机器
【以色列】企业身份安全平台NewCore获得6600万美元融资，致力于在“代理时代”重塑劳动力身份
HRTech概述：NewCore推出了一款面向“智能代理型企业”的“安全第一”身份识别平台，该平台专为当今实际存在的劳动力——即人类、机器和人工智能代理——从零开始重新构建。公司已从Cyberstarts、Index Ventures和Evolution Equity Partners处筹集了6600万美元资金，由一支由网络安全和企业IT领域资深人士组成的创始团队领导，该团队此前曾成功促成Check Point收购Dome9等交易。NewCore 是面向“智能体时代”的安全优先身份平台。该平台经过彻底重构，在单一且可扩展的架构下，为每一个人类和智能体身份提供安全保障、赋能并实施治理。
NewCore推出了一款面向“智能代理型企业”的“安全第一”身份识别平台，该平台专为当今实际存在的劳动力——即人类、机器和人工智能代理——从零开始重新构建。公司已从Cyberstarts、Index Ventures和Evolution Equity Partners处筹集了6600万美元资金，由一支由网络安全和企业IT领域资深人士组成的创始团队领导，该团队此前曾成功促成Check Point收购Dome9等交易。
身份已成为企业中的主要攻击面。过去三年中，从MGM、Change Healthcare到Snowflake客户，乃至主要身份平台自身遭入侵等重大数据泄露事件，其根本原因如出一辙：身份基础设施设计于上个时代，却被要求管理其原本无法支持的劳动力群体。
智能代理时代需要全新的身份架构
如今，人工智能代理与人类员工在整个企业中协同工作，它们能在几秒内启动，并需要对生产系统拥有精细化且可撤销的访问权限。然而，主流的身份平台是十五年前为员工登录Web应用而设计的，基于SAML等过时的协议、静态服务账户以及由密码派生的会话令牌——这些设计从未被视为该环境的安全边界。
这一差距无法通过增量升级或附加产品来弥补。现代身份平台必须从一开始就针对这一需求进行设计。
NewCore 的构建成果
NewCore 是一个统一平台，能够发现、保护并管理现代企业中的所有身份——无论人类还是智能代理。它从零开始构建，旨在降低风险而非仅仅管理访问权限，从而消除了先前架构因设计缺陷而留下的各类安全漏洞。
消除身份识别的单点漏洞。安全分拆密钥（SSK）消除了 SAML 和 OIDC 签名基础设施中的单点故障，从而杜绝了导致历史上一些最大规模身份泄露事件的攻击类型（如“黄金 SAML”、中间人攻击、会话窃取、令牌重放以及身份供应商供应链风险）。
开创安全代理式身份认证。AI 代理是具有独立生命周期、信任评分和撤销路径的一等身份实体，而非伪装的服务账户。代理治理是平台的核心设计约束，而非附加功能。NewCore 还提供了一项“代理技能”（Agentic Skill）：这是一个面向所有主流编码代理（包括 Claude Code、Codex 和 Cursor）的集成包，使它们能够作为“第一类实体”在企业信任图中进行身份验证并运行，从而在现代企业中一些要求最严苛的生产场景中实现安全的代理访问。
淘汰易受钓鱼攻击的身份验证因素。VisualMFA 将用户验证转变为一种带外、可视化可验证的交互过程，能够抵御中继攻击、重放攻击和社交工程攻击。基于 TPM 和安全隔离区（Secure Enclave）的硬件绑定凭证，彻底取代了易受钓鱼攻击的身份验证因素。
发现每一个身份。NewCore 持续发现并映射企业中的每一个身份（包括人类和代理），涵盖传统平台无法察觉的影子账户、弃用凭证以及不受管控的代理。看不见的东西，就无法保障安全。
开创代理迁移模式。客户可通过代理驱动的共存模型在数小时内迁移至该平台，该模型保留了现有的联合身份和策略：实现干净、零停机时间的切换，不会对用户或应用程序造成任何干扰。
该平台专为代理身份数量比人类身份多两个数量级或以上的环境而设计。对于现代身份管理而言，真正的衡量标准并非正常运行时间或配置速度，而是从企业中消除的风险总量。
