智能体运营平台初创公司Surf AI Ltd.今日正式发布,同时宣布已完成5700万美元融资,用于支持产品开发、团队扩张以及扩大企业客户采用规模。
成立于2024年的Surf AI正在开发软件,旨在帮助企业安全团队管理跨云基础设施、身份系统、应用程序和内部业务平台的复杂环境风险。
该公司致力于解决许多组织中安全运营依赖多个专业工具的问题,这些工具会生成警报和发现问题,但修复工作往往在不同团队间分散进行。Surf AI平台通过统一的运营层解决这一问题,该层聚合来自安全、身份、数据和信息技术系统的信号,然后将它们映射到业务环境中,如资产所有权、权限和依赖关系。
联合创始人兼首席执行官Yair Grindlinger表示:"我们构建Surf AI是因为我们相信现代安全团队应该拥有与他们同样努力工作的工具和系统。我们的平台使团队能够持续监控并果断行动,即使数据环境变得更加复杂。"
Surf AI平台的工作原理是从企业系统中摄取数据,包括身份提供商、云服务、安全监控工具、人力资源平台和IT管理系统,构建连接资产、用户、角色和基础设施组件的上下文图谱。人工智能智能体随后分析组合数据集以识别暴露条件并将其与运营上下文关联,同时平台维护系统、用户和资源之间关系的记录以指导修复活动。
该公司软件通过将任务分配给专门的AI智能体来协调安全工作流,这些智能体可以根据定义的策略触发操作或提出修复步骤。系统根据资产关键性、权限和业务所有权等因素对问题进行优先级排序,然后执行或建议运营任务,如禁用未使用的账户、解决证书管理问题或调整访问控制。
人类并未被排除在循环之外,仍负责监督和批准,平台会跟踪活动,以便工作可以继续进行而无需重新开始分析或重新创建任务上下文。
Surf AI的产品专为运营大量软件即服务应用程序、身份系统和云服务的组织而设计,在这些环境中,安全责任通常分布在多个内部团队中。在这些环境中,该平台作为执行层,将现有安全工具生成的发现与解决这些问题所需的运营工作流连接起来。
在早期部署中,该平台承担了诸如减少未使用软件许可证、执行身份治理策略以及解决由休眠或孤立账户引起的配置风险等任务。
种子轮和A轮融资由Accel Partners LP领投,Cyberstarts和Boldstart Ventures也参与其中。
Accel合伙人Phillipe Botteri表示:"AI正在大幅提高攻击者的速度和复杂性,安全团队需要根本性的新运营模式来跟上步伐。Surf AI团队正在构建一个智能体平台,以显著提高安全团队的生产力,并使其组织能够抵御这种新的威胁环境。"
Q&A
Q1:Surf AI是什么公司?主要做什么业务?
A:Surf AI是一家成立于2024年的初创公司,专门开发智能体安全运营平台。该公司的软件旨在帮助企业安全团队管理跨云基础设施、身份系统、应用程序和内部业务平台的复杂环境风险,通过统一运营层解决传统安全工具分散、修复工作碎片化的问题。
Q2:Surf AI平台是如何工作的?
A:Surf AI平台通过摄取来自身份提供商、云服务、安全监控工具等企业系统的数据,构建连接资产、用户、角色和基础设施的上下文图谱。AI智能体分析数据集识别风险并关联运营上下文,然后将任务分配给专门智能体,根据策略触发操作或提出修复建议。
Q3:这次Surf AI融资规模有多大?谁领投?
A:Surf AI本次完成了5700万美元的融资,包括种子轮和A轮。此次融资由知名投资机构Accel Partners LP领投,Cyberstarts和Boldstart Ventures也参与投资。融资资金将用于支持产品开发、团队扩张以及扩大企业客户采用规模。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。