创业故事：从 Operation Aurora 到企业数据分析
2009年，Shapor Naghibzadeh 还是 Google 的一位系统运维工程师。那一年，受中国zf 支持的黑客组织发动了震惊业界的 Operation Aurora 攻击，Google 成了首要目标。Naghibzadeh 被紧急召集到一个临时作战室中，负责追踪攻击者在服务器中的动向。
跨网络追踪网络攻击的经历，让他深刻认识到可验证知识的价值——但这个过程代价高昂、耗时巨大。他相信，大语言模型可以用零头的时间，把同样的能力带给各类数据库。
随后六年，Naghibzadeh 继续深耕数据与网络安全的交叉领域，借力 Google 资源为安全分析师打造查询复杂数据的工具。2016年，他与同事在 Google X Labs 共同创办了 Chronicle（后分拆独立），将这类能力向其他企业开放。
去年，大语言模型在数据分析领域开始扮演更重要角色，Naghibzadeh 看到了新机会——将自己在网络安全领域打磨的技术，迁移到更广泛的分析场景。他与前 Google 同事、EvolutionIQ 前首席工程师 Stanley Yang（现任 CTO）以及 Accenture 老将 David Glusic（现任 CPO）共同创立了 QueryStory，并于今日正式走出隐身模式。
"'调查'这种模式就是这样——你对数据提出一堆问题，等你问够了一定数量的问题，就把它们整合成一个叙事。'QueryStory'这个名字就是这么来的，" Naghibzadeh 说道，"就是用数据讲故事，对吧？把一个基于事实的叙事拼接在一起。"
融资概况与市场定位
QueryStory 于 2025 年年年底完成了 600 万美元种子轮融资，估值达到 6000 万美元，投资方为 Brightmind Ventures 和 New York Life Ventures。此后团队一直在打磨产品并与客户开展试点。
QueryStory 的目标客户非常明确：拥有大型专有数据库的大型企业，为销售团队、运营经理等业务用户搭建统一的数据分析与审核平台。
"我们正在做的事，是弥合 AI 与企业之间的信任鸿沟，让他们获得可信赖、可操作的答案，" Naghibzadeh 表示，"而不是雇佣大量工程师'出租'人工判断，我们把这件事产品化了。" New York Life Ventures 合伙人 Tim Del Bello 是公司投资人之一，他本人也在用这个平台替代原本需要多人完成的工作，并生成季度业务回顾报告——他希望这类报告未来能升级为实时仪表盘。
"这款产品是为我这样的人打造的：需要获取真实情况来做出决策的人，必须与复杂、分散的数据源打交道，但没有数据科学或 BI 团队支持，尤其是在高度监督&管理的行业里工作的人。" 他对 TechCrunch 如是说。
解决"脆弱 AI 系统"难题
在测试中，本文作者与 QueryStory 团队共享了一个太空活动数据库（可用于了解 SpaceX 等公司的轨道动态）。QueryStory 在几小时内就生成了数据可视化——同样的工作，作者此前与一名开发者合作花了数周才完成。平台不仅生成了复杂的数据看板和分析结果，最值得注意的是，它还给出了一个置信度指标，清楚展示了 AI 为何认为这些分析是准确的。
这类工作用前沿实验室打造的协作工具也能完成，但那些工具在用户体验上刻意做了限制。QueryStory 的核心赌注是：用户，尤其是大公司里的用户，在将 AI 整合进工作流程时，需要更高的透明度、可靠性和控制力。
举例来说：一位科技公司高管近期告诉 TechCrunch，他曾用 Claude Cowork 查询公司数据库，随后让模型展示它写的 SQL 查询语句，以确保逻辑正确，再交给数据分析师做人工复核。而在 QueryStory 中，这些 SQL 查询自动浮现，用户可以将分析标记给同事进行人工审核，审核记录也会保存在平台内。
"当涉及到构建那些必须持久耐用、大规模业务依赖的系统时，AI 其实比人们想象的更脆弱。" Brightmind Partners 合伙人 Tayler Sipperly 对 TechCrunch 表示。