领导团队
NewCore 由经验丰富的网络安全专业人士创立，他们不仅拥有深厚的技术专长，还拥有成功构建企业的卓越记录：
Zohar Alon，联合创始人兼首席执行官，曾三次创办网络安全公司，在该行业拥有近 30 年的从业经验。在职业生涯早期，他曾开发了 Check Point 的基础企业级产品之一 Provider-1，随后创立并领导了 Dome9，该公司后来被 Check Point 收购。
Amihai Neiderman，联合创始人兼首席技术官，Nym Health创始人，应用人工智能领域的先驱，曾任以色列精英信号情报单位“8200部队”的研究负责人，同时也是一位资深的进攻性安全研究员。
Erez Yarkoni，联合创始人兼首席商务官，曾任T-Mobile USA和Telstra的首席信息官，在两家全球最大的电信运营商中积累了深厚的企业运营经验。
在他们的领导下，公司规模已扩展至特拉维夫和美国两地共计50多名员工。
来自创始人、投资者和分析师的评价
“身份认证体系已然失效，却已成为现代企业的控制平面。我们打造 NewCore 是为了适应当今真实存在的劳动力——由人类、机器和智能代理共同组成的劳动力——并且从第一天起就秉持‘安全第一’的原则。我们的目标并非仅仅是更好地管理身份，而是要消除行业和我们的客户长期以来不得不忍受的各类风险。”
—— Zohar Alon，NewCore 联合创始人兼首席执行官
“过去的身份认证平台是为一个截然不同的世界而构建的。人工智能代理正在重塑劳动力结构，这需要全新的架构，而非又一层补丁。Zohar 和他的联合创始人团队为人类、机器和代理共存的世界，从零开始重构了身份认证体系。”
——Shardul Shah，Index Ventures 合伙人
“NewCore 的突出之处在于，安全并非功能层，而是基础。平台级别的分键架构和抗钓鱼多因素认证（MFA），彻底改变了首席信息安全官（CISO）在身份风险方面的讨论方式。”
——劳伦斯·平格里（Lawrence Pingree），软件分析师网络安全研究公司（SACR）数据安全与人工智能研究主管
可用性
NewCore 现已面向企业客户开放。该公司将于 2026 年 6 月 15 日至 18 日在拉斯维加斯举办的 Identiverse 大会上展示该平台。
关于 NewCore
NewCore 是面向“智能体时代”的安全优先身份平台。该平台经过彻底重构，在单一且可扩展的架构下，为每一个人类和智能体身份提供安全保障、赋能并实施治理。由网络安全资深专家和以色列第 8200 部队成员共同创立，并获得 Cyberstarts、Index Ventures 以及 Evolution Equity Partners 的投资支持。NewCore. Identity Secured.™
机器
【以色列】数据公司Equalum获得1800万美元的B轮融资，以帮助企业更快地消化数据
文/Ron Miller
Equalum是一家以色列初创公司，帮助企业从各种企业来源收集数据。
本轮融资由Planven Investments牵头。其他参与者包括联合风险投资公司(United Ventures)、先前的投资者创新公司(Innovation efforts)和通用电气风险投资公司(GE Ventures)，以及一群不愿透露姓名的个人。根据该公司提供的数据，其融资总额达到2,500万美元。
Equalum首席执行官兼创始人尼尔•利夫内(Nir Livneh)表示，Equalum本质上扮演着数据管道的角色，满足人工智能、机器和更传统的商业智能需求。Equalum是一个实时数据摄取平台。这个平台的想法是能够收集来自许多企业系统源的数据，并且能够集中这些数据，并将其实时发送到分析环境中，并提供这些分析环境，”Livneh解释说。
他将这轮融资视为继续扩大他对公司最初愿景的一种方式。“我认为最初的论点得到了验证。我们已经证明，我们可以进入财富100强企业，并迅速采用我们的解决方案，”他表示。下一步是在原有几十家大客户的基础上进行扩张，并加速增长。
