企业级AI搜索公司Glean宣布,其年度经常性收入(ARR)已达到3亿美元,较15个月前突破1亿美元的里程碑实现了三倍增长。
尽管众多AI初创公司均保持着强劲的增长势头,Glean的表现依然格外亮眼。这家成立七年、长期被称为"企业版谷歌"的公司,正在科技巨头纷纷入局企业AI搜索市场的竞争浪潮中加速前行。
"公司成立的头四五年,我们几乎没有任何竞争对手,"Glean首席执行官Arvind Jain接受采访时表示,"但鉴于搜索对于企业AI落地的核心价值,全球每一家科技公司都想在这一赛道占据一席之地。"
目前,谷歌、微软、OpenAI、Anthropic、Salesforce以及Atlassian等科技巨头均已推出与Glean类似的企业AI搜索产品。
Jain认为,作为该领域的先行者固然具有优势,但持续提供更优质的产品同样至关重要。
在他看来,Glean区别于竞争对手的核心在于其AI工具对客户业务需求的深度理解。Glean通过连接并学习企业内部软件系统,构建起一套被业界称为"上下文图谱"的知识体系,从而实现对企业业务场景的精准把握。
Jain还表示,Glean的上下文图谱能够有效帮助企业降低AI计算成本。"将AI接入Glean后,系统会精准提供完成工作所需的信息,与直接将AI部署在企业系统上相比,AI消耗的Token数量会大幅减少。"他补充道,这是因为借助Glean,AI执行的操作次数明显降低。
当前,许多企业正面临AI预算超支的压力,Token成本的节约因此成为Glean重要的商业卖点。"我们的客户非常看重一点——Glean能够显著压缩他们的AI支出,"他说道。
Glean去年6月完成1.5亿美元F轮融资,估值达到72亿美元。公司的客户涵盖Databricks、Reddit、Pinterest和三星等知名企业,并提供多种灵活的定价方案:一种是按使用量付费的消费型模式,另一种是将活跃用户固定月费与模型使用费相结合的混合型模式。
值得注意的是,由于采用了消费型定价模式,Glean的3亿美元营收指标并不能完全等同于传统意义上的年度经常性收入,因为消费型模式本身并不具备严格意义上的"经常性"特征。纯消费型定价依赖于用户活跃度的波动,而非可预期的订阅续费,因此Glean部分营收更准确的描述应为"年化收入运行率"。
Q&A
Q1:Glean的"上下文图谱"是什么?有什么作用?
A:上下文图谱是Glean用于描述其AI对企业业务理解能力的核心概念。通过连接并持续学习企业内部软件系统,Glean的AI能够深入理解客户的业务需求和工作场景。这一机制不仅提升了搜索的精准度,还能减少AI执行操作的次数,从而显著降低Token消耗,帮助企业有效控制AI使用成本。
Q2:Glean是如何帮助企业削减AI成本的?
A:Glean通过上下文图谱,在AI执行任务前为其提供精准、有针对性的企业内部信息,避免AI在庞大系统中进行大量无效检索。这样一来,AI消耗的Token数量大幅减少,整体运算操作次数也随之降低,最终实现企业AI账单的显著压缩。在当前许多企业面临AI预算超支的背景下,这一能力已成为Glean的核心竞争优势。
Q3:Glean的定价模式是怎样的?
A:Glean目前提供两种定价模式:一是纯消费型模式,客户按实际使用量付费;二是混合型模式,将活跃用户的固定月费与模型调用的独立使用费相结合。需要注意的是,由于消费型模式依赖用户活跃度波动而非固定订阅,Glean对外公布的3亿美元收入指标中,有一部分更准确地应被称为"年化收入运行率",而非严格意义上的年度经常性收入。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。