Naghibzadeh 指出，当企业把数据接进 LLM 的对话界面后，"组织里成百上千的人都在问各自的问题，得到各自版本的'真相'，然后做成 PPT 分享——最终只会产生大量内容 sprawl（内容蔓延），没有任何地方能把这些内容和原始数据真正关联起来。"
商业模式与竞争策略
QueryStory 采用模型无关（model-agnostic）架构，目前主要使用前沿实验室提供的最新模型。虽然在产品层面与前沿实验室存在竞争关系，但 Naghibzadeh 认为，客户会更倾向选择一家没有动机最大化 token 消费的服务商。
"我们相比那些靠算力、存储或 token 消费模式生存的公司，有太多优势了，" 他表示，"像 QueryStory 这样专为特定场景打造的工具，能够理解并保持上下文，比通用型 agent 更高效、更准确。" "我们卖的就是答案的信任度，" Naghibzadeh 总结道，"我们为客户创造的价值，是让 CFO 能够清楚地回答'这玩意儿到底要花多少钱'这个问题。"
特斯拉太阳能屋顶梦碎：产品退场始末
产品简史
2016 年 10 月，特斯拉收购 SolarCity 后正式对外展示太阳能屋顶概念，承诺将光伏发电与建筑美学结合，取代传统屋顶。2019 年，Solar Roof V3 发布，定价每平方英尺 21.85 美元，号称「比竞品更便宜」，吸引大量用户预订。2021 年起，安装交付严重滞后，部分用户等待超过一年；部分早期用户反映屋顶在使用数年后出现玻璃碎裂、发电效率低于宣传值等问题。2025 年开始，特斯拉逐步削减安装团队规模，2026 年正式下架产品页面。
核心败因
- 成本与定价失控：实际安装成本远超早期宣传，用户须整体更换屋顶，无法局部改造，综合成本往往高出传统光伏数倍。
- 安装复杂度远超预期：屋顶结构千差万别，定制化安装高度依赖熟练工人，人力成本居高不下，且规模化后品控难以保障。
- 产品力与宣传不符：实际发电量受屋顶朝向、阴影遮挡影响显著，官方宣称的「25 年功率质保」在部分地区难以兑现。
- 公司战略优先级调整：马斯克将资源集中于电动汽车与自动驾驶，SolarCity 团队在内部逐步边缘化。
影响与后续
已安装用户仍可获得有限的售后支持，但特斯拉已停止接受新订单。行业分析认为，特斯拉的退出不会动摇民用太阳能市场基本面，Sunrun、Vivint Solar 等传统厂商仍占据主流。特斯拉此次败局更像是一次「技术超前于市场」的案例——概念愿景与工业化落地之间存在巨大鸿沟。
Oura 面临集体诉讼：睡眠追踪精度遭质疑
诉讼要点
本次诉讼于 2026 年 8 月提交至美国联邦地区法院，原告指控 Oura Ring Gen3 及更新版本在以下方面存在误导性宣传：
- 声称戒指可「精确追踪」REM 睡眠、快速眼动期，而实际上消费级光电传感技术（PPG）无法达到医疗级睡眠监测（PSG，多导睡眠图）的精度；
- 广告中展示的睡眠评分与用户实际睡眠质量之间存在显著偏差；
- Oura 官方应用内的「睡眠洞察」功能将推测性数据呈现为确定性结论，诱导用户基于不准确数据调整作息或用药。
Oura 方面尚未对诉讼作出正式回应，公司发言人此前曾表示其算法为「估算值」，并建议用户将数据作为健康参考而非医学诊断依据。
技术边界与行业惯例
目前主流消费级可穿戴设备（Apple Watch、Whoop、Fitbit、Oura）普遍采用光电容积脉搏波（PPG）传感技术，通过检测血液体积变化间接推算睡眠阶段。与医院使用的多导睡眠监测仪（PSG）相比，PPG 的睡眠分期准确率行业平均约为 60%~70%，远低于 PSG 的 90%+。此前 Whoop 也曾因类似争议接受监督&管理问询。
影响与建议
此案若败诉，可能迫使 Oura 修改产品宣传措辞，并设置更显著的数据局限性提示。对消费者而言，选购此类产品时应注意：
- 区分「健康参考」与「医学诊断」：消费级设备数据不能替代专业睡眠医学评估；
- 关注客观指标而非评分：心率变异性（HRV）、静息心率等单一指标相对可靠；
- 查阅第三方独立测评：Sleep Foundation 等机构会定期发布可穿戴设备精度对比报告。
评论