该公司于2015年在以色列特拉维夫成立。如今，该公司仍在那里保留着研发部门，在硅谷设有销售、营销和管理部门。有趣的是，它的第一个客户是通用电气，也是GE Ventures的早期投资者。
利夫尼说，他认为这个市场还有很大的增长空间，他说，这个市场仍然由传统厂商主导。他相信，他可以提供一种更现代、更精简的数据收集方法，来取代陈旧的产品。时间会证明他是对的。
以上为AI翻译，内容仅供参考
原文链接：Equalum grabs $18M Series B to help companies ingest data faster
机器
李开复：未来“有惊无险”的10种工作，其中包括人力资源
人工智能并不是一场普通的技术变革，在人类历史上，可与其比肩的只有蒸汽机和电力的推广使用。由于人工智能算法会渗透到每个行业、每个工作，它甚至会改变人类做事的许多方法，对于个人、企业和社会带来的变革，比之前的互联网革命来得更剧烈、影响力更大。人工智能对个人和社会带来的改变，将超过之前发生的所有工业革命和技术革命。
人工智能带动了科技发展，提升了生产力，这些好处固然引人关注，但是比起全球各地将产生的严重失业问题，以及分配不均的加剧（国内与国家之间），就不足为道了。随着深度学习应用的普及，人工智能势必会冲击全球经济，整个经济体系上上下下数十亿的就业机会如会计师、流水线作业员、仓储作业员、股市分析师、质检员、货车司机、律师助理、放射科医生等，都会受到冲击，并且上述工作只是其中的一部分。
人类文明过去曾经成功地消弭了科技对经济造成的冲击，例如在19世纪和20世纪，有数亿的农民成功地转为了工厂员工。但是，先前的那些重大科技变迁，从诞生到发展的速度没有人工智能这么快。照目前科技发展和应用的趋势来看，我预估在未来15年内，人工智能将会减少美国40%到50%的就业机会，但实际的就业损失还会延迟若干年，因为必须考虑到很多现实因素，例如雇主相信人工智能的程度、法规限制等。但我预测，人工智能对就业市场的冲击将会非常大，而且冲击很快就会到来。
有朋友跟我探讨：我经过多年学习培训才获取足够的技能从事的工作，未来应该会比“蓝领工人”安全吧？
实际情况并非如此。分析人工智能取代工作岗位，不能仅仅用传统“低技能”对比“高技能”的单一维度来分析。人工智能既会产生赢家，也会产生输家，这取决于具体工作内容。尽管人工智能可以在基于数据优化的少数工作中远胜人类， 但它无法自然地与人类互动，肢体动作不像人类那么灵巧，也做不到创意地跨领域思考或其他一些需要复杂策略的工作（因为这些工作投入的要素和结果无法轻易量化）。一些人类看上去很难的工作，在人工智能看来可能是非常简单的；一些在人类看上去很简单的工作，可能确实人工智能的死穴。我们可以用以下两张图来说明：
对于体力劳动来说，X轴左边是“低技能、结构化”，右边是“高技能、非结构化”。Y轴下边是“弱社交”，上边是“强社交”。脑力劳动图的Y轴与体力劳动一样（弱社交到强社交），但X轴不同：左侧是“优化型”，右侧是“创意或决策型”。如果脑力劳动的重点是将数据中可量化的变量最大化（例如设置最优保险费率或最大化退税），就归类为“优化型”的职业。
这几条轴将两张图各分为四个象限：第三象限是“危险区”，第一象限是“安全区”，第二象限是“结合区”，第四象限是“慢变区”。工作内容主要落在“危险区”的工作（如卡车司机等）在未来几年面临着被取代的高风险。“安全区”的工作（如心理治疗师、理疗师等）在可预见的未来中不太可能被自动化。“结合区”和“慢变区”象限的界限并不太明确：尽管目前不会完全被取代，但工作任务的重组或技术的稳定进步，可能引起针对这些工作岗位的大范围裁员。
在左上角的“结合区”中，大部分计算和体力性质的工作已经可以由机器完成，但关键的社交互动部分使它们难以完全自动化。所以，最可能产生的结果就是幕后优化工作由机器完成，但仍需要人类员工来做客户的社交接口，人类和机器形成共生关系。此类工作可能包括服务员、理财顾问甚至全科医生。这些工作消失的速度和比例取决于公司改造员工工作内容的灵活程度，以及客户对于与计算机互动心态的开放程度。
