Dust是一家总部位于法国的全新AI初创公司，致力于通过打破内部信息孤岛、挖掘重要知识以及提供构建定制内部应用的工具来提升团队生产力。其核心在于利用大型语言模型（LLM）处理公司内部数据，从而为团队成员赋予全新的“超能力”。
该公司由加布里埃尔·于贝尔（Gabriel Hubert）和斯坦尼斯拉斯·波卢（Stanislas Polu）联合创立，两人相识已超过十年。他们的第一家初创公司名为Totems，于2015年被Stripe收购。此后，他们都在Stripe工作了几年的时间，然后分道扬镳。
Stanislas Polu加入了OpenAI，在那里他花了三年时间研究LLM的推理能力，而Gabriel Hubert则成为Alan的产品负责人。
他们再次联手创建了Dust。与许多AI初创公司不同，Dust并不专注于开发新的大型语言模型。相反，该公司希望基于OpenAI、Cohere、AI21等开发的大型语言模型构建应用程序。
该团队最初致力于开发一个可用于设计和部署大型语言模型应用的平台，随后将精力集中在一个特定的用例上——即集中化和索引内部数据，以便供LLM使用。
从内部ChatGPT到下一代软件
有少数几个连接器会持续从Notion、Slack、GitHub和Google Drive获取内部数据。这些数据随后会被索引，并可用于语义搜索查询。当用户希望使用基于Dust的应用程序执行某项操作时，Dust会找到相关的内部数据，将其作为大型语言模型的上下文，并返回答案。
例如，假设你刚加入一家公司，正在参与一个早已启动的项目。如果你的公司倡导沟通透明化，你会希望在现有的内部数据中查找信息。但内部知识库可能已过时。或者，由于某些做法曾在已归档的Slack频道中讨论过，你可能很难找到这样做的理由。
Dust不仅仅是一个更好的内部搜索工具，因为它不仅返回搜索结果。它可以在多个数据源中查找信息，并以对你更有用的方式格式化答案。它可以作为一种内部ChatGPT使用，也可以作为新内部工具的基础。
“我们坚信自然语言界面将颠覆软件行业，”加布里埃尔·于贝尔告诉我。“五年后，如果你仍然需要去点击编辑、设置、偏好选项来决定你的软件应该如何以不同方式运行，那将是令人失望的。我们看到越来越多的软件能够适应你的个人需求，因为这就是你的工作方式，同时也因为这就是你们团队的工作方式——因为这就是你们公司的运作方式。”
该公司正与设计合作伙伴合作，探索多种实施和打包Dust平台的方式。“我们认为在企业数据、知识工作者以及用于支持他们的模型这一领域，可以创建许多不同的产品，”波卢告诉我。
Dust仍处于早期阶段，但该初创公司正在探索一个有趣的问题。在数据保留、幻觉以及所有与大型语言模型相关的问题方面，前方仍有许多挑战。随着大型语言模型的演进，幻觉问题可能会减少。出于数据隐私原因，Dust最终可能会创建自己的大型语言模型。
Dust 在由 Sequoia 领投的种子轮融资中筹集了 550 万美元（500 万欧元），XYZ、GG1、Seedcamp、Connect、Motier Ventures、Tiny Supercomputer 和 AI Grant 等机构跟投。多位商业天使投资人也参与了此次融资，包括来自 Datadog 的 Olivier Pomel、来自 Hugging Face 的 Julien Codorniou 和 Julien Chaumond、来自 Front 的 Mathilde Collin、来自 Alan 的 Charles Gorintin 和 Jean-Charles Samuelian-Werve、来自 Pigment 的 Eléonore Crespo 和 Romain Niccoli、来自 BlaBlaCar 的 Nicolas Brusson、来自 Airtable 的 Howie Liu、来自 PhotoRoom 的 Matthieu Rouif，以及 Igor Babuschkin 和 Irwan Bello。
退一步看，Dust 押注的是大语言模型（LLMs）将极大地改变企业的工作方式。像 Dust 这样的产品，在倡导彻底透明而非信息囤积、推崇书面沟通而非无休止会议、强调自主性而非自上而下管理的企业中，能发挥更大的效能。
如果大语言模型兑现其承诺并大幅提升生产力，那么那些采纳这些价值观的公司将获得不公平的优势，因为 Dust 将为知识工作者释放大量未被挖掘的潜力。
Sam Altman 分享了他对我们 AI 未来的乐观看法