我要投稿

5 年 160 亿估值，硅谷「企业 AI」领头羊怎么做到的？

发布日期：2024-07-22 14:31:32 浏览次数： 3430

‍

Glean 希望在企业中击败 ChatGPT。

作者 | 美漪
编辑 | 靖宇

大模型引发的 AI 大战持续了两年多之后，现在所有创业团队和投资人都在问的一个问题是——适用于大模型真正的场景有哪些？或者，更重要的是，到底怎么才能获得货真价实的客户和营收？

当普通消费者依然为对话式聊天助手而感到兴奋时，AI 公司们早已经在寻找 AI 的落地场景。例如，企业 SaaS，这个千亿美元级别赛道上挤满了 OpenAI、Anthropic、微软等 AI 新贵和科技巨头。

就在这样拥挤的赛道中，一家名为 Glean 的公司，凭借企业内部 AI 搜索产品拿下了索尼电子、Databricks 等行业巨头。

最近，这家刚刚成立 5 年的公司，在 D 轮融资中拿到了 Kleiner Perkins 和光速创投的 2 亿美元巨款，公司估值暴涨至 22 亿美元（约 160 亿人民币），成为企业 AI 赛道当之无愧的领头羊。

Glean 是怎么做到的？它的企业 AI 搜索产品，又有什么不同凡响之处？

集中式 AI 搜索平台

Glean 可以看做一个 AI 企业搜索和知识管理的平台，主要功能包括：AI 搜索、知识管理、工作主页。

AI 搜索是 Glean 最核心的功能，与传统搜索相比，它的优势在于跨应用和个性化。

Glean 打造了一个深度集成的工作空间，为企业员工提供统一的界面，访问企业所有的应用程序和服务，快速搜索定位和整合零散的信息，如会议记录、支持票据、项目档案等，极大提高了查找信息的速度。

例如，用户可以在 Glean 的平台上搜索到 Slack 对话信息、Google 文档内容和 Confluence 中的信息等。

不仅如此，用户还可以在 Glean 上执行与之连接的 SaaS 应用的轻量级功能，例如在 Glean 上直接启动会议、创建 Jira 文档等等。

Glean 可以访问企业 300+SaaS 产品｜图片来源：Glean 官网

在企业内部集成数据的基础上，Glean 不仅整合了可实现「语义理解」的矢量搜索和关键词搜索技术，还利用 LLM 推出了生成式 AI 的搜索功能，并推出了 AI 助手。

Glean 的 AI 助手主要有三个功能：

1、AI 答案

Glean 的 AI 可以根据每位用户的具体需求、偏好和访问权限，提供定制化的搜索结果。例如不同职位、不同地理位置的员工搜索自己的 OKR 指标时，Glean 会给到每个人不同的结果。Glean 还会利用员工的活动（如点击搜索结果）来提升搜索的相关性。

2、专家检测

当检索不到信息时，Glean 还能将员工与能够帮助回答问题或完成任务的人联系起来。

员工可以通过点击「people」选项，寻找到与搜索结果相关的内部「主题专家」。例如，当用户想要搜索「员工数据保留政策」的时候，该用户可以用过「people」选项查找到工程安全部的相关负责人。

员工与能够与可以帮助回答问题或完成任务的人联系起来｜图片来源：Glean 官网

3、上下文推荐

用户选中文档等某个内容后，输入快捷键 Cmd-J / Ctrl-J 就可以查看这一内容相关的补充内容和上下文。

例如，当用户在查看「供应商安全调查问卷」文档时，就可以输入快捷键查看「销售安全文档」、「常见安全问题汇总」等链接。

员工可以查看源文件｜图片来源：Glean 官网

此外，Glean 的 AI 助手还具有写作和编码助手的功能。例如，服务团队可以使用 Glean 生成支持票据回复。同样，它还能加快软件开发任务的速度，如查找编程最佳实践和最近的代码变更信息。

正如 Glean 创始人 Arvind Jain 所说，「Glean 是一个面向公司所有数据的 AI 平台。你可以把它想象成你公司内部的谷歌或 ChatGPT，它可以基于公司内部信息回答员工提出的任何问题，并引用源代码。」

除了搜索功能，Glean 还提供「知识管理」和「工作主页」的功能。

「知识管理」指的是用户可以分享和整合相关的文档或链接，使用全新简短形式的 URL 进行界面跳转等，以便更轻松地导航到常用资源。

使用 go/benefits 或 go/pitchdeck 代替记忆和搜索长 URL｜｜图片来源：Glean 官网

而且，任何员工或者团队都可以为应用程序中的文档添加自定义的描述，便于他人快速了解文档并与他人共享。例如，HR 团队可以将员工入职相关的文档和链接整合到一个专门的集合中，便于新员工更快地了解公司。

