmadge，Gradial联合创始人兼CEO，是一位技术企业家和工程领导者，拥有跨越航空航天、卫星通信、金融和企业AI等领域的职业生涯。在2023年创立Gradial之前，他在SpaceX工作了近五年，期间他帮助将Starlink网络从早期阶段扩展到拥有超过50万客户，并领导了支持从零到超过50万客户增长的网络分析。他还参与了Starlink的直接对手机卫星计划和早期卫星电源系统。在他的早期职业生涯中，Tallmadge曾在洛克希德·马丁和桥水基金等公司担任过职务，结合了深厚的技术专业知识和大型系统及商业运营经验。Gradial是一家企业AI公司，专注于所谓的代理营销运营，帮助大型组织自动化位于创意策略和活动执行之间的运营工作。与仅仅关注AI生成内容不同，Gradial的平台在Adobe Experience Manager、Salesforce、Jira、内容管理平台、数字资产管理工具和营销工作流等系统中编排AI代理。该平台可以创作、优化、标记、质量检查和部署营销资产，同时执行治理、合规、可访问性和品牌标准。通过创建一个连接企业系统的共享组织知识层，Gradial旨在减少大型营销团队常常遇到的手动协调，允许组织更快地启动活动、扩大个性化内容生产，并以更高的效率管理日益复杂的数字体验。您曾在SpaceX帮助将Starlink从零扩展到数十万用户，并在创立Gradial之前曾在复杂的网络系统中工作。是什么时候您意识到企业营销基础设施存在类似的系统性低效率，这个洞察如何导致Gradial的创立？在我之前的职位上，我亲眼目睹了大型组织中如何因摩擦而导致效率低下，即使是最小的低效率也会减慢后续的每个过程。营销是这些瓶颈对我产生最负面影响的地方。团队花费大量时间在导航平台、上传资产、管理审批和协调交接。战略思考和创意方向被执行层层覆盖。这是人工智能的完美用例，但让我印象深刻的是行业的关注点在哪里。大多数平台都在使用人工智能来生成内容，但当我与大型组织的营销人员交谈时，缺乏内容并不是问题。他们可以轻松地生成内容。他们无法做到的是快速发布它。从想法到活动上线需要几天、几周，有时甚至几个月。大多数人工智能投资都集中在内容创作上，而实际将内容发布出去的更难的问题却被完全忽略了。我们围绕这个差距构建了Gradial：部署处理从草稿和审批到发布、品牌合规和性能优化等一切的代理，因此营销人员可以专注于需要人工判断的工作。您认为传统的“记录系统”已经有效地成为技术债务。什么具体问题会在企业营销堆栈中出现，当公司试图采用人工智能时？记录系统、内容管理系统、项目管理工具、审批工作流和资产库都是为了组织信息而设计的，而不是为了快速移动。当公司将人工智能添加到这些现有系统时，事情很快就会出错。工具不知道它所服务的业务、品牌声音、合规要求或审批流程。因此，营销人员最终会审查每个输出并纠正由于缺乏上下文而导致的错误。对于已经在多个渠道上管理数千个内容的组织来说，添加人工智能成为另一个复杂的流程需要管理。大多数人工智能在营销中的对话都集中在内容生成上。您为什么认为真正的机会在于执行，而不是内容生成？这种转变在实践中是什么样的？营销人员并不苦于产生想法。他们苦于将内容通过审查周期、维护一致的品牌声音、跨多个工具工作以及为不同受众优化内容。还有一种结构性的变化正在发生，关于品牌如何被发现。谷歌搜索在过去一年中下降了近20%，这意味着品牌不能仅仅依赖SEO。他们需要出现在人工智能搜索结果中，这需要发布人工智能模型可以轻松解释、引用和显示的内容。问题是这些模型不断变化它们提取的内容。今天出现在答案中的品牌明天可能会悄悄消失。到营销人员确定差距、更新内容并清除审批时，模型已经移动了。内容生成本身并不能解决这个问题。即使您更快地生成内容，您仍然可能陷入相同的审批队列中，内容可能不适合人工智能可见性。 Gradial连接到营销人员已经使用的工具，并处理通常减慢工作流程的工作，例如内容修订、品牌合规检查和跨平台发布。结果是活动可以在几小时内启动，而不是几周，内容是准确的、符合品牌标准的，并且在受众实际寻找的地方可见。 Gradial通常被描述为一个代理平台。您能否详细解释一下人工智能代理在Fortune 500营销工作流中每天实际做什么？最好的答案是我们从客户那里看到的。T-Mobile的一个活动需要跨多个团队协调、收集审批和等待生产队列，这些队列可能会延伸数周。使用Gradial，人工智能代理处理从创意简报到审查和发布的整个过程。以前需要营销人员手动跟进每一步，现在都自动完成了。结果是活动执行速度提高了90%。在AWS，每个新网页都需要简报、等待草稿、经过多轮修订和手动协调以发布。一个专门的代理使网页创建速度提高了20倍。在企业AI采用的最大挑战之一是信任。Gradial如何确保可靠性和治理，当AI代理在系统中做出执行级别的决定时？信任是企业中的整个游戏，尤其是在金融和医疗保健领域，合规错误可能会产生真正的后果。每个Gradial部署都从为代理提供品牌声音、信息指南、合规要求、审批工作流和行业标准的上下文开始。人类参与的程度可以完全自定义。刚接触这一领域或在受监管环境中运营的团队可以要求在内容发布前对一切进行签署。每个代理采取的操作都记录在完整的审计日志中。我们发现，信任会自然建立，刚开始可能需要严格控制的团队会逐渐扩大代理的自主权，因为代理在实际工作中证明了自己。我们的目标从来不是在第一天就把一切交给代理，而是建立一个可以在证明自己能够处理工作后获得更多责任的东西。您的平台与现有工具集成，而不是直接取代它们。长期的愿景是增强当前的堆栈还是完全取代它？目前，我们的重点是满足团队的需求。大多数企业营销组织已经在特定工具（如Figma、Adobe和项目管理系统）上投入了多年，要求他们放弃这种基础设施是不现实的。Gradial连接到这些工作流程并处理减慢它们的执行工作。更长期的愿景更加雄心勃勃。许多企业营销的底层遗留软件都是为人工智能之前的世界而设计的，这一点很明显。仅用于存储和组织内容的系统将在代理可以同时持有相同的上下文并对其采取行动时看起来非常不同。我们认为内容存储和工作执行之间的区别最终将消失，我们正在朝着成为同时处理这两种情况的基础设施层的目标而努力。大型企业通常具有深度根深蒂固的工作流程和对变化的内部抵抗。实际上需要什么来成功地将AI本地系统部署到Fortune 500组织中？