QueryStory 呼吁对人工智能生成的内容保持谨慎
2009年,沙波尔·纳吉布扎德在担任谷歌系统运维工程师期间,发现了引人入胜的故事讲述所蕴含的力量。 在“极光行动”期间,当受国家支持的黑客将这家科技巨头作为攻击目标时,他被紧急召至危机处理室以厘清服务器活动情况,并亲身体会到:在分散的网络中追踪网络攻击,经过验证的知识至关重要——而这一过程在他看来既耗资巨大又效率低下。他认为,大型语言模型能够在极短时间内,在各种数据库中复现这种验证能力。
在随后的六年里,纳吉布扎德专注于将数据与网络安全相结合,利用谷歌的基础设施开发工具,使安全分析师能够查询复杂的数据集。2016年,他在谷歌X实验室内部联合创立了初创公司Chronicle,旨在将这些能力扩展到外部企业。
去年,纳吉布扎德意识到大型语言模型在数据分析中日益重要的作用,从而发现了将自己的网络安全技术应用到更广泛分析领域的机会。 他与首席技术官(CTO)斯坦利·杨(Stanley Yang)——一位前谷歌同事兼EvolutionIQ首席工程师——以及首席产品官(CPO)大卫·格卢西克(David Glusic)——一位埃森哲资深人士——共同创立了QueryStory,该公司今日正式出道。
“调查遵循一种模式:你向数据提出一系列问题,然后将这些答案整合成一个连贯的故事,”纳吉布扎德解释道。“这个概念启发了‘QueryStory’这个名字。它旨在构建真实、数据驱动的故事。”
2025年底,QueryStory从Brightmind Ventures和纽约人寿风投(New York Life Ventures)获得了600万美元的种子轮融资,公司估值达6000万美元。在此期间,这家初创公司通过客户试点项目不断完善其产品。 QueryStory 主要面向拥有庞大专有数据库的大型企业,作为数据分析和审查的统一平台,为销售和运营等团队提供支持。
“我们通过为企业提供可操作且可靠的答案,弥合了AI领域的信任鸿沟,”纳吉布扎德表示。“与其依赖人为判断或投入大量工程师,我们已将这种专业知识产品化。”
纽约人寿风投(New York Life Ventures)合伙人蒂姆·德尔·贝洛(Tim Del Bello)对该公司进行了投资,并已开始使用该平台取代手动报告流程,旨在将季度业务审查转变为实时仪表盘。
“这款产品专为那些需要从复杂、分散的数据源中获取真实情况,却缺乏专门数据科学或商业智能团队的决策者而设计,特别是在高度受监管的行业中,”他告诉TechCrunch。
解决AI系统脆弱性问题
我分享了一个追踪太空活动的数据库,以帮助理解SpaceX等公司的轨道运营情况。QueryStory在数小时内就生成了该数据的可视化图表——这项任务此前需要一名开发人员花费数周时间才能完成。该平台生成了功能强大的仪表盘,值得注意的是,其中还包含一个置信度指标,解释了AI代理为何认为这些分析是准确的。

