随着生成式人工智能重塑各行各业，其最重要却最容易被忽视的挑战之一是检索——即从杂乱的知识库中获取带有相关上下文的正确数据的过程。大型语言模型（LLM）的准确性取决于它们能够检索到的信息质量。
这正是ZeroEntropy希望大展身手的领域。这家由首席执行官Ghita Houir Alami和首席技术官Nicholas Pipitone联合创立、总部位于旧金山的初创公司，已筹集420万美元的种子轮融资，旨在帮助模型快速、准确且大规模地检索相关数据。
本轮融资由Initialized Capital领投，Y Combinator、Transpose Platform、22 Ventures、a16z Scout以及众多天使投资人参与，其中包括来自OpenAI、Hugging Face和Front的从业者。
ZeroEntropy加入了一波不断壮大的基础设施公司行列，这些公司希望利用检索增强生成（RAG）技术为下一代AI代理提供搜索动力。其竞争对手包括MongoDB旗下的VoyageAI以及早期YC初创公司如Sid.ai。
“我们见过许多在RAG领域及其周边构建产品的团队，但Ghita和Nicolas的模型表现优于我们所见的一切，”Initialized Capital合伙人Zoe Perret表示。“毫无疑问，检索是AI下一个前沿领域的关键突破口，而ZeroEntropy正在构建这一能力。”
定位：搜索领域的Supabase
检索增强生成（RAG）从外部文档中抓取数据，已成为AI代理的首选架构，无论是展示人力资源政策的聊天机器人，还是引用案例法的法律助手，都依赖于此。
然而，ZeroEntropy创始人认为，对于许多AI应用而言，这一层显得脆弱：它是由向量数据库、关键词搜索和重排序模型拼凑而成的集合体。ZeroEntropy提供了一套API，用于管理数据摄入、索引、重排序和评估。
这意味着——与面向企业员工的搜索产品Glean不同——ZeroEntropy纯粹是一个开发者工具。它能够快速抓取数据，即使面对杂乱的内部文档也是如此。Houir Alami将她的初创公司比作“搜索领域的Supabase”，指的是那个自动化大部分数据库管理的流行开源数据库。
“目前，大多数团队要么是将市场上的现有工具拼接在一起，要么是将整个知识库倒入LLM的上下文窗口中。第一种方法构建和维护耗时费力，”Houir Alami说，“第二种方法会导致错误累积。我们正在构建一个以开发者为中心的搜索基础设施——可以把它想象成‘搜索领域的Supabase’——旨在让部署准确、快速的检索系统变得简单高效。”
核心优势与早期落地
其核心是专有的重排序器ze-rank-1，该公司声称该模型目前在公开和私有的检索基准测试中均优于Cohere和Salesforce的类似模型。它确保当AI系统在知识库中查找答案时，能够优先获取最相关的信息。
她补充道，已有超过10家处于早期阶段的公司在医疗、法律、客户支持和销售等垂直领域构建AI代理，并已开始使用ZeroEntropy。
创始人背景与愿景
Houir Alami出生于摩洛哥并在当地长大，17岁离家赴法国攻读工程学学位，就读于著名的军事与数学导向型学府巴黎综合理工学院（École Polytechnique）。在那里，她发现了自己对机器学习的热爱。
她两年前搬到加利福尼亚州，在加州大学伯克利分校攻读数学硕士学位，并在那里加深了对构建智能系统的兴趣。
在创立ZeroEntropy之前，Houir Alami曾尝试开发一款AI助手——她对对话代理的构想——这发生在ChatGPT普及之前。她表示，在尝试构建该助手的过程中获得的见解，尤其是意识到为大型语言模型提供恰当的背景和信息对于其有用性至关重要，部分激发了她创立ZeroEntropy的动力。
在一个常因缺乏多样性而备受批评的领域，25岁的Houir Alami是少数几位为AI最棘手难题之一构建深层基础设施的女性CEO之一。然而，她希望这种情况不会持续太久。
“DevTools或AI基础设施领域的女性并不多，”她说，“但我会告诉任何对技术问题感兴趣的年轻女性：不要让这一点阻止你。如果你对复杂的技术问题感兴趣，不要让别人让你觉得自己没有能力去追求它们。你应该勇敢去尝试。”
她还通过在摩洛哥的高中and大学发表演讲来保持与根源的联系，旨在激励更多年轻女孩投身STEM领域。