落在“慢变区”的工作（如水暖工、建筑工人、美术设计师等）不依赖于人类的社交技能，而依赖灵活和巧妙的手工、创造性或适应非结构化环境的能力。这些仍是人工智能的短板。由于不断发展的技术会在未来几年中慢慢提升这些短板，所以此象限中工作消失的速度，更多地取决于人工智能能力的实际扩展。
在我看来，警告、悲观、恐慌是“不识庐山真面目”的杞人忧天。以下是我整理的看似很危险，其实很难被AI取代的10种工作。
人力资源
人力资源、特别是员工招聘和猎头工作，都要涉及大量的人际互动。说服某人放弃现有工作、考虑其他工作是相当不容易的，这需要建立在对对方的长期深入了解和互相信任的基础上。当然，随着人力资源工作变得更倾向于以人为中心，人力资源行业也会利用AI完成常规的问答工作（比如回复雇员的邮件）、监督雇员工作表现、发起招聘启事、筛选求职者并进行工作匹配等。
健身教练
尽管未来总会有更高质量、更智能的健身器材帮助我们锻炼，但健身教练无可取代的地方在于，他们能为我们每个人量身打造健身计划，在旁陪练指导，还能敦促我们坚持锻炼，避免犯拖延症。其次，随着社会财富增多，出行方式变得更高效（如智能型、甚至是自动型电动平衡车），我们对于锻炼的需求将大大超出以往。最后，AI时代会给我们带来更多的社会财富和闲暇时间，自助、娱乐和健康将成为发展的主题。
养老护理员
到2030年，麦肯锡医疗保健类工作岗位将在全球范围内猛增5100万个，总数将高达8100万个。这类工作包括养老护理员、家庭健康护理员、私人护理员以及护士助理，不过最大的岗位空缺将出现在与养老护理相关的领域。考虑到人类寿命延长、老年人对医疗保健的大量需求以及填补此类工作空缺的难度，这一需求还会不断攀升。AI固然可以实现老年人的医疗监护、安全保障和移动辅助等基本功能，但像是洗澡、穿衣以及更为重要的聊天和陪伴工作，都是AI是无法胜任的，只能交由人类完成。
房屋清洁工
像房屋清洁、园艺以及其他需要在非固定结构空间内进行、且所在环境较为多变的工作，对于机器人而言难度太大。虽然像伦巴扫地机器人（Roomba）这样的智能设备会承担部分工作量，但整体而言，这类工作的就业水平有望得以维持。此外，我们预测，各类移民服务岗位将大量增加（在法律允许的前提下），因为AI将进一步拉大贫富国家之间的差距。
护士
护士、保育员、心理健康辅导员以及戒毒治疗师是最难被机器替代的工作类型之一，这类工作涉及大量的人际互动、沟通和信任的培养。例如，治疗情绪不稳定、有抑郁症状的病人需要娴熟的沟通技巧，治疗师需要先了解造成病人情绪困扰的根源。这些都远远超出了AI技术目前的能力范围。
楼房管理员
楼房管理、酒店管理、定制服务等其他高端服务将是财富新贵群体的高需求所在（如AI企业家和工程师）。在互联网（旅游网站）和AI（自动化快餐和咖啡）提供标准化服务的同时，那些具有人情味、个性化以及能够构建长期关系和信任感的优质服务将具有更高的价值。在AI时代，休闲和娱乐产业将成为强劲的增长领域。
运动员
虽然未来机器将比人类更擅长比赛，但体育运动不会因此而受到丝毫的影响。这些都是需要人类参与的娱乐活动。运动明星与知名歌手、演员并无二致。随着人们闲暇时间的增加，拥有非凡天赋和个人魅力的运动员将有更强的吸金能力。
保姆
保姆是最讨喜的工作之一，甚至可能会被当成家庭成员来看待。保姆的许多体力工作会实现自动化（比如除尘和洗碗），如此一来，他们的工作会逐渐转向“关爱和个性化”服务，比如悉心烹饪一顿孩子爱吃的饭菜，或是朗读孩子最爱听的故事。保姆将花更多的时间去陪伴、照料家里的孩子，和他们玩耍。能够成功转型的保姆是AI无法替代的。
导游
优秀的导游是擅长讲故事的人。他们将个人经验和百科知识巧妙地融合在一起，并以戏剧化的方式呈现给游客，从而打造出独一无二的旅行体验。优秀的导游还能挑起趣味横生、内容丰富的谈话，创造出一段令人怀念的旅程。当然，那些照本宣科、一味重复的导游，在AI取代人类工作的大潮中就没那么走运了。
数据处理和标签