地球轨道上卫星的可视化图。图片来源:QueryStory / QueryStory

基于太空数据生成的查询集。图片来源:QueryStory / QueryStory

一个 QueryStory 示例。图片来源:QueryStory / QueryStory

QueryStory的置信度指标。图片来源:QueryStory / QueryStory
虽然前沿实验室也提供协作工具,但这些工具在用户体验方面被有意限制。QueryStory的战略基于这样一种假设:企业用户在将AI集成到工作流程时,需要更高的透明度、可靠性和控制权。
例如,一位科技高管最近描述了使用 Claude Cowork 查询公司数据库的过程:他先查询,然后手动验证生成的 SQL 查询,最后才将其发送给数据分析师进行审核。在 QueryStory 中,这些 SQL 查询会自动生成,用户可以标记分析结果以供人工审核,所有反馈都会直接记录在平台上。
“在构建大型企业所依赖的稳健系统时,AI 的脆弱性远超人们的想象,”Brightmind Partners 合伙人泰勒·西珀利(Tayler Sipperly)向 TechCrunch 表示。
纳吉布扎德指出,将企业数据连接到大型语言模型(LLM)的聊天界面后,往往会导致成百上千名员工提出问题,从而产生相互矛盾的信息版本,并生成缺乏集中化数据源、难以管理的电子表格。
经济因素也起着重要作用。尽管QueryStory不依赖特定模型,且目前采用前沿实验室的最新模型,但纳吉布扎德认为,客户更倾向于选择那些没有激励机制去最大化智能资源消耗的服务提供商。
“我们的独特优势在于,业务模式并不依赖于消耗计算资源、存储空间或代币,”纳吉布扎德表示。他认为,像QueryStory这样的专用工具通过保留上下文信息,能够比通用型智能代理实现更高的效率和准确性。
“我们出售的是对答案的信任,”他说,“我们通过让首席财务官(CFO)准确了解这些解决方案的成本,从而创造商业价值。”
相关文章
法国初创公司ZML推出免费工具,加速跨多芯片的AI推理
Nvidia 不受制约的市场主导地位时代可能正在走向终结,然而竞争对手和替代方案正从各个角度涌现。由图灵奖得主杨立昆(Yann LeCun)支持的法国知名 AI 初创公司 ZML,推出了一款推理性能软件,使各种开源大语言模型能够在包括 Nvidia、AMD、Google TPUs、Apple Metal 和 Intel Arc 在内的多种硬件上运行。据 ZML 创始人 Steeve Morin 介绍,通过其新推出的 LLM 推理服务器 ZML/LLMD,该公司旨在打破现有的壁垒,并最大化不同
Anthropic 发布了备受争议的内容生成器 Opus 4.6
Anthropic针对Claude制定的通用使用标准禁止该模型生成色情内容,包括描述或要求进行性交或性行为、生成与性癖好或性幻想相关的内容,以及进行色情聊天。 然而,这并未阻止Anthropic今年早些时候发布的模型Claude Opus 4.6轻易参与其安全防护机制本应阻止的色情角色扮演场景。在 TechCrunch 的测试中,Opus 4.6 甚至无需过多怂恿就能突破对色情内容的限制。在 10
由马克·贝尼奥夫支持的初创公司旨在解决人工智能部署挑战
大型企业在部署可靠的人工智能工具时面临如此严峻的挑战,以至于整个前沿部署工程师团队——这些嵌入在客户公司内部以将人工智能系统投入运营的专业人员——正在涌现,以弥合这一差距。“矛盾的是,人工智能推高了专业服务的需求,”前 Salesforce 高管、新成立的 June 公司创始人 Efrat Rapoport 周一宣布该公司结束秘密运营状态时指出。“行业解决人工智能集成问题的方法只是雇佣越来越多的人。”Rapoport 与她的三位联合创始人——Ohad Hen、Barak Goldstein
相关专题推荐
评论 (0)
0/500
2009年,沙波尔·纳吉布扎德在担任谷歌系统运维工程师期间,发现了引人入胜的故事讲述所蕴含的力量。 在“极光行动”期间,当受国家支持的黑客将这家科技巨头作为攻击目标时,他被紧急召至危机处理室以厘清服务器活动情况,并亲身体会到:在分散的网络中追踪网络攻击,经过验证的知识至关重要——而这一过程在他看来既耗资巨大又效率低下。他认为,大型语言模型能够在极短时间内,在各种数据库中复现这种验证能力。
在随后的六年里,纳吉布扎德专注于将数据与网络安全相结合,利用谷歌的基础设施开发工具,使安全分析师能够查询复杂的数据集。2016年,他在谷歌X实验室内部联合创立了初创公司Chronicle,旨在将这些能力扩展到外部企业。
去年,纳吉布扎德意识到大型语言模型在数据分析中日益重要的作用,从而发现了将自己的网络安全技术应用到更广泛分析领域的机会。 他与首席技术官(CTO)斯坦利·杨(Stanley Yang)——一位前谷歌同事兼EvolutionIQ首席工程师——以及首席产品官(CPO)大卫·格卢西克(David Glusic)——一位埃森哲资深人士——共同创立了QueryStory,该公司今日正式出道。
“调查遵循一种模式:你向数据提出一系列问题,然后将这些答案整合成一个连贯的故事,”纳吉布扎德解释道。“这个概念启发了‘QueryStory’这个名字。它旨在构建真实、数据驱动的故事。”
2025年底,QueryStory从Brightmind Ventures和纽约人寿风投(New York Life Ventures)获得了600万美元的种子轮融资,公司估值达6000万美元。在此期间,这家初创公司通过客户试点项目不断完善其产品。 QueryStory 主要面向拥有庞大专有数据库的大型企业,作为数据分析和审查的统一平台,为销售和运营等团队提供支持。
“我们通过为企业提供可操作且可靠的答案,弥合了AI领域的信任鸿沟,”纳吉布扎德表示。“与其依赖人为判断或投入大量工程师,我们已将这种专业知识产品化。”
纽约人寿风投(New York Life Ventures)合伙人蒂姆·德尔·贝洛(Tim Del Bello)对该公司进行了投资,并已开始使用该平台取代手动报告流程,旨在将季度业务审查转变为实时仪表盘。
“这款产品专为那些需要从复杂、分散的数据源中获取真实情况,却缺乏专门数据科学或商业智能团队的决策者而设计,特别是在高度受监管的行业中,”他告诉TechCrunch。
解决AI系统脆弱性问题
我分享了一个追踪太空活动的数据库,以帮助理解SpaceX等公司的轨道运营情况。QueryStory在数小时内就生成了该数据的可视化图表——这项任务此前需要一名开发人员花费数周时间才能完成。该平台生成了功能强大的仪表盘,值得注意的是,其中还包含一个置信度指标,解释了AI代理为何认为这些分析是准确的。

