600 万美元种子轮背后
QueryStory 结束隐身状态。TechCrunch 的相关报道日期为 2026 年 8 月 26 日，作者是 Tim Fernholz。公司在 2025 年底完成了 600 万美元种子轮融资，估值 6000 万美元。本轮由 Brightmind Partners 和 New York Life Ventures 领投。
从融资到结束隐身状态之间，公司用时间做了产品开发和客户试点。
团队中的关键角色：
- Shapor Naghibzadeh — 联合创始人兼 CEO。
- Stanley Yang — CTO，Naghibzadeh 在 Google 的前同事，曾任 EvolutionIQ 的 lead engineer。
- David Glusic — CPO，Accenture 资深人士。
New York Life Ventures 的这笔投资由该基金的 managing director Tim Del Bello 主导。投资者在那些准备季度业务回顾需要多人协作的场景中应用该平台。Del Bello 预计，这样的场景将变成一个实时更新的仪表盘。
“这个产品是为像我这样的人打造的：为需要可靠全景的决策者而做，”Del Bello 说。“他们不得不处理复杂且异构的数据源，却没有自己的 data science 或 BI 团队，尤其是在强监管行业。”
该平台面向拥有庞大自有数据库的大型企业。其用户包括销售部门和运营经理。实用标准是：在需要对异构企业数据建立统一分析入口并核验结论的地方，产品才有意义。
可验证性原则从何而来
2009 年，Naghibzadeh 在 Google SysOps 担任工程师。受中国支持的黑客在 Operation Aurora 行动中攻击了这家搜索巨头。他被召入紧急组建的 war room——去解释公司服务器上发生了什么。
通过分散网络追踪攻击的经历，让他认识到经过验证的知识的价值。但这类工作既昂贵又耗时。Naghibzadeh 认为，LLM 能以极短的时间把同样的功能带给各类数据库。
接下来的六年，他专注于数据与网络安全的交叉领域。他利用 Google 的资源为安全分析师打造工具。这些工具让他们能够查询复杂数据。2016 年，他在 Google's X Labs 联合创办了初创公司 Chronicle。目标是把同样的功能带给其他公司。
去年，LLM 在数据分析中占据了重要地位。Naghibzadeh 看到了新的机会：把网络安全中的技术应用到各类分析中。
结论：产品的核心不是生成答案的速度，而是通往经过验证的结论的可复现路径。
结论核验是如何设计的
该平台输出精心制作的仪表盘和分析。它还会单独给出一个置信度指标。该指标展示 AI 智能体为何认为自己的分析是准确的。
SQL 查询会自动生成。用户可以将分析标记为待同事核验。反馈会记录在平台中。
报道中的一个例子：一家科技公司的高管通过 Claude Cowork 查询公司数据库。随后他要求模型展示所编写的 SQL 查询。只有在这之后，查询才会交给分析师进行人工核验。
| 标准 | 通用 LLM 聊天界面 | 专用平台 |
|---|---|---|
| SQL 查询 | 用户需单独请求 | 自动生成 |
| 置信度指标 | 所述场景中未出现 | 展示准确性的依据 |
| 人工核验 | 被置于聊天之外 | 分析可被标记，反馈存储在平台中 |
| 用户体验 | 有意受限 | 宣称具备透明性、可靠性和控制力 |
结论：可验证性由三个要素构成——自动 SQL、置信度指标和已记录的核验历史。实用标准是：看能否还原从问题到数字的路径。
模型无关性与拒绝出售算力
QueryStory 的构建方式使其不依赖单一模型。目前它主要使用前沿实验室的最新模型。在这些模型之上，公司在产品层面与之竞争。
Naghibzadeh 认为，客户会倾向于选择一个无意尽可能多地出售“智能”的供应商。他的论点是：“我们在这里有很多优势，因为我们不是那种围绕算力、存储或 token 消耗建立商业模式的公司之一。”
专用工具可能比通用智能体更高效、更精准。原因在于它理解并保留上下文。
实用标准是：看供应商的收入来源。按照 Naghibzadeh 的逻辑，出售 token 的模式会产生一种与客户对准确性的利益相背离的激励。
AI 的脆弱性与真相版本的泛滥
Brightmind Partners 的 partner Tayler Sipperly 警告说：“当涉及那些必须可靠、且大型企业赖以运转的事情时，AI 比看起来更脆弱。”
Naghibzadeh 描述了另一个问题。当公司把数据接入 LLM 聊天界面时，成百上千的员工各自提问，各自得到自己版本的真相。这些版本进入幻灯片并在组织中扩散。内容不断膨胀，却无处将其固定下来，使其能回溯到数据。
一个关于速度的例子：一名记者分享了关于太空活动的数据库。QueryStory 在几个小时内构建出了可视化。而这个记者当年与一名开发者一起做的项目，花了好几个星期。
结论：可验证性的价值随着依据数据做决策的人数增加而增长。实用标准是：在多个团队必须依赖同一版本数据并保留其核验历史的地方，就需要这样的平台。