我们做的第一件事就是明确Gradial不会要求任何人改变他们的工作方式。这听起来很简单，但这是企业AI采用的最大障碍。大多数工具带来了新的系统、新界面和新的工作方式，之后他们会想知道为什么采用率六个月后就会停滞。我们首先映射团队实际的运作方式，然后配置Gradial以适应这种方式。采用率会坚持下去，当团队看到它在实际工作中快速发挥作用时。不是演示，不是经过净化的试点，而是他们的实际活动、实际内容和实际工作流程。一旦团队看到他们的发布时间从三周缩短到同一天，内部抵抗往往会自行解决。从技术角度来看，什么区别于典型的生成式人工智能层的执行引擎？生成式人工智能层会给你一个草稿，但执行引擎会将其发布。大多数营销人工智能工具都会在输出后停止，它们会写出副本或建议编辑，但当输出需要通过审批或发布到实时页面时，营销人员被留下来管理它。这种交接就是大多数时间实际花费的地方。执行引擎的不同之处在于，它嵌入在团队已经使用和理解的工具中，并且知道该特定业务如何运作。当营销人员要求代理执行某个操作时，它会将工作通过每个所需步骤移动，仅在需要人工干预时才会浮现决定。营销人员在不必介入每个步骤的情况下保持控制。许多公司正在尝试人工智能，但很少有公司看到有意义的投资回报率。您认为大多数组织今天在哪里做错了？最常见的错误是将人工智能视为生产力工具，而不是解决破损过程的方法。如果每个输出都需要大量编辑，或者需要手动复制到另一个系统，或者仍然需要五个审批才能上线，那么您并没有解决问题。看到真正回报的公司变得非常具体。他们确定工作在哪里停滞不前，并将人工智能部署到那个问题上，而不是广泛地或作为实验。他们有一个明确的了解，什么是之前的缓慢和之后的快速。这种精确性是区分真正的投资回报率和工具在演示中令人印象深刻但六个月后被遗忘的区别。当您做对了时，结果是有形的：使用Gradial的客户看到活动激活速度提高了8倍，在第一年运营成本节省了35％以上，并且每个内容的品牌和可访问性合规性达到100％。如果我们快进五年，一个完全以人工智能为本的营销组织会是什么样子，Gradial在这个未来中扮演什么角色？五年后，营销的运营层将是自治的。营销人员要求代理启动一个活动，它会在当天结束时上线，因为代理处理了中间的每一步。人工智能搜索中的品牌可见性会被自动监控和调整。合规性会在整个过程中持续进行，而不是作为最后一刻的检查。营销人员会花时间做他们被雇佣来做的事情：建立品牌、开发创意和对需要人工判断的客户体验做出战略决策。 Gradial的作用是让营销组织首先到达那里，不是说服他们撕掉一切然后重新开始，而是通过证明在现有的工作流程中这种运作方式是可能的。早期弄清楚这一点的团队将比那些仍然按照旧方式运行活动的团队拥有复合优势。感谢这次精彩的采访，希望了解更多的读者可以访问Gradial。
2026年6月4日 2026年6月4日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

Charles Yang，Vibe 的创始人和 CEO – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
Charles Yang，Vibe 的创始人和 CEO，是一位专注于重新思考团队如何捕获、保留和构建组织知识的企业家。在共同创立了一家移动游戏公司后，该公司扩展到超过 800 名员工和 5000 万月度玩家，然后成为腾讯的一部分，杨变得越来越感兴趣于解决机构记忆问题，当组织增长时。他后来通过 Inlight Interactive 探索了沉浸式协作技术，然后在 2017 年创立了 Vibe。在他的领导下，Vibe 从一家被超过 50,000 个组织采用的智能协作硬件公司演变成一个更广泛的“上下文 AI 工作空间”平台，旨在将会议、对话和决策转化为结构化的、有生命的组织记忆，由 AI 提供支持。Vibe 正在构建所谓的“上下文 AI 工作空间”，将 AI 软件与专用协作硬件相结合，以帮助组织保留和运用机构知识。该公司最初通过互动智能白板获得了牵引力，这些白板被企业和教育机构使用，但后来扩展到...
2026年6月3日 2026年6月3日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

Giesecke+Devrient集团首席安全官Thorsten Delbrouck – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
Thorsten Delbrouck，Giesecke+Devrient集团首席安全官，是一位拥有二十多年经验的资深网络安全高管，曾负责保护企业基础设施、数字身份和关键系统的安全。自2011年加入Giesecke+Devrient（G+D）担任公司首席信息安全官以来，他一直领导公司在高度监管的行业（包括金融、电信和政府基础设施）中的全球安全战略。2020年，他扩大了自己的角色，成为集团副总裁、安全和信息安全官。Delbrouck还担任信息安全论坛（ISF）的主席，信息安全论坛是全球领先的网络安全和风险管理权威机构，并曾在Infineon Technologies、COMLINE和TÜV Secure iT担任过高级安全领导职务。Giesecke+Devrient（G+D）是一家总部位于德国慕尼黑的全球安全技术公司，已从1852年成立的历史悠久的银行券印刷商演变成数字安全、金融技术和货币基础设施解决方案的主要提供商。该公司在三个核心领域运营：数字安全、金融平台和货币技术，提供安全移动连接、数字身份、银行系统、支付平台和物理及数字货币的技术。G+D与全球政府、中央银行、金融机构和企业合作，包括为电子SIM、认证系统、数字支付、网络安全和中央银行数字货币（CBDC）提供解决方案。该公司将自己定位为数字经济的可信赖基础设施提供商，在全球拥有超过14,000名员工，并在保护关键系统和金融生态系统方面拥有数十年的专业知识。您在网络安全领导职位上度过了近三十年，跨越了TÜV Secure iT、Infineon和现在Giesecke+Devrient超过15年。网络安全威胁格局如何从传统的企业安全风险演变为今天的AI驱动的网络安全挑战？您对当前行业发展方向最担心的是什么？我认为我职业生涯中最大的变化是速度和影响力。