地球轨道上卫星的可视化图。图片来源:QueryStory / QueryStory

基于太空数据生成的查询集。图片来源:QueryStory / QueryStory

一个 QueryStory 示例。图片来源:QueryStory / QueryStory

QueryStory的置信度指标。图片来源:QueryStory / QueryStory
虽然前沿实验室也提供协作工具,但这些工具在用户体验方面被有意限制。QueryStory的战略基于这样一种假设:企业用户在将AI集成到工作流程时,需要更高的透明度、可靠性和控制权。
例如,一位科技高管最近描述了使用 Claude Cowork 查询公司数据库的过程:他先查询,然后手动验证生成的 SQL 查询,最后才将其发送给数据分析师进行审核。在 QueryStory 中,这些 SQL 查询会自动生成,用户可以标记分析结果以供人工审核,所有反馈都会直接记录在平台上。
“在构建大型企业所依赖的稳健系统时,AI 的脆弱性远超人们的想象,”Brightmind Partners 合伙人泰勒·西珀利(Tayler Sipperly)向 TechCrunch 表示。
纳吉布扎德指出,将企业数据连接到大型语言模型(LLM)的聊天界面后,往往会导致成百上千名员工提出问题,从而产生相互矛盾的信息版本,并生成缺乏集中化数据源、难以管理的电子表格。
经济因素也起着重要作用。尽管QueryStory不依赖特定模型,且目前采用前沿实验室的最新模型,但纳吉布扎德认为,客户更倾向于选择那些没有激励机制去最大化智能资源消耗的服务提供商。
“我们的独特优势在于,业务模式并不依赖于消耗计算资源、存储空间或代币,”纳吉布扎德表示。他认为,像QueryStory这样的专用工具通过保留上下文信息,能够比通用型智能代理实现更高的效率和准确性。
“我们出售的是对答案的信任,”他说,“我们通过让首席财务官(CFO)准确了解这些解决方案的成本,从而创造商业价值。”
法国初创公司ZML推出免费工具,加速跨多芯片的AI推理
Nvidia 不受制约的市场主导地位时代可能正在走向终结,然而竞争对手和替代方案正从各个角度涌现。由图灵奖得主杨立昆(Yann LeCun)支持的法国知名 AI 初创公司 ZML,推出了一款推理性能软件,使各种开源大语言模型能够在包括 Nvidia、AMD、Google TPUs、Apple Metal 和 Intel Arc 在内的多种硬件上运行。据 ZML 创始人 Steeve Morin 介绍,通过其新推出的 LLM 推理服务器 ZML/LLMD,该公司旨在打破现有的壁垒,并最大化不同
Anthropic 发布了备受争议的内容生成器 Opus 4.6
Anthropic针对Claude制定的通用使用标准禁止该模型生成色情内容,包括描述或要求进行性交或性行为、生成与性癖好或性幻想相关的内容,以及进行色情聊天。 然而,这并未阻止Anthropic今年早些时候发布的模型Claude Opus 4.6轻易参与其安全防护机制本应阻止的色情角色扮演场景。在 TechCrunch 的测试中,Opus 4.6 甚至无需过多怂恿就能突破对色情内容的限制。在 10
由马克·贝尼奥夫支持的初创公司旨在解决人工智能部署挑战
大型企业在部署可靠的人工智能工具时面临如此严峻的挑战,以至于整个前沿部署工程师团队——这些嵌入在客户公司内部以将人工智能系统投入运营的专业人员——正在涌现,以弥合这一差距。“矛盾的是,人工智能推高了专业服务的需求,”前 Salesforce 高管、新成立的 June 公司创始人 Efrat Rapoport 周一宣布该公司结束秘密运营状态时指出。“行业解决人工智能集成问题的方法只是雇佣越来越多的人。”Rapoport 与她的三位联合创始人——Ohad Hen、Barak Goldstein





首页






