Glean

Glean 是一款企业级工作 AI 平台，由前 Google 杰出工程师 Arvind Jain 创立。在 2019 年与联合创始人 T.R. Vishwanath、Piyush Prahladka 和 Tony Gentilcore 共同创立 Glean 之前，他曾是 Rubrik 的联合创始人。他们的创立初衷非常直接：快速发展的公司员工每天都在浪费大量时间，因为企业知识散落在数十个 SaaS 工具中，缺乏统一的检索方式。Glean 的诞生正是为了解决这一问题，它采用具备权限感知能力的知识图谱，能够索引所有内容，理解人与内容之间的关系，并根据每位员工的角色和工作历史返回个性化的搜索结果。到 2026 年初，该平台的年度经常性收入（ARR）已突破 $250M+，同比增长超过 150%+，成为市场上扩张最快的企业级 AI 公司之一。

该平台拥有三大核心支柱。Glean Search 将 Google Drive、Slack、Confluence、Jira、Salesforce、GitHub、ServiceNow 和 Zendesk 等 100 多款企业应用连接成一个统一的、具备权限感知的搜索层，并根据角色和团队返回个性化结果。Glean Assistant 是一款用于问答、总结、内容起草和事件分类的 AI 助手——2025 年 9 月发布的第三代版本引入了 Enterprise Graph（企业图谱），将全公司的知识图谱与每位员工的个人图谱相结合，随着时间的推移不断学习写作基调和工作模式。Glean Apps 和 Glean Agents（于 2026 年 1 月全面上市）让非技术用户能够通过自然语言配置来构建和部署自定义 AI 智能体，并配备了无代码拖拽式 Agent Builder（智能体构建器）和预置的 Quickstart Agents（快速启动智能体）库。Model Hub 支持 15 种以上的 LLM（大语言模型），包括 Amazon Bedrock、Azure OpenAI 和 Google Vertex，让企业能够自由选择其 AI 底层架构。

Glean 在 2026 年 5 月的实际功能

Glean 的核心机制是一个知识图谱，它不仅索引文档，还索引文档之间的关系：谁写了什么、谁拥有哪个代码库、特定主题的领域专家是谁、哪些文档相互引用，以及在哪些 Slack 对话中讨论了什么内容。当员工进行搜索时，结果会通过实时权限进行过滤，仅显示用户有权访问的内容——这是一个在技术上极具挑战性的问题，而 Glean 投入了大量资源来妥善解决。

Glean Assistant 通过对该图谱进行推理来回答复杂的多步问题。值班工程师可以输入错误签名，并获得一个综合答案，该答案提取自过去的事件回顾、相关的操作手册、讨论该错误的 Slack 对话，以及引入该回归的具体 PR。新员工可以询问报销政策，并获得带有特定 Confluence 页面引用的直接答案，而无需花费 20 分钟在他们不熟悉的 wiki 中摸索。Glean 称，在入职期间，平均每位新员工可节省 36 小时，每位用户每年最多可节省 110 小时。

大规模部署 Glean 的客户包括 TIME Magazine、Databricks、Booking.com、T-Mobile、Duolingo、Wealthsimple、Grammarly 和 Confluent，涵盖技术、媒体、金融服务和专业服务等垂直领域。

"Glean 帮助你完成工作，而不仅仅是寻找信息。" - Tadeu Faedrick，Booking.com 高级工程经理

"工程师能够更快地解决事件，从而带来更好的体验。" - Kathleen Cauley，Wealthsimple 知识经理

2024 年 9 月的 E 轮融资是该公司的决定性时刻。Glean 筹集了 $260M+，由 Altimeter 和 DST Global 领投，将其估值推高至 $4.6B——这是其在短短七个月前（2024 年 2 月 D 轮融资）达到的 $2.2B 估值的两倍。此轮融资的投资者阵容引人注目：SoftBank Vision Fund 2、Craft Ventures、Sapphire Ventures、Coatue、General Catalyst、ICONIQ、IVP、Kleiner Perkins、Lightspeed 和 Sequoia 均参与其中。在获得融资的同时，Glean 推出了其 Next-Generation Prompting（下一代提示）系统：高级多步 RAG 提示、用于在全组织范围内创建和共享提示的 Prompt Builder 工作室、Prompt Library（提示库），以及与 Zendesk 和 Salesforce Service Cloud 的嵌入式集成。

Glean 与 Hebbia 和 Microsoft Copilot 的定位对比

在机制上最截然不同的两个竞争对手是 Hebbia 和 Microsoft 365 Copilot，通过对比它们，可以清楚地了解 Glean 究竟针对什么进行了优化，又未针对什么进行优化。

Hebbia 深入于文档推理，而 Glean 则广泛覆盖企业搜索。Hebbia 的 Matrix 界面旨在并行处理数千页文档并提取结构化洞察，使其成为金融、法律和咨询工作流的专属工具，在这些场景中，您需要大规模地从非结构化文档中提取特定数据点（例如从 200 次财报电话会议中提取所有收入数据；比较 50 份招股说明书中的风险因素）。Glean 没有文档级别的深度提取模式。但 Glean 拥有 Hebbia 所缺乏的完整企业知识图谱：能够同时跨人员、对话、代码、工单和文档进行搜索，并按角色进行个性化定制。Hebbia 估计的 $13.7M ARR（Sacra，2024 年初）与 Glean 的 $250M+ 相比，表明 Hebbia 仍然是用于高价值专业研究工作流的专家级工具，而 Glean 则瞄准了更广泛的企业生产力问题。