当我在20世纪90年代末开始从事安全管理时，严重的安全问题意味着防火墙配置错误或服务器未打补丁，影响范围通常相对有限。在过去的三十年里，我看到一次漏洞的后果从运营不便发展到系统风险。一切都在加速。我们正在处理更多的系统和更高的带宽。今天，仅仅一半的互联网流量是由人类生成的——根据一些估计，大约40%的总流量由恶意活动组成，例如恶意扫描、恶意软件和DDoS攻击。与此同时，景观已经变得高度集中和整合。互联网的原始设计哲学——冗余和去中心化——已经丧失。因此，针对少数关键故障点的攻击会产生比以前更具毁灭性的后果。这使得现代IT系统的设置和运行几乎没有任何错误的余地。而现在，AI进一步压缩了攻击者的时间表。最近Dario Amodei的评论重新引发了人们对高级AI系统大规模识别软件漏洞的担忧。您是否认为企业低估了AI辅助开发可能会压倒现有的安全流程的速度？是的，我相信很多企业都低估了这种转变的速度。最初，似乎AI将同时造福攻击者和防御者。但是，一个令人担忧的现实正在出现：AI并没有创造新的网络犯罪类别；相反，它使得复杂的攻击能力得到了民主化，使得威胁行为者能够自动化侦察，消除钓鱼中的语言障碍，并以人类防御者难以吸收的速度和规模发现软件漏洞。问题在于，虽然AI引发了漏洞识别的巨大浪潮，但它尚未被同等程度地部署在补救过程中。这造成了一个危险的失衡。AI辅助的漏洞发现只是产生了防御者无法处理的工作量。这可能会在未来几年内得到改善，因为AI用于补救的能力会赶上来，但现在这是一个日益增长的问题。此外，同一家公司既推出了他们最新的模型作为摆脱网络威胁的解决方案，又在某种程度上助长了部分问题。AI辅助的编码工具加速了软件生产，但它们经常产生粗糙、脆弱的代码——扩大了他们的安全产品承诺减少的攻击面。从经济角度来看，这是天才之举。从安全角度来看，就不那么好了。在G+D，我们通过AI委员会以结构化的方式评估AI用例，并且不会以无序的方式扩大它们。问题不在于AI本身，而在于其部署缺乏治理。这与G+D内部应用的原则一致：AI需要不仅仅是创新，还需要制度化的评估和批准流程。许多组织将AI视为主要的防御网络安全工具。从您的角度来看，AI目前在企业环境中创造的风险大于保护的领域是什么？大多数网络安全团队已经在不同程度上部署AI，以检测、分类、评估和处理安全事件——而且它的效果非常显著。然而，新的风险正在出现。AI架构本身的漏洞已经被广泛讨论和理解。我们不再仅仅保护静态代码；我们正在保护非确定性系统。这引入了全新的威胁向量，例如提示注入（恶意数据欺骗LLM忽略其防护栏）、数据中毒以在训练期间损害模型的逻辑，以及数据泄露，企业专有数据通过模型输出意外暴露。它从根本上改变了漏洞的定义。但是，我们的传统、排练过的防御也必须适应。对于许多组织来说，用户和实体行为分析（UEBA）仍然是一个相对较新的概念。事实上，许多公司尚未完全采用这种方法，因为严格的数据隐私法规、严格的劳动法和工人委员会的共同决策权。现在，基准已经转变，尚不清楚UEBA在未来是否仍然有效，在未来，AI可以毫无瑕疵地学习和模仿人类行为。继续前进，UEBA是否能够区分人类行为和自动化攻击，或者区分良性AI代理和恶意代理？已经有一些产品承诺可以做到这一点，但通常需要一些时间才能从营销承诺转变为实际的、有效的、现实生活中的性能。我们需要新的概念和现代的安全架构来解决这个问题。作为信息安全论坛的主席，您与全球各大企业的安全领导人进行交流。您是否认为CISO们越来越担心AI生成代码的质量，还是更大的问题是确保代码库的运营安全？两个问题都是真实的，但它们的影响不同。AI生成的代码质量是一个合理的担忧。AI生成的代码通常看起来干净，但可能带有微妙的逻辑缺陷、不安全的默认值或滥用的库，这些问题因为看起来合理而难以发现。CISO们对此有理由担心。但在我与ISF成员组织的安全专家进行的交谈中，警报声更大：这是运营上的问题——代码的体积可能带有漏洞，因此需要检查。我从各个行业的同行那里听到的一致信息是，依赖问题已经成为决定性的负担。对外部组件和第三方库的严重依赖意味着每个依赖项都必须被仔细跟踪、管理和持续修补。在代码中，在工具链中，可能跨越不同的云环境。即使在AI辅助开发之前，这已经是一个重大的挑战。现在，AI辅助开发正在放大它。不因为问题的性质已经改变，而是因为规模已经爆炸了。更多的代码，以更快的速度产生，带有更多的依赖，跨越更多的存储库。所以，如果我必须优先考虑：代码质量是一个可以解决的工程问题——更好的工具、更严格的审查、开发流程中的更严格的防护栏。确保一个指数级增长的代码库和其庞大的依赖链的运营安全是一个更结构化、更持久的挑战。这就是真正的压力所在，这也是高级CISO讨论中反复出现的问题。Giesecke+Devrient在高度敏感的领域运营，包括数字身份、支付、银行基础设施、eSIM技术和中央银行数字货币。与传统企业系统相比，AI时代如何改变了对关键基础设施的保护？在G+D，我们面临着与任何认真对待安全的组织相同的核心责任。然而，我们的标准是异常高的，错误的余地非常小。我们非常清楚，基础设施中的安全事件将带来远比典型企业更广泛的影响——这就是为什么我们的网络安全风险承受能力非常低的原因。AI在运营架构本身中添加了一个独特的复杂层。我们许多高安全性组件，特别是那些与支付系统、数字身份或中央银行产品相关的组件，是高价值资产，必须遵守严格的认证和安全要求。这些组件必须在单独的环境中开发、测试和运行，从逻辑分离到完全的空气隔离网络，没有任何外部连接。这在AI出现之前就已经很具有挑战性了，但现在各个组织都将AI辅助工具集成到他们的开发和运营工作流程中。这些工具通常依赖于云连接、大规模数据访问和持续的模型更新。在一个即使网络电缆插入错误的端口也将是一项严重的政策违规的环境中，调和这一点是一个真正的工程和治理挑战。这迫使我们在AI集成方面非常有意图。我们不仅仅是在选择合适的AI模型，我们还在基础设施层面上做出战略决策，决定是否需要在本地部署这些工具，还是可以通过云使用它们。我们正在看到AI编码副驾驶和自主开发代理的快速采用。您是否预计企业最终将需要AI生成的代码经过单独的验证和认证流程才能部署？我不认为决定性标准应该是代码是由人类还是AI编写的。决定性标准是风险。但是，AI生成的代码无疑需要来源、可追溯性和更严格的审查，特别是在监管或高安全环境中。