随着生成式人工智能重塑各行业，检索技术——即从杂乱知识库中获取带有相关背景的正确数据——成为其最重要却最隐蔽的挑战之一。大语言模型（LLM）的准确性完全取决于其检索信息的能力。
这正是ZeroEntropy希望大展拳脚的领域。这家总部位于旧金山的初创公司由首席执行官Ghita Houir Alami和首席技术官Nicholas Pipitone联合创立，已获得420万美元种子轮融资，致力于帮助模型快速、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及包括OpenAI、Hugging Face和Front高管在内的众多天使投资人跟投。
ZeroEntropy正加入日益壮大的基础设施企业浪潮，这些企业希望通过检索增强生成（RAG）技术为下一代AI智能体提供搜索动力。其竞争对手从MongoDB的VoyageAI到同为YC孵化的早期初创公司Sid.ai不一而足。
“我们见过许多围绕RAG技术开发的团队，但Ghita和Nicolas的模型表现远超同行，”Initialized Capital合伙人Zoe Perret表示，“检索无疑是AI下一阶段的关键突破口，而ZeroEntropy正在构建这个未来。”
检索增强生成（RAG）技术从外部文档抓取数据，已成为AI智能体的首选架构——无论是调取HR政策的聊天机器人，还是引用案例法的法律助手。
但ZeroEntropy创始人认为，对许多AI应用而言，当前检索层是脆弱的：它只是向量数据库、关键词搜索和重排序模型的拼凑组合。该公司提供的API可统一管理数据摄取、索引建立、结果重排和效果评估。
这意味着与Glean等面向企业员工的搜索产品不同，ZeroEntropy纯粹是开发者工具，能快速抓取数据——即便面对杂乱的内部文档。Houir Alami将她的初创公司比作“搜索界的Supabase”，后者是以自动化数据库管理著称的开源数据库。
“目前大多数团队要么拼凑市面现有工具，要么将整个知识库塞进LLM的上下文窗口。前者构建和维护耗时，”Houir Alami解释道，“后者会导致误差累积。我们正在打造开发者优先的搜索基础设施——就像搜索界的Supabase——让部署精准快速的检索系统变得轻松高效。”
公司核心是其专利重排序模型ze-rank-1，官方宣称该模型在公开和私有检索基准测试中均优于Cohere和Salesforce的同类产品。它能确保AI系统在知识库中搜索答案时，优先抓取最相关信息。
Houir Alami透露，已有10余家早期公司正在医疗、法律、客户支持和销售等垂直领域使用ZeroEntropy构建AI智能体。
在摩洛哥长大的Houir Alami17岁赴法国攻读工程学，就读于以军事和数学著称的顶尖学府巴黎综合理工学院，并在那里发现了对机器学习的热爱。两年前她移居加州，在加州大学伯克利分校攻读数学硕士学位，进一步深化了对智能系统建设的兴趣。
在创立ZeroEntropy前，Houir Alami曾尝试开发对话式AI助手——早于ChatGPT的普及。她表示，这段经历让她深刻认识到为LLM提供正确上下文信息的重要性，这也部分促使她创立了ZeroEntropy。
在这个常因缺乏多样性受诟病的领域，25岁的Houir Alami是少数致力于解决AI最棘手问题的女性基础设施创业者。但她希望这种状况不会持续太久。
“开发工具和AI基础设施领域的女性很少，”她说，“但我想告诉所有对技术问题感兴趣的年轻女性：别因此却步。如果你被复杂的技术问题吸引，别让任何人质疑你的能力。你应该勇往直前。”
她仍通过为摩洛哥中学和大学演讲保持与故土的联系，旨在激励更多女孩投身STEM领域。