Microsoft 365 Copilot 是企业评估 Glean 时最常被提及的竞争对手。关键的机制差异在于生态系统范围。Copilot 深度集成到 Word、Excel、PowerPoint、Teams、Outlook 和 SharePoint 中——它知道您在 Word 中编辑了什么、Teams 中刚刚结束了什么会议，以及您收到了哪些电子邮件。但其搜索和 AI 功能在 Microsoft 生态系统之外会大幅衰减。如果您的公司使用 Slack 而不是 Teams，使用 Jira 而不是 Azure DevOps，或者使用 Salesforce 作为 CRM，Copilot 只能提供单薄、片面的结果。Glean 的连接器覆盖了 100 多款应用，不受供应商限制，使其更适合异构技术栈。在模型灵活性方面，Glean 支持 15 种以上的 LLM 后端；而 Copilot 仅通过 Azure 绑定到 OpenAI。权衡之处在于，对于已经标准化使用 M365 的公司来说，Copilot 在这些应用内部的深度可能会胜过 Glean 的广度。

关于相邻工具的背景信息，AlphaSense 占据了类似的“带有 AI 综合能力的企业搜索”定位，但专门专注于金融和市场情报（SEC 文件、财报记录、券商研究），而不是公司内部知识。Snowflake Cortex 解决了企业知识搜索中结构化数据端的问题——用自然语言查询数据库和数据仓库——而 Glean 则专注于非结构化文档和通信内容。希望寻找 Glean 纯云端模型的自托管或开源替代方案的团队通常会评估 AnythingLLM，它以牺牲连接器的广度为代价换取了完全的本地部署。

日常工作流的实际体验

对于大多数员工来说，Glean 表现为一个搜索栏，可通过浏览器扩展、Web 应用、桌面应用（2025 年 11 月发布）或嵌入在 Slack 中使用。最常见的模式是：有人需要查找他们知道存在于某处的内容——定价文档、政策决定、过去的事件报告、客户对话——并输入自然语言查询，而不是导航到特定的应用。Glean 会从其连接的任何应用中返回带有来源引用和相关文档的综合答案。

对于重度使用 Glean Assistant 的团队来说，其价值会随着时间的推移而复合增长。第三代助手（2025 年 9 月）会学习每位员工在不同语境下的写作偏好。起草事后分析报告的工程师会得到与撰写交易更新的销售代表不同的语气建议。系统会从所有 100 多款连接应用中过去的工作模式中学习——当它正常工作时非常强大，但在失效时偶尔也会呈现错误的过去背景信息。

Agent 和 Apps 层（现已全面上市）让团队能够构建专门的助手：一个仅根据批准的知识库文章回答问题的 IT 帮助台机器人，一个使用批准内容引导新员工度过前 30 天的入职助手，一个了解 Salesforce 中每笔交易以及产品文档的销售助手。在预览期间，100 多家客户部署了 1,000 多个自定义应用。Agent Builder 是无代码的，使用拖拽和自然语言配置——这意味着人力资源或运营部门的非技术用户无需工程师参与即可构建自己的智能体。

Glean 为谁而建

Glean 最适合拥有 200 名以上员工、异构 SaaS 技术栈（20 多款工具）以及存在明确知识发现问题的企业。投资回报率（ROI）最高的团队通常是 IT（事件响应、知识库）、人力资源和人员运营（入职、政策查询）、工程（代码库上下文、操作手册）、销售赋能（交易准备、竞争情报）以及客户支持（产品知识检索）。在那些大量企业知识存在于 Slack 对话、Confluence 空间和历史 Jira 工单（员工通常不知道去哪里查找的地方）的公司中，Glean 能够最快地实现价值。

Glean 报告的具体客户成果包括：SafetyCulture 将搜索时间缩短了 50%。TIME Magazine 在三周内上线（据 CIO Sharon Milz 称，“从未如此快速地集成过任何东西”）。Grammarly 的支持团队找到了他们以前不知道存在的文档。Wealthsimple 的工程团队缩短了事件解决时间。

Gartner 新兴领导者认可（2025 年生成式 AI 知识管理创新指南）和 Fast Company 2025 年全球最具创新力公司榜单反映了真实的全球市场验证，而不仅仅是营销定位。

Glean 不是什么

Glean 不是 Zapier 或 Make 等工具意义上的工作流自动化平台。在 2025-2026 年的 Agents 层推出之前，它主要用于查找和综合信息，而不采取行动。即使现在 Agents 已经上线，其操作层面仍在成熟中——具有复杂审批工作流、多步人在回路流程或深度 ERP 集成需求的团队，除了 Glean 之外，或者作为 Glean 的替代方案，还应评估专门构建的编排工具。

Glean 不适合已经标准化使用 Microsoft 365 且极少使用非 Microsoft 工具的团队。对于这些团队来说，Microsoft Copilot 在 Office 应用内部的深度胜过 Glean 的广度。考虑到 100 个席位的最低合同门槛（每年约 $60,000 的最低承诺），Glean 也不适合 100 人以下的团队。希望以较低财务风险试点企业搜索的团队，在签订 Glean 合同之前，应考虑 AnythingLLM 或类似的开源工具。

对于需要 AI 对特定外部文档语料库（财务文件、法律合同、科学文献）而不是公司内部知识进行深度推理的组织，Hebbia 或 AlphaSense 是更好的选择。