威胁建模、安全编码策略以及将SAST工具纳入开发工具链已经成为今天的标准做法，而这些工具自然会变得更加AI增强。此外，开发团队必须精心跟踪哪些功能是安全关键或属于监管的、非常敏感的组件。此外，底层依赖项必须被彻底理解并持续测试。经济最终将在其中发挥越来越重要的作用。目前，主要AI提供商的代币定价并不能覆盖成本。主要AI提供商正在吸收巨大的基础设施和推理赤字，以确保市场份额。这种补贴模式从长远来看在经济上是不可持续的。当企业在将AI部署到企业工作流程中的商业成本被调整为反映这些真正的基础设施费用时，我们将面临一个问题。届时，行业将不得不转向小型、局部和特定用途的模型。为有针对性的用例训练这些较小的模型将成为减轻严重的成本增加的关键策略。对于具有最高安全性要求的类别，人类监督将仍然是必需的，这正是挑战所在：尽可能高效地利用有限的人类能力。AI系统现在可以比人类分析师更快地识别漏洞，但补丁管理仍然严重依赖于人类工作流程。企业是否正在接近一个补丁管理必须变得自主的时刻？是的，自主补丁管理不再是一个奢侈品——它是一个运营必要性。今天的漏洞数量的体积已经超过了人类的分类能力。话虽如此，我相信实际部署必须遵循分层、务实的方法。对于标准、非关键环境，完全自动化是完全可以实现的，前提是正确的防护措施到位。对于关键、高影响系统，完全自动化的补丁虽然必要，但在可预见的未来可能很难实施。这就是基本原则的重要性。标准和关键环境之间的区别听起来很简单，但在实践中，它需要大量的精确、详细和持续的内部工作，以便以干净、自动化的方式运营一个具有不同方法的复杂环境。这种工作很容易被低估。真正的挑战，如往常一样，不在于过程本身的机械执行——而在于更广泛的系统。智能决策只有在整个系统支持它时才有可能。补丁管理需要变得更聪明、更快，而不仅仅是更自动化。而且，如往常一样：在高度敏感的背景下，受控的稳定性和高速度必须齐头并进。这是困难的部分——也是大多数组织尚未准备好的部分。全球各国政府正在争相实施数字身份系统、CBDC和互联基础设施。您担心AI驱动的网络威胁可能会超过监管和国家安全准备的速度吗？像NIS2和网络安全法这样的监管框架正在推动事情朝着正确的方向发展，但监管最终只是拼图的一部分。监管对整个系统很重要，但我们不能假设发布一项规则会立即解决问题。公司仍然必须实施指南，保持系统的永久安全，并不断更新对威胁格局和保护目标的理解，并使其保持一致和协调。我是谨慎乐观的，前提是组织不要把监管合规当作真正的安全替代品。现代安全管理不应该等待监管。如果有的话，最佳的实践应该流入监管，而不是相反。在像数字身份和支付基础设施这样的高安全领域，运营准备并不是理所当然的。G+D不仅是供应商，也是中央银行和全球政府的对话伙伴。G+D还通过Secunet（德国联邦共和国的IT安全合作伙伴）积极参与保护关键数字基础设施。一些专家将高级AI模型描述为“网络武器”，而其他人则认为这种描述是夸张的。从您的角度来看，人们对边缘AI系统所构成的现实风险有什么误解？人们误解的是，网络冲突遵循物理战争的逻辑。一个足够强大的武器最终会突破任何防御。许多“网络武器”的描述借鉴了这种动态思维：更大的炮弹可以击败更厚的墙，更聪明的导弹可以击败更快的飞机。但网络安全并不是这样的。一次成功的网络攻击几乎从不通过蛮力来实现。它是通过利用一个漏洞来实现的：配置错误、未打补丁的漏洞、人为错误、供应链中的弱点。AI并没有改变这种基本动态。它使得寻找这些漏洞变得更快、更便宜，并降低了利用它们的技能门槛。这是一个严重的问题，但这与“不可阻挡的武器”这种说法是不同的。真正的风险不是AI创造了一种无人能挡的进攻能力。真正的风险是AI加速和扩大了对普通弱点的利用——这些弱点我们几十年来一直难以解决——以一种超出我们关闭它们能力的速度。这种说法是错误的。将AI框定为网络武器是夸大其词。展望未来，您认为AI带来的最大网络安全威胁将来自复杂的国家级攻击、规模化的自动化攻击、内部人员的滥用、供应链漏洞，还是其他尚未受到足够关注的问题？预测安全的未来总是特别困难。国家级攻击、自动化攻击、内部人员的滥用、供应链漏洞——所有这些都是真正的、日益增长的威胁，我不会忽视任何一个。但是我认为它们都是后果，而不是根源。它们之所以成功，是因为防御者已经无法跟上，无论原因是什么：一个漏洞可能尚未公开披露，补丁可能尚未可用，或者工作量太高。而且我认为，未来两到三年内的顶级风险在于安全团队被工作量压垮。所有当前和新兴的主题——监管、主权、复杂的云基础设施以及所有相关内容——都落在了已经被警报分类、事件响应、钓鱼分析、漏洞和补丁管理、文档、审计和报告压力过大的团队身上。AI带来的工作量可能是压垮骆驼的最后一根稻草。除此之外，这还远不止是一个稻草——这是远远超过一个稻草的东西。而且，考虑到当前的全球经济形势，这一切都对组织施加了真正的成本压力，影响了各个方面。如果这不是被极好地管理的，它最终会变得过多。感谢这次精彩的采访，希望读者能够通过访问Giesecke+Devrient的网站来了解更多信息。
2026年6月1日 2026年6月1日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

OPAQUE 首席执行官 Aaron Fulkerson – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
Aaron Fulkerson，OPAQUE 的首席执行官，是一位长期的企业软件企业家和开源先驱，他的职业生涯跨越了二十多年，专注于建设和扩展以信任、数据和数字转型为重点的技术平台。在加入 OPAQUE 之前，他创立了 MindTouch，并帮助其发展成为被 NICE Systems 收购的广泛采用的企业知识平台。此外，他还领导了 ServiceNow Impact 的推出，这是 ServiceNow 历史上增长最快的业务单位之一。在他的整个职业生涯中，Fulkerson 一直在新兴技术、企业软件和开源生态系统的交叉点工作，同时还为多家科技初创公司和组织提供咨询。最近，他成为了机密 AI 的著名倡导者，认为隐私、治理和可验证的信任将成为 AI 系统被集成到关键企业工作流中的基础要求。OPAQUE 是一家机密 AI 公司，源自著名的 UC Berkeley RISELab，这也是 Apache...
