企業AI大戰新戰線：Glean押注「隱形基礎設施」策略

當Microsoft和Google爭奪表面時，Glean選擇成為企業數據與AI模型間的智能層。7年戰略轉型與72億美元估值背後的深層邏輯

一家估值72億美元的公司，為何將全部賭注押在「看不見」的地方？

當Microsoft將Copilot整合進Office，Google將Gemini推入Workspace時，新創公司Glean選擇了截然不同的戰略。它不爭奪表面的聊天介面，而是要成為AI模型與企業系統間的「智能連接層」。

七年戰略大轉彎

Glean在2017年以「企業版Google」起家，目標是打造一個AI驅動的搜尋工具，能夠跨越企業的SaaS工具庫進行索引和搜尋，從Slack到Jira，從Google Drive到Salesforce。

但創辦人Arvind Jain大幅調整了策略。「我們最初建構的搜尋產品，需要深度理解人們的工作方式和偏好，」他在TechCrunch訪談中表示，「這些現在都成為建構高品質代理程式的基礎。」

核心問題在於，大型語言模型過於通用。「AI模型本身對你的業務一無所知，」Jain說道，「它們不知道不同的人是誰，不知道你做什麼工作，製造什麼產品。你必須將模型的推理和生成能力與公司內部的情境連結起來。」

Glean的策略遠超表面的聊天介面。雖然Glean Assistant可能是客戶的入口點，但Jain認為真正留住客戶的是底層的三個核心要素。

首先是模型接入。Glean不強迫企業綁定單一LLM供應商，而是作為抽象層，讓企業隨著能力演進切換或組合不同模型。這就是為什麼Jain不將OpenAI、Anthropic或Google視為競爭對手，而是合作夥伴。

其次是連接器。Glean與Slack、Jira、Salesforce、Google Drive等系統深度整合，繪製資訊流動地圖，讓代理程式能在這些工具內執行操作。

第三，也是最重要的是治理機制。「你需要建構一個權限感知的治理層和檢索層，能夠帶來正確的資訊，但要知道是誰在提問，根據他們的存取權限過濾資訊。」在大型組織中，這一層往往是AI解決方案從試點到規模化部署的關鍵分界線。

企業無法簡單地將所有內部數據載入模型，然後再想辦法解決問題，Jain指出。關鍵是確保模型不會產生幻覺。Glean的系統會對照來源文件驗證模型輸出，生成逐行引用，並確保回應遵守現有存取權限。

問題是，當Microsoft和Google向技術堆疊更深層推進時，這個中間層是否還能存活。兩家公司已經控制了企業工作流程的大部分表面積，而且渴望獲得更多。

如果Copilot或Gemini能以相同權限存取相同的內部系統，獨立的智能層還重要嗎？

Jain認為，企業不希望被綁定到單一模型或生產力套件，寧願選擇中性的基礎設施層，而非垂直整合的助手。

投資者買單這個論點。Glean在2025年6月完成1.5億美元F輪融資，估值幾乎翻倍至72億美元。與前沿AI實驗室不同，Glean不需要大規模運算預算。「我們有一個非常健康、快速成長的業務，」Jain表示。

對華人企業而言，Glean的策略特別值得關注。許多亞洲企業在數位轉型過程中，既要考慮資料主權，又要平衡多供應商策略。Glean的中性定位可能符合這些需求。

特別是在台灣、香港等地的跨國企業，往往需要同時對接美國、歐洲、中國大陸的不同系統和合規要求。一個能夠抽象化底層模型差異、同時保持治理控制的智能層，可能比單一供應商的垂直解決方案更具吸引力。

然而，挑戰也很明顯。在中美科技競爭的背景下，企業對於將關鍵數據交給美國新創公司仍有顧慮。Glean需要在本地化部署、數據主權、合規性等方面提供更多保證。