HR 团队可以将入职相关的文档和链接整合到一个专门的集合中｜图片来源：Glean 官网

「工作主页」则是根据用户的不同习惯，在主页呈现个性化的功能模块，包括公司公告、员工目录、日历等，用户还可以将重要项目固定到搜索结果的顶部。

可见，Glean 可以在一个集中的 AI 平台上连接、保护、索引和理解客户的企业数据，这不仅极大地提升了信息检索的效率，还使得企业内部的信息和知识更加易于管理和利用。

对此，Glean 创始人 Arvind Jain 表示，「通过这些功能强大的更新，Glean 将企业搜索提升到了一个新的高度。我们正在提供一种辅助系统，使企业用户不仅能与公司知识保持联系，还能相互联系，从而在日益复杂的数字工作环境中推动前进。」

让企业放心用 AI

Cisco（思科）最近的一项调查发现，超过四分之一的企业因隐私和数据安全风险而禁止使用 GenAI。在民意调查中，企业表示他们担心 GenAI 工具会泄露他们的 IP 或可能向公众或竞争对手披露其他敏感信息。

对此，Glean 公司首席执行官 Arvind Jain 表示，「企业领导者已经看到了 ChatGPT 在消费领域的威力，并渴望利用其潜力来显著提高工作场所的生产力和绩效。但企业数据非常复杂，需要克服的障碍很多，包括通用大模型存在的幻觉和数据泄漏的风险。如果部署不当，就有可能犯下代价高昂的错误。它需要建立在正确的搜索基础上，才能真正发挥价值。」

他还补充道，「Glean 是唯一一家解决了如何将企业知识与 LLM 的推理能力结合起来，在工作中提供准确、安全的对话式 AI 体验的公司。」

那么，Glean 是如何做到「准确」、「安全」的？

答案是帮企业用自己的数据训练企业专属的生成式 AI 模型。

而这一模型的基础就是 Glean 历时 4 年研发的「可信知识模型」。该模型不仅了解搜索内容，还了解上下文、人与人之间的关系、公司内部语言以及隐私和安全参数等，因此可以满足与企业需求相匹配的准确性、安全性和参考能力。

「可信知识模型」围绕三大支柱展开：

「可信知识模型」围绕三大支柱展开|｜图片来源：Glean 官网

1、公司知识和上下文：

Glean 通过 100 多个连接器，连接到客户公司的所有应用程序，抓取数据源，再通过把所有元数据编制索引，通过全面梳理并深度理解，企业的内部语言、内部关系、内容活动等，为每个客户建立了一个独特的企业「知识图谱」作为「搜索索引」，从而确保搜索答案的个性化和相关性。

「知识图谱」不仅权衡了每条信息之间的直接联系，还权衡了无数其他信号和关系，比如能够识别细微差别，这使搜索引擎的知识更加完整，使生成式 AI 不断学习和改进，提高搜索相关性。

全面梳理并深度理解企业内部信息的「知识图谱」｜图片来源：Glean 官网

2、权限和数据管理：

Glean 的数据安全措施符合最高行业标准，客户个人信息的维护和保护符合欧盟《通用数据保护条例》（GDPR）的规定。

Glean 采用了准确的数据访问权限与数据加密。比如，Glean 遵守公司数据源中设置的权限规则，会进行用户访问审查以执行最小特权原则。这意味着，无论是 Slack、Teams、Jira、ServiceNow 等，员工都只能根据他们被授权访问的数据来获取答案。

同时，Glean 通过对所有数据均使用 AES 256 进行静态加密，所有数据在传输过程中均使用 TLS 1.2+ 加密等控制措施，来限制数据外泄风险。当用户在底层应用程序中删除文档时，该文档也会从 Glean 系统中同步删除。

此外，Glean 还提供可扩展的基础设施和审核工具，以确保敏感数据按预期使用。

3、完全可参考性：

Glean 可以显示每条信息的来源以及每个响应是如何生成的。用户可以清楚地知道每条信息的来源，以及谁对此负责。

因此，当公司员工进行基于自然语言的查询时，Glean 的 AI 助手会通过利用生成式机器学习模型，对其进行理解和分析，再使用公司专属的 AI 搜索引擎和以及检索增强生成（RAG：Retrieval-augmented Generation）技术来检索最相关、最新的信息，最后将这些信息数据输入大型语言模型 (LLM)，根据公司的内部「知识图谱」，基于员工访问权限，为其提供「准确」、「安全」的搜索结果。