2026年5月29日 2026年5月29日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

彼得·庞（Peter Pang），CREAO 联合创始人兼 CTO – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
彼得·庞（Peter Pang），CREAO 联合创始人兼 CTO，拥有深厚的背景人工智能研究和机器学习基础设施，在新兴的智能 AI 领域。在 2025 年推出 CREAO 之前，庞在 Meta 公司担任研究科学家，工作于 LLaMA 基础模型相关的生成人工智能计划，包括用于数据注释和合成数据生成的 LLM 智能系统。之前，他曾在苹果公司担任机器学习工程师，专注于自然语言处理、迁移学习、深度学习和预测系统，而他早年在布鲁克黑文国家实验室的工作使他接触到了先进的科学研究和实验系统。他在人工智能研究、机器学习和自主系统方面的经验现在塑造了 CREAO 的技术愿景，即建设能够持续执行、记忆和工作流程自动化的人工智能代理。CREAO 是一个面向个人的 AI 原生平台，旨在帮助个人和企业通过自然语言而不是传统编码创建自主人工智能代理和工作流程。...
2026年5月28日 2026年5月28日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

威廉·德尔巴雷，合道安全公司的联合创始人和首席执行官 – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
威廉·德尔巴雷，合道安全公司的联合创始人和首席执行官，是一位拥有丰富经验的SaaS企业家和技术创始人，具有强大的开发者为中心的软件公司建设背景。在2022年推出合道安全公司之前，他联合创立了人力资源平台Officient、可持续发展倡议FutureproofedCities和客户关系管理公司Teamleader，并在Teamleader担任首席技术官，帮助公司扩张成为比利时最著名的SaaS成功故事之一。在他的职业生涯中，德尔巴雷专注于简化复杂的技术挑战，包括云基础设施、SaaS可扩展性和网络安全。在他的领导下，合道安全公司迅速成长为欧洲最快发展的网络安全初创公司之一，专注于为现代开发团队设计的实用安全解决方案。合道安全公司是一家比利时的网络安全公司，专注于帮助开发者和工程团队通过一个统一的平台来保护应用程序和云环境。该公司将多个安全功能，如代码扫描、依赖分析、云安全姿势管理、运行时保护和人工智能辅助测试，整合到一个流线型系统中。其方法旨在减少复杂性，尽量减少假阳性，并消除组织管理多个供应商的分散安全堆栈的需要。以开发者为中心的理念，合道安全公司强调自动化、持续监控和简化的修复工作流程，以帮助公司将安全性直接集成到软件开发生命周期中。您在建设和扩张公司（如Teamleader和Officient）期间积累的经验，促使您在2022年创立了合道安全公司。您的技术创始人背景如何塑造了您对开发者友好型网络安全方法的愿景？在过去的十年里，我发现了自己在B2B SaaS领域的使命。作为三家初创公司的技术联合创始人和首席技术官，并在人力资源技术、发票技术和碳会计等领域实现了三次退出。虽然这些领域非常不同，但它们都有一个共同点，即建设不让人想要扔掉笔记本电脑的软件。但在每一家公司中，安全性都让我夜不能寐。数据泄露的恐惧是真实的，而那些应该帮助我们的工具看起来像F-16战斗机的驾驶舱一样。昂贵、令人不知所措，并且是为拥有计算机科学博士学位的人设计的，而不是为试图快速发布软件的开发团队设计的。我们创立合道安全公司是为了直接解决这个挑战。合道安全公司提供了一个统一的、开发者为中心的软件安全平台，适用于所有规模的组织，将代码、云和运行时的基本安全功能整合到一个地方，使开发者更容易安全地发布软件。从那时起，人工智能使软件交付变得更快，攻击面也变得更大。我们的下一个篇章是使组织能够跟上自我保护的软件。二月，我们推出了合道安全公司的Infinite，一个连续的人工智能渗透测试解决方案，可以验证漏洞的可利用性并在代码进入生产之前关闭修复循环。开发环境现在被描述为最大的安全盲点。最近发生了什么变化，使其成为一个如此关键的问题？开发者机器一直是有价值的目标。它们持有云凭证、SSH密钥、npm发布令牌、Kubernetes配置和对源代码的直接访问。但在过去的6到12个月里，攻击者已经弄清楚了如何通过开发者信任的工具轻松地破坏这些机器。我们已经追踪了这一趋势。Trivy、TanStack、Bitwarden CLI、Nx Console VS Code扩展和现在的GitHub，都被开发工具破坏，所有这些都针对设备。问题在于，大多数安全团队对运行在这些机器上的内容没有可见性。EDR在应用程序级别监控，但它看不到应用程序内运行的包、扩展或人工智能工具。同时，开发者每天都在拉取新的包、扩展和人工智能工具，几乎没有任何检查。LLM使得创建令人信服的恶意软件变得更容易，这降低了攻击者的门槛。安全团队和开发者机器之间的差距正是攻击者所利用的空间。我们正在看到供应链攻击的激增，同时人工智能也正在被广泛采用。人工智能如何改变攻击者和防御者的平衡？人工智能使得创建供应链恶意软件变得容易得多。构建令人信服的有效载荷、混淆代码以及了解包注册表的工作原理以滥用它们，过去都需要真正的技术技能。现在，只需要一个LLM订阅。我们已经直接看到这一点，例如TeamPCP，他们是今年大多数主要供应链攻击的幕后黑手，包括最近的GitHub泄露事件。他们不是一个特别成熟的团队，但他们已经扩大了规模，人工智能是他们扩张的重要因素。去年，我们还处理过单包漏洞。现在，我们看到可以自我复制的蠕虫，如Shai-Hulud，以及可以跨注册表窃取凭证的链式攻击。在防御方面，人工智能也在帮助，但方式不同。安全团队现在可以使用人工智能代理在整个代码库中运行连续的渗透测试，测试数百条攻击路径。这样可以让人力专注于需要判断的决策。在设备级别，人工智能也在帮助更早地捕获恶意包，通过在包安装到开发者机器之前进行分析。但是，坦率地说，攻击者目前从人工智能中受益更多。创建恶意软件的门槛下降得比检测恶意软件的门槛下降得更快。合道安全公司谈到了将安全性上移的概念。对于今天的软件开发团队来说，这意味着什么？大多数行业已经花了很多年将安全性左移到CI/CD管道中。但问题是，攻击面已经进一步左移，到了开发者的机器本身。GitHub泄露事件就是一个很好的例子。这不是因为不安全的代码进入了生产环境，而是因为一名开发者的笔记本电脑上的一个被破坏的VS Code扩展在代码被编写之前就已经窃取了凭证。