最后来个大惊喜。虽然每个人都认为数据录入和处理会因机械化而被淘汰（甚至不需用到AI）。但在未来二十年内，AI进行的训练会用到规模庞大且不断增长的数据。这些数据需要经过初期的人工筛选、处理、贴标签和分类。亚马逊土耳其机器人（Amazon Mechanical Turk）就是个很好的例子。不过，可别期待能从这类工作中获得高薪。
原文来源：李开复：未来“有惊无险”的10种工作
机器
机器可能会带来新工作 - 他们也可以帮助我们培训新工作
这是一个有趣的观点，简单了解下，以下是AI翻译完成，仅为快速传递资讯和观点。不喜勿入。
————————————————
今天存在的近一半的工作岗位可能在未来几年内实现自动化。
即使是机器人无法掌握的角色的工作人员也可能会看到他们的工作随着智能技术牢固地融入工作场所而改变。
没有人能够准确预测智能机器将如何改变人类的工作世界 - 或者人们的工作将如何随着自动化同行的引入而发展。
许多问题仍然存在，但有一点是明确的：工作的未来将是不同的 - 工作人员需要学习不同的技能，以拥抱与技术共享的未来。
与此同时，世界各地的组织迫切需要设计重新培训工人的系统，并使他们与新的职业相匹配。
挑战是一个艰难而紧迫的挑战，它涉及解析大量数据并整合一组复杂的变量。
实际上，这正是AI为解决而构建的人类问题。
[来源图片：roberuto / iStock]
部署AI来解决自动化产生的问题似乎违反直觉。
但我们面临的挑战规模要求采用非常规方法。还没有人知道自动化带来的生产力增益是否能创造出比破坏更多的就业机会 - 这在以前的技术转变中已经发生过。但随着时间的推移，随需应变的技能将发生变化。
最重要的是，Pew Research最近发现，72％的美国人担心机器在工作场所接管人工任务。就业市场数据提供商Burning Glass已经发现，需要数字技能和行业专业知识的“混合”工作（如营销分析师）的帖子数量有所增加。
分析指出，很少有大学课程将这两种技能集合作为一揽子计划，这使得许多年轻人无法理解这些角色。
他们的研究结果还表明，只有少数行业认证课程真正改善了就业前景。
即将到来的自动化浪潮通常被描绘成一场零和游戏。随着机器人的崛起，人类工人被挤出去了。但现实更加微妙。
[来源图片：roberuto / iStock]
首先，技术采用与人类工作之间的反向关系不如许多人想象的那么强大。自动柜员机是银行员工推出时的特定工作杀手。然而，波士顿大学经济学家詹姆斯·贝森的研究发现，自动柜员机进入主流后，银行出纳员的数量实际上有所增加。原因是：它降低了经营分支机构的成本，因此银行开设了更多，并雇佣了更多的员工。
退一步，将机器人和人工智能系统部署到工作场所会改变就业市场所需的技能。
自动化很少能完全消除职业。通常它会占用工作的常规部分，让人们花更多的时间在创意或以关系为中心的元素上。例如，银行出纳员现在处理更少的现金提取或存款，而是需要软技能来建立客户忠诚度并帮助他们满足更广泛的财务需求。
自动化有许多积极的影响。如今，由AI驱动的自动化平台可以通过检测医学图像上的微小癌症迹象来挽救生命。在未来，它们可以帮助我们更好地了解气候变化或防范网络犯罪。人工智能和机器人也可以承担许多重复性任务，可能使工作成为人类更有益的经历。但是，除非找到有效的方法来减轻其破坏性影响并教育人们了解其变革价值，否则这些解决方案将失去公众支持。
自动化对工作的影响因行业而异，可能也会因公司而异。这就是为什么在自动化面前对职业转型的统一回应可能会变得很短。我相信最好的结果将来自为每个人进行再培训提供个性化策略，以帮助人类未来的职业生涯。
实际上，世界各地的大量工人都需要接受再培训。为自动化未来做好准备的努力将超越行业和地区，不仅要应对自动化，还要应对全球经济的数字化。通过帮助工作人员逐案过渡，提供自动化解决方案和混合平台的公司可以发挥主导作用，帮助人们保持对未来工作场所的相关性和关键性。
Joe Greenwood是位于多伦多的创新中心MaRS Discovery District的数据主管。
扫一扫 加微信
hrtechchina
机器
机器
机器
机器
扫一扫 加微信
hrtechchina