尽管，Glean 正在混合使用大型语言模型输出搜索答案，包括 OpenAI 的 GPT-4 和谷歌的转换器模型 BERT 等，但 Glean 官方表示，「鉴于企业的生成式 AI 模型是定制的，因此企业的任何数据都不会被用于训练这些公开的模型，并使外部组织受益，甚至事实上根本不会被保留。」

可见，Glean 相当于一个既了解公司情况又了解每位员工偏好的助手，搜索的回答是以「可信知识模型」为基础，让所有信息都安全私密、准确可追溯。

不仅「准确」、「安全」，Glean 的部署使用也十分「方便」。

Glean 提供 Glean Apps 和 Glean API，企业用自然语言就能在任何需要的地方创建自定义 AI 应用程序，或者创建定制的 AI 助手、协同机器人、聊天机器人和代理，并将其集成到他们的工作流程中，数天内即可投入运行。

Glean 还提供 Glean Apps 和 Glean API ｜图片来源：Glean 官网

对此，Glean 创始人 Arvind 表示，「Glean 的初步设置时间不超过两小时，并且不需要任何工程技能或手动微调即可部署。无论是通过网络应用、新标签页、侧边栏搜索、原生搜索还是 Slack 命令，Glean 都提供了无缝的工作流程集成。」

「我们相信，扩大人工智能生成体验以促进信息访问和发现，是为企业环境释放全部潜力的第一步。Glean 站在领域内训练模型和微调 LLM 的前沿，为这一进步提供动力。」

拥挤的企业 AI 赛道

Glean 由云数据管理公司 Rubrik 的联合创始人 Arvind Jain 发起，其灵感来自于 Jain 的观察：Rubrik 的员工经常难以找到工作所需的信息，其他公司的员工也因同样的问题而苦恼。

2019 年，Jain 与谷歌、微软和 Meta 的前员工一起组建了一个小型创始团队，在硅谷中心帕洛阿尔托，建立了面向企业客户的 AI 搜索应用 Glean。

Glean 的联合创始人｜图片来源：Glean 官网

随着生成式 AI 的发展，Glean 成长转型为业界领先的 GenAI 解决方案提供商，致力于「为人们提供改变世界所需的知识」。

事实上，企业搜索在市场上并不是一个完全创新的概念，Glean 有不少竞争对手，主要包括一些提供类似服务的大公司和其他初创公司，像是 Microsoft SharePoint Syntex、Amazon Kendra、Google Cloud Search、Coveo、Elastic、Lucidworks 等。

但是，Glean 首次成功创建了全面解决方案，通过其独特的 AI 模型和个性化服务，在简化部署和操作流程方面领先于这些竞争对手。

Glean 商业模式为纯 ToB 的模式，并向企业客户提供了两种不同的计费方式。

一种是基于每月每位用户（per-seat）的收费模式，每位用户的费用大约不超过 100 美元。另一种则是基于年度合同的定制化企业解决方案，这种合同的总金额一般介于 5 万到 10 万美元之间。值得一提的是，对于选择后者的客户，Glean 通常会提供一定的折扣，使得整体方案更具成本效益，因此也更受到客户的青睐。

此外，Glean 与 Google Cloud Platform (GCP) 建立了合作关系。在企业客户向 Glean 支付的费用中，有一部分是用于支付给 GCP 的费用。这笔费用相对固定，不会因为用户数量的增加而有显著变化，类似于一种基础成本，每月大约在 1,000 到 2,000 美金之间。

目前，Glean 已经拥有 70 多家客户，从初创企业到财富 500 强企业，遍及科技、媒体、教育和医疗保健等多个行业。

Glean 的客户｜图片来源：Glean 官网

Glean 也自然成了资本的宠儿，投资方包括 Kleiner Perkins、红杉资本、Lightspeed、Latitude Capital 等，到目前为止，Glean 成功进行了 4 轮融资，共融资 8.5 亿美元，估值高达 22 亿美元。

Glean 的投资方｜图片来源：Glean 官网

关于 Glean 的未来，Glean Technologies 创始人 Arvind Jain 表示，「如今，AI 的作用就是帮助你获取所需的信息。但很快，它的功能会更加强大，会转变为与你合作的 AI。你会看到各种各样的聊天机器人和系统，我们将生活在一个人工智能为我们工作的世界里。」

只用 5 年时间就做成了一家估值超过 20 亿美元的公司，Glean 无疑是成功的。但不得不说，2019 年时生成式 AI 尚未像当下这么火热。事实上，不止硅谷，在全球范围内都已经出现非常有实力的竞争者，这其中既有 OpenAI 这样的消费、B 端两手抓的公司；也有微软这样的商业软件巨头，更别说身后一堆 AI 初创公司。

作为领头羊，Glean 如何保持自己的优势、扩大在企业市场的影响力，是个让人万分期待的问题。

‍

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业