从实践角度来说，将安全性上移意味着安全性必须在代码实际被编写和工具被安装的地方持续运行。这意味着验证开发设备上运行的内容，捕获恶意包和扩展，然后在代码更改时自动测试可利用的风险，而不是等待人类安排审查。目标是创建一个闭环，在那里检测、验证和修复成为开发工作流的一部分，而不是一个单独的过程，发生在事后。随着人工智能代理自动下载依赖项和工具，公司应该如何重新思考对开源和第三方代码的信任？人工智能代理的默认行为是自动拉取依赖项和工具，几乎没有人工监督。这从根本上改变了信任模型，因为运行在开发机器上的代码没有人明确选择安装。Vercel泄露事件是一个很好的例子，说明了事情会如何出错。Vercel并没有被直接黑客攻击。一个合法的AI扩展具有对员工Google账户的OAuth访问权限，而这个扩展在供应商侧被一个信息窃取者破坏。这是在开源中反复出现的模式，受信任的第三方代码成为入口点。风险会被放大，因为一个被破坏的开发工作站会给攻击者与信任工程师相同的访问权限。他们可以修改代码、插入恶意依赖项或发布篡改的合法软件版本，这些变化会被构建管道拾取并通过可信更新向下游传播。公司需要开始将运行在开发机器上的所有内容视为其攻击面的组成部分。这包括人工智能代理、它们安装的工具、依赖的扩展，所有这些。仅仅关注已知的开源包是不够的，因为攻击正是发生在这些层面上。自我保护软件的概念很有吸引力。要使这种愿景在规模上实现，需要什么核心能力？为了使自我保护软件在规模上实现，需要一个闭环。系统必须能够在代码更改时测试真实的攻击路径，确认是否真正可利用，并在开发工作流中生成和应用修复，然后重新测试以确认修复是否生效。整个周期需要连续运行，而不需要等待有人安排它。重要的是，这不是关于从安全中移除人类，而是处理那些需要人类判断的决策的常规工作。开发者经常因安全工具产生的警报和假阳性而苦恼。合道安全公司如何帮助团队关注真正重要的内容？在我们关于安全与开发中的人工智能状态的调查中，三分之二的安全领导者表示，他们的团队由于假阳性而绕过了安全流程、忽略了发现或延迟了修复。这种嘈杂工具的真正成本不仅仅是浪费时间，还会降低安全性，因为人们会停止相信警报。我们在合道安全公司的方法是通过可达性分析和自动分类。与其标记每个漏洞并让安全团队决定什么是重要的，我们分析漏洞是否在代码中真正可达并且可以在环境中被利用。如果不能，我们的团队就永远不会看到它。这大大减少了警报的数量，并且当某些东西通过时，它是值得采取行动的。您的平台将代码、云、运行时安全和自动化渗透测试结合在一起。为什么统一的方法比使用多个独立工具更有效？我们的关于安全与开发中的人工智能状态的研究发现了一些违反直觉的东西：遭受安全事件的安全团队实际上运行的供应商工具比没有遭受事件的团队更多。更多的工具并不意味着更好的安全性；它意味着更多的噪音、更多的重复发现和更多的时间花在跨多个仪表板关联警报上，而不是实际解决问题。这就是为什么我们将合道安全公司打造为一个统一的平台，涵盖代码、云、运行时、依赖项和管道。所有这些信号在一个地方意味着可以消除重复的发现，了解代码中的漏洞是否在云环境中真正可达，并根据真正的风险优先处理，而不是将每个扫描器的输出都视为同等紧急。团队花费的时间更少于在工具之间进行分类，更多时间用于修复真正重要的事情。每个平台的每个部分都必须自成体系。一个在所有方面都处于中等水平的统一平台只会巩固问题，除非每个部分都比独立的替代品更好，否则整合的理由就不存在。合道安全公司迅速扩张并在短时间内获得了显著的牵引力。建设和发展网络安全公司的最大挑战是什么？最明显的挑战是作为一家来自比利时的网络安全公司。这个行业传统上是由以色列和硅谷建立的，最初人们对是否能从其他地方建立一个世界级的安全平台持怀疑态度。但这种距离最终成为了优势。我们没有重复使用相同的剧本。我们从开发者为中心的方法开始，提供了一个易于自行注册的捆绑产品，这就是我们如何悄悄地成为SMB开发安全平台的主导者。更大的挑战只是节奏。我们在2026年1月的B轮融资中达到独角兽地位，收入在去年增加了五倍，我们现在被包括英超联赛、Revolut和SoundCloud在内的10万多个团队所信任。今年 alone，我们推出了设备保护以进行供应链安全，推出了Infinite进行人工智能渗透测试，并与Lovable合作将安全嵌入编码工作流中。以如此快的速度移动，同时在整个平台的每个部分保持高质量，是一个持续的挑战。但这是一个好问题。随着人工智能本地开发成为标准，软件安全的未来在接下来的几年里会是什么样子？老实说，传统的安全工作流程已经难以跟上。周期性审查、定期渗透测试、事后扫描，所有这些都假设了一种不再存在的开发节奏。人工智能生成的代码和自主代理引入的变化速度比这些过程能够验证的速度更快。我们认为安全性必须成为软件开发中直接构建的连续反馈循环。我们称之为自我保护软件。每个代码更改都会被测试真实的攻击路径，发现会被验证为实际可利用的，修复会被生成和重新测试，所有这些都在等待人类安排之前完成。早期版本的这种功能已经存在，我们正在为代码、云、运行时和供应链构建它。在此基础上的下一步是自我维护软件，在那里安全性不仅仅是捕获和修复问题，还在积极维护代码库的健康。这种情况还没有发生，但基础已经开始构建。唯一可以确定的是，由于人工智能，执行复杂攻击的门槛已经消失，因此防御一方必须以同样的速度移动。感谢这次精彩的采访，希望读者能够通过访问合道安全公司的网站来了解更多信息。
2026年5月28日 2026年5月28日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

Modiqo 籌集 300 萬美元資金，讓企業 AI 工作流程更可靠
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
AI 代理已經在演示中表現出色。然而，當工作流程在部署後因為模型行為的改變、API 的變化或協調層的失敗而中斷時，真正的挑戰就開始了。這種操作不穩定性就是 Modiqo 所要解決的問題，而這也是該公司新宣布的 300 萬美元種子輪融資的目的。該輪融資由 Heavybit 和 Seligman Ventures 共同領投，並得到了 Irregular Expressions 和天使投資者的參與。該公司表示，該輪融資將支持其執行層 Rote 的推出，Rote 旨在使 AI 工作流程在生產環境中變得可預測和可重複。根據 Modiqo 的創始人和 CEO Chetan Conikee 的說法，企業們正花費太多時間重新建構以前曾經工作過但後來因為底層系統的改變而失敗的...
