一句话：DLP 要重做了，有人为此付了 7200 万美元
9 月 17 日，总部位于西雅图的数据安全公司 MIND 宣布完成 7200 万美元 B 轮融资，由 Crosspoint Capital Partners 领投，YL Ventures 与 Paladin Capital Group 跟投，累计融资额达到 1.12 亿美元。距离它上一轮 3000 万美元 A 轮，只过去约一年。
钱是一个侧面，叙事是另一面。MIND 讲的故事可以压缩成一句话：数据防泄漏（DLP）这套为「数据移动缓慢、边界清晰」的世界设计的工具，正在被生成式 AI 撕开——当员工把患者病历粘贴进一个聊天框，当智能体在企业系统里自动读取、转换、再生成数据，传统的拦截规则跟不上了。
从一个医院的 CIO 说起
融资公告里最具体的场景来自洛杉矶儿童医院。这家医院的首席信息官 Conrad Band 披露，医院员工开始用 AI 工具处理工作，受保护的健康信息（PHI）可能就在一次复制粘贴之间流入外部模型。医院部署 MIND 平台后，按其表述「发现并阻止受保护的健康信息通过终端进入 AI 工具，且没有任何性能影响」。
这个场景比任何行业报告都直白：DLP 的旧剧本，是盯 USB、盯邮件附件、盯网盘上传；新剧本里，敏感数据以自然语言提示词的速度穿过企业边界，而发出提示词的人未必意识到自己在泄密。工具得先「看懂」提示词里的语义，才能拦得住。
产品架构：六条通道，两套引擎
按公司披露，MIND 平台覆盖六条数据通道：SaaS 应用、GenAI 工具、Agentic AI、终端设备、本地文件共享与电子邮件。核心是两个组件——MIND AI 多层分类引擎，对每个文件结合内容与上下文做判定；MIND AI DLP Agents，把 DLP 项目的日常策略运维交给自动化代理承担。
架构上与传统 DLP 厂商的路径差异在于：老牌产品通常以终端和网络边界为起点，云和 SaaS 是后来补上的；而 MIND 从设计之初就把 GenAI 和 Agentic AI 当作一等公民。这带来一个传统 DLP 很少面对的新问题——当数据被 AI 代理读取、转换、再生成时，输出内容是否还携带原始敏感信息的语义特征。分类引擎必须在「变形之后」仍然认得出敏感数据。
公司还给了两项认证背书：据其披露，它是获准加入 Anthropic 网络安全验证计划的数据安全公司中的头部样本，也是较早拿到 ISO/IEC 42001 负责任 AI 认证的企业。认证的象征意义大于商业意义，但两者共同指向一个判断：AI 时代的 DLP 不再只是拦截终端和外发，而是要在模型调用与智能体行为之间建立新的控制平面。
增长数字要留一分清醒
融资公告里最抓眼球的数字是「过去一年营收增长超过 17 倍、客户数量增长 8 倍」，CEO Eran Barak 称公司从隐身状态浮出不到两年已建立八位数营收业务。需要说明，这些均为公司披露口径，尚无独立验证。
把 17 倍放进坐标系里看：这是低基数上的陡峭曲线。若以增长倍数倒推，起点营收可能在数十万到数百万美元区间，早期的 SaaS 公司拉出这种曲线并不罕见，它与「品类重做者」的叙事之间存在张力。客户名单也偏「合规驱动」：具名的洛杉矶儿童医院与美国国家地理学会，分别代表医疗合规与知识管理场景，还不是 DLP 采购最密集的金融、政府与高科技行业。增长故事能不能续上，要看它能否进入这些行业的正式采购评估流程。
「自主运维」这个卖点同样需要审慎对待。让 AI 代理替安全团队决定「拦还是放」，在误阻断容忍度极低的行业里是一笔信任账：拦错一条诊疗流程的代价，可能远高于一次数据外泄的潜在风险。医院客户强调的「无性能影响」是真实部署的好信号，但单一案例支撑不了「自主运维可规模化」的结论。
老品类的老毛病，与新玩家的机会
DLP 是典型的「大市场、低满意度」品类：误报多导致告警疲劳，策略维护靠人工硬扛，效果难以量化，三者互相强化——安全团队干脆关掉阻断模式，把 DLP 降级成审计工具。很多企业曾经买过 DLP，然后弃用，这才是 MIND 真正的竞争对手：不是某家厂商，而是「不再买 DLP」这个决定本身。
有意思的是资本侧的呼应：Crosspoint 的 Greg Clark 曾任 Symantec CEO，而 Symantec 正是 DLP 品类的开创者之一。品类开创者的前掌门人转身押注一家号称要重做 DLP 的公司，这本身就是一个产业信号。公告还引用了一组行业统计：九成企业已部署 GenAI 工具，超过三分之二企业使用 AI 智能体，六成五企业对 AI 数据安全控制缺乏信心——数字未注明来源，但描绘的焦虑是真实的。
给企业的实在建议
对正在部署智能体的企业，这轮融资指向三件可以立刻做的事。其一，先把家底盘清楚：企业里有多少智能体在跑、各自能碰哪些数据，很多团队至今没有一份清单——这恰是 agent 治理类平台都在解决的「发现」问题。其二，把 GenAI 与 Agentic AI 当作独立的数据通道纳入 DLP 策略，而不是塞进「其他」里。其三，评估任何「自主拦截」方案时，把误阻断率、人工复核机制写进验收标准——安全和业务中断之间的权衡，应该由人来定，而不是默认交给代理。MIND 能把这条新路走多宽，下一年的续费与行业名单会给出答案。