AI初创公司Glean近日宣布，其已经完成1.5亿美元的融资，估值达72亿美元。这是这家美国企业级AI搜索初创公司在不到两年内的第三次融资。相比去年9月份的融资估值46亿美元，本次融资的估值大幅提升。

Glean完成新一轮融资

据了解，本轮融资由威灵顿资产（Wellington Management）领投，新增新投资者包括Khosla Ventures、Bicycle Capital、Geodesic Capital和Archerman Capital。而老股东红杉资本（Sequoia Capital）、Coatue、DST Global和光速资本（Lightspeed Venture Partners）也再次参与，表明他们对Glean发展势头的持续信心。

据了解，公司自2019年成立后完成六轮融资。去年9月，公司完成E轮融资，融资金额2.6亿美元，估值46亿美元。

Glean表示，这笔资金将用于加速产品开发、发展合作伙伴生态系统以及国际扩张。公司首席执行官Arvind Jain将此次融资定位为战略性举措，而非短期运营所必需。他表示：“我们正在构建一个将AI融入日常工作的平台，连接人与知识，自动化任务，并在整个企业中实现更智能的决策。”

威灵顿资产投资经理Matt Witheiler表示，该公司正在为这一AI平台长期发展前景背书。他说：“Glean的创新方法和快速增长确实令人印象深刻，我们相信他们有望成为企业AI未来的领导者。”

Glean有什么不一样？

Glean成立于2019 年，从企业内部搜索开始做起，即Glean Search。在ChatGPT推出之后，Glean以基于RAG技术的企业AI搜索为核心，陆续推出Glean Assistant（Copilot）和Glean Actions（Agent）等产品。

Glean的三款产品

Glean面向企业市场的搜索引擎Glean Search，允许员工在网络和公司内部文件中查找数据，并且仅从用户具有访问权限的文件中检索数据。

Glean还有一款称为Glean Assistant的工具。这款工具不仅可以搜索信息，还可以自动执行其他一些日常工作任务。Glean Assistant的“数据分析”功能允许用户使用自然语言提示查询业务数据。

近期，Glean的第三款被称为Glean Agents的工具发布。这款工具可以使创建AI智能体来完成调试软件代码等任务成为可能。用户也可以使用流行的第三方语言模型来支持他们的AI智能体。据公司透露，Glean Agents平台每年已经为超过1亿个代理提供支持。这种增长轨迹源于解决一个根本挑战：企业拥有大量知识（数据、人员和流程）被困在数百个应用程序中，但在作出关键决策时没有可靠的方法来访问这些知识。Glean已成为组织智能的上下文系统，为公司提供有效实施AI所需的支持。

这笔融资反映了企业AI领域的更广泛转变，组织正从试点项目转向广泛部署自主代理。Glean的模式围绕着将AI访问权大众化，不再局限于技术用户，通过情境感知映射组织工作流程，并在100多个软件平台上整合实时数据，使其成为工作场所AI运营化的关键参与者。

根据公司介绍，目前公司的客户包括戴尔等财富500强企业。而公司的营收也在快速增长中。去年9月，公司披露的年度经常性收入（ARR）为5500万美元，而最新的数据为1亿美元。

AI如何在企业落地？

红杉资本和Arvind Jain进行了深度访谈，Arvind Jain是Google早期员工，Google搜索算法的核心构建者。在这次访谈中，他们探讨了为什么企业搜索比互联网搜索更难，如何突破这个难点；AI如何在企业内部落地，以及如何用RAG实现和Google搜索类似的搜索排名效果；这为To B方面的AI落地实践提供了参考。

Arvind Jain认为，构建有效的AI应用需要先有强大的数据基础设施，包括与企业系统的深入集成、健全的安全和权限框架以及能够理解人与内容、上下文之间关系的复杂知识图谱。如果没有这个基础，无论模型多么复杂，AI应用都无法提供真正价值。

与消费者应用相比，企业搜索和AI应用落地的难点在于企业数据是私有的，基于权限的，并且具有深刻的上下文依赖性。所以突破难点，不仅在于理解内容，还要理解组织结构、用户角色和访问权限。

Arvind Jain还强调，企业AI迭代的方式是从员工的实际工作行为中学习——他们接触了哪些文档，如何在沟通工具中互动，以及哪些信息对他们有价值。追踪这些隐性信号可以创造一个良性循环，使AI能够逐步提供真正相关且有用的内容。

而对于AI创业者，Arvind Jain也给出了自己的建议。他认为，创业者必须找到一个打算解决的业务问题，并希望借助AI技术能以更好的方式解决这个问题。他不认为创建AI公司和其他公司本质上有太大的不同。

而对于企业AI创业者，不应从AI出发创业，而应从用户出发，例如先通过关键功能（如企业搜索）为用户提供清晰的价值，再扩展到更多的AI功能。这种方式可以建立与企业的信任，并为高级功能提供所需的数据基础。

校对：杨立林