2026年5月28日 2026年5月28日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

阿蒂米特里克（Altimetrik）全球AI赋能与采纳负责人萨拉·菲利普 – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
萨拉·菲利普，阿蒂米特里克（Altimetrik）全球AI赋能与采纳负责人，专注于帮助组织弥合快速AI创新与现实世界工作场所采纳之间的差距。她的工作重点是建立AI素养计划、工作流程赋能策略和基于角色的培训计划，以帮助员工和经理将生成式AI整合到日常运营中。在阿蒂米特里克，她帮助塑造了企业采纳计划，涉及诸如ChatGPT企业版、OpenAI代理SDK和企业级AI工作流等技术，同时还联合创造了“LAByrinth”，一个为工程师和技术项目经理设计的基于项目的生成式AI模拟平台。在加入阿蒂米特里克之前，她曾在SaaS平台（如Nudge Coach）领导客户教育和实施计划，拥有丰富的学习系统、行为赋能和数字转型经验。她的职业生涯反映了企业AI领域的一种日益增长的趋势，即成功不仅仅依赖于部署模型，还依赖于使员工在日常工作中对AI工具充满信心、能力和生产力。阿蒂米特里克是一家以AI为先的数字工程和数据解决方案公司，专注于帮助企业现代化传统系统并在业务运营中扩展生成式AI。该公司在金融服务、医疗保健、制造业、零售和生命科学等行业开展业务，结合产品工程、云现代化、数据基础设施和AI部署服务。阿蒂米特里克通过与OpenAI的合作，成为了一家主要的企业AI实施合作伙伴，强调代理AI、工作流程编排、治理和生产就绪AI系统。其ALTI AI实验室作为内部创新中心，公司在此原型企业AI应用，从智能助手到多模式工作流程和AI本地业务运营。近年来，阿蒂米特里克通过合作伙伴关系和收购迅速扩张，增强了其全球工程足迹和企业AI交付能力。您在企业转型、学习设计和新兴技术的交叉点上建立了您的职业生涯——是什么关键的经历让您相信，负责任的AI采纳将取决于人类赋能和技术能力一样重要？我通常是一个相对较晚的采用者，总是对新事物持怀疑态度，坚持我习惯的做事方式，这也适用于AI。我最初对AI的采用速度很慢。但当我听到其他人如何在日常生活和工作中使用AI时，我的想法发生了变化。他们的分享使用非技术性语言，讲述了AI如何解决实际问题和痛点，这让我产生了兴趣和好奇心。这种经历让我认识到，在每一次变革努力中，采纳往往不仅仅开始于能力，还需要相关性、信任和意义。人们需要首先看到自己在变化中，并理解其价值，这就是为什么负责任的AI采纳需要人类主导的赋能和技术准备一样重要。在您领导全球AI赋能的角色中，您如何定义企业规模的生成式AI采纳的成功之外的试点和概念验证实验？成功的企业规模采纳不应存在于孤立的环境中。我们经常看到一种常见的模式，即采纳被隔离。一个团队在AI成熟度方面非常先进，而同一组织中的另一个团队可能没有明确的策略，甚至可能使用分散的工具或个人账户。这种不均匀的采纳会产生不一致性和风险。真正的成功是当一个组织建立共享的习惯、共享的标准和相互连接的工作方式时。它需要从上到下的变革管理和从下到上的改变。从上到下，领导层必须设定方向，建立治理，并明确什么是负责任的、有价值的采纳。从下到上，员工需要了解AI如何融入他们的日常工作，哪里可以解决现实问题，以及如何在他们的角色中自信地使用它。成熟度的真正标志是当工作流程在各个团队中顺畅地运行，而不仅仅是在孤立的环境中。许多组织投资于生成式AI工具，但难以将其运营化。您看到的最常见的执行差距是什么，导致了雄心壮志和可衡量的业务影响之间的差距？治理所有权通常不明确。谁负责记录正在使用什么，版本化提示或工作流程，监控质量，并跟踪AI在业务中的实际应用？没有这种明确性，组织最终会有分散的使用和非常少的运营纪律。许多组织尚未决定他们实际上希望鼓励什么样的AI使用。他们是针对基于角色的提示习惯，个人生产力使用案例（如头脑风暴和草稿），还是与定义的工作流程绑定的特定代理？如果没有明确的目标，赋能就会变得模糊，影响也很难衡量。还有一个常见的脱节，即推出和实际工作之间的脱节。公司在没有确定AI可以在哪些方面消除摩擦、提高质量或加速执行的有意义方式的情况下投资于工具。雄心壮志很容易，但运营化需要具体性。您与高管团队密切合作——在C级别，有效的AI流利度是什么样的？领导者的行为如何影响整个组织的采纳？它看起来像是在模仿、好奇和初学者的心态。它看起来像领导者在与下属共处的房间里表现出脆弱的一面。那些做出最大贡献的领导者是那些表现出初学者心态的人。他们愿意公开学习，愿意说“我也还在摸索中”。这种脆弱性比人们意识到的更重要，因为它让其他人感到可以在不需要成为专家的情况下参与其中。领导者的行为设定了基调。如果高管将AI视为边缘实验，整个组织也会如此。如果他们模范了深思熟虑的使用，提出实际问题，并明显地投入学习，采纳就会变得文化上更安全。信心与能力一样重要，当谈到在企业中扩展AI时。生成式AI的结构化实验框架在实践中是什么样的？公司如何在不产生碎片化或风险暴露的情况下鼓励创新？我们希望从真正的工作流痛点开始，而不是随机的建议。团队应该被鼓励识别重复性任务、决策瓶颈或现有的知识缺口。从那里，组织可以根据业务相关性、可行性和风险来优先实验。最健康的环境是人们可以安全尝试、分享有效方法并避免独自重复轮子的环境。您联合创造了LAByrinth，一款生成式AI项目模拟器，旨在为工程师提供使用AI工具的实践经验，环境安全且指导明确。是什么启发了它的创造，它又如何通过模拟式学习加速现实世界的AI能力？我一直喜欢实践式、体验式学习，尤其是艺术工作室环境中的“过肩”指导形式。当马丁·盖达和我开始讨论这个培训结构的想法时，整个项目的创造过程非常有趣。感觉我们正在为人们创造一个需要解决的谜题。当我知道我们走在正确的轨道上时，人们更有可能参与到新材料中，当他们觉得有趣且得到支持时。模拟式学习加速了能力的提升，因为它弥合了理论和应用之间的差距。它为人们提供了一个安全的空间来练习判断力，而不仅仅是记住概念。在AI领域，这一点尤为重要，因为真正的能力不仅仅是知道工具可以做什么，还包括知道如何明智地和安全地使用它。在生成式AI的时代，企业应该如何不同于以前的数字转型浪潮来对待劳动力技能提升？以协作和创造性的方式。有了Notebook LM和Figma等工具，我们可以创造出许多吸引人且新鲜的内容。