这是数据保护与管理厂商Cohesity的最新动态。
乍一看，还挺秃然，早几年曾整理过一些存储初创公司，Cohesity就是其中之一，2017年创立，那时候是专注二级存储，同期还有智能数据存储初创公司Komprise,容器存储初创公司Portworx，后者被Pure收购了，Komprise也还在，2024年年初Cohesity官宣了收购Veritas的数据保护业务，因此，今年顺理成章变成了数据保护与管理公司。
讲完起源，现在了解一下Cohesity在AI成为企业核心战力的当下，高效调用企业海量数据的策略。
在AI成为企业核心战力的当下，如何高效调用企业内的海量数据，支撑生成式AI（如RAG、智能体）的落地，正在成为新战场。而在这场竞赛中，一类此前被视为“幕后角色”的厂商正在突围——数据保护与管理公司，其中Cohesity的策略尤为值得关注。
企业部署AI的关键环节之一，是构建数据通路，尤其在引入RAG（Retrieval-Augmented Generation）等AI能力时，需要接入结构化和非结构化数据，完成数据筛选、向量化和检索，从而为AI模型提供“企业上下文”。
但实际的数据架构不是一条通路能解：
首先，实时业务数据分布在数据库、ERP系统、数据湖、本地与云端；
其次，大量历史数据存在备份系统和归档系统，AI访问有难度；
企业还常给每类数据建立一条独立的数据通路，最终形成实时数据管道、备份数据管道、归档数据管道三足鼎立。
这也带来了成本高、效率低、管理复杂等难题，比如构建与维护三条并行通路，资源投入大，多源异构的数据节点遍布边缘、云、数据中心，处理延迟高，数据调用路径分散，难以统一治理与优化等。
Cohesity的核心策略是构建一个“通用数据访问层”，实现实时、备份和归档数据的一体化连接与调度，避免重复建设冗余通路。
一方面，Cohesity原本就具备连接本地、云端多种数据源的能力——在备份时已经了解企业的所有系统。现在，通过反向调用这些连接器，从备份路径反向触达实时数据源，不再需要为AI另建通路。
还有就是Cohesity将多年来备份系统积累的庞大元数据与自研AI引擎Gaia结合，生成上下文元数据，辅助AI模型在数据向量化和召回中更准确地“理解业务”。
Cohesity还逐步实现了非结构化数据的向量化处理能力，并能将其映射进统一语义空间，最终服务于RAG和多模态AI模型的检索与生成。
这一整套体系，使得Cohesity从一个备份厂商，跃升为企业AI的数据输入管家——一个为AI提供“视野”与“语境”的智能透镜。
Cohesity也进一步使得数据保护厂商获得了重新定义价值链的位置。在AI成为企业“中台”的过程中，数据访问的质量直接决定了智能体的执行力。而Cohesity正试图抓住这个入口。
行业新博弈
目前来看，行业正在形成两个阵营：
以Cohesity、Rubrik、Commvault等为代表的数据保护厂商，依托其“全量数据快照能力”，由后向前延伸，打通AI数据入口；
还有以实时数据通路厂商为代表的传统AI集成商，拥有丰富的API对接经验，但没办法覆盖“封存的数据”。
Cohesity的优势在于它原生具备连接性+元数据+治理结构，并且围绕AI构建独立研发体系。其自研AI引擎 Gaia不是一个通用模型，而是专门服务于企业数据语义理解与上下文管理的“辅助智能”。
最后
Cohesity的通用数据访问层思路，让我们知道，数据保护不是“灾难备份”的配角，而是正在走向AI数据基础设施的中心。