我们喜欢幻灯片，但我们也喜欢制作交互式工作簿、动画视频和其他交付课程的方法。我个人最喜欢通过信息图表和其他视觉辅助工具来学习。从赋能的角度来看，负责任的AI采纳在日常工作流程中是什么样的？与实际使用工具的人们协商，了解什么让工具对他们有用，然后确保每个使用工具的人都了解政策的实际含义。它如何转化为他们日常使用AI的方式？负责任的采纳意味着以人为中心的模式。AI可以帮助草拟、总结、分析或加速，但人们仍然拥有判断力、质量检查和最终决定的责任。这种人类的责任至关重要。同样重要的是，负责任的采纳取决于信心。辨别力来自于经验。这就是为什么组织需要低风险、非判断性的空间，让员工可以练习和建立真正的流利度。当人们获得足够的实践经验以做出深思熟虑的判断时，负责任的使用不再是抽象的，而是变得习惯性的。随着生成式AI的快速演变，组织如何设计赋能计划以保持适应性，而不是在几个月内变得过时？这是一个挑战，但有很多很好的工具可以使用。最大的错误是将赋能完全建立在当前工具景观之上。我们经常被问到是否提供工具无关的培训，答案是肯定的。绝对的。我们专注于可持续的AI技能，然后教人们如何在组织当前使用的任何工具中应用这些技能。这种方法使得程序具有更长的保质期。适应性赋能也必须是模块化的。分形化。与其将培训视为一次性事件，组织应该以分层的方式思考：基础素养、基于角色的应用、先进的实验和随着工具和优先事项的变化而进行的持续更新。展望未来，您认为哪些转变将在未来两年内定义企业AI采纳的下一个阶段？基于角色和代理。企业已经开始接受使用代理。这些组织希望确保他们的技术团队具备必要的技能来构建和管理这种AI使用方式。感谢这次精彩的采访，希望了解更多的读者可以访问阿蒂米特里克。
2026年5月27日 2026年5月27日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

Stormbreaker Ventures 的 Said Mia 访谈 – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
Said Mia 是 Stormbreaker Ventures 的创始和管理合伙人，Stormbreaker Ventures 是一家早期风险投资公司，投资于连接性基础设施、AI-RAN、开放式无线接入网（Open RAN）、边缘计算、卫星和蜂窝网络融合、物联网、移动互联和美国制造业现代化等领域的种子和初创阶段公司。他的合伙人包括 Wade Oosterman（Clearnet Communications 的创始人，Clearnet Communications 被 Telus 以 66 亿美元收购；曾任 Bell Canada 的高管，在那里他增加了 500 亿美元的市值）、Derek Aberle（ QUALCOMM...
2026年5月27日 2026年5月27日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

Javed Hasan，Lineaje 的 CEO 和联合创始人 – 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
Javed Hasan，Lineaje 的 CEO 和联合创始人，是一位具有数十年领导经验的资深网络安全和企业软件高管，曾在 Oracle、Symantec、McAfee 和 Trellix 等公司任职。整个职业生涯中，Hasan 领导了大规模的产品、工程和战略团队，专注于端点安全、云基础设施、SaaS 转型和企业网络安全创新。在 Lineaje，他专注于解决行业最快增长的挑战之一：通过为组织提供对开源和第三方组件的可见性来保护现代软件供应链，这些组件嵌入在软件应用程序中。Lineaje 是一家专门从事软件供应链安全的网络安全公司，帮助组织识别、保护和管理现代软件依赖关系中隐藏的风险。其平台重点关注软件物料清单（SBOM）技术，类似于软件的成分列表，通过编目应用程序中使用的每个组件、库和依赖关系。该公司提供上下文风险分析、自动漏洞修复、合规管理和 AI 驱动的“自我修复”软件供应链工作流的工具，这些工作流旨在自动识别和修复安全漏洞，在部署之前。随着企业和政府面临日益增长的与开源漏洞、软件供应链攻击和 SBOM 透明度相关的合规性要求，Lineaje 的技术变得越来越相关。您曾在 Oracle、McAfee、Symantec 和 Trellix 等公司担任高级领导职务，帮助塑造企业网络安全产品数十年。是什么经验促使您在 2022 年联合创立 Lineaje，并且您试图解决什么核心问题？在网络安全领域工作超过三十年，我构建和扩展了超过 50...
2026年5月26日 2026年5月26日
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人, CEO & Founder of Unite.AI

Netrio CEO 马克·克莱曼（Mark Clayman）- 采访系列
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
马克·克莱曼，Netrio 的 CEO，是一位拥有二十多年领导经验的资深技术高管，曾在云计算、托管 IT 服务、网络安全和企业基础设施等领域担任过重要职务。在加入 Netrio之前，他曾担任 Navisite 的 CEO，并在该公司被 Accenture 收购期间领导了公司的发展。此外，他还曾在 RDX 和 TriCore Solutions 公司担任领导职务，并在这些公司经历了快速增长和成功的收购。在早期的职业生涯中，克莱曼在 Navisite 公司担任过高级领导职务，并曾担任 Surebridge 的 CIO，建立了在技术组织中扩张、整合收购公司和为企业和中型市场客户现代化托管服务运营的声誉。Netrio 是一家北美的托管 IT 服务提供商，专注于帮助小型和中型组织现代化和保护其技术环境。该公司专门从事托管 IT、云服务、网络安全、基础设施管理和数字化转型解决方案，在医疗保健、金融服务、零售等行业具有丰富的经验。自从与 SUCCESS...

More Posts

Page 1 of 5912 3 4 5 Next ›Last »