Jedify 融资 2400 万美元打造企业 AI 上下文图谱
TechCrunch AI··作者 Ram Iyer
关键信息
Jedify 通过 API 连接数据仓库、数据库、SaaS 应用、BI 工具，以及报告、文档、代码库、Slack 和会议录音等非结构化来源，来构建一个多维上下文图谱。该平台会继承身份系统和数据工具中的权限，支持行级、列级和表级访问规则，并提供可观测性和治理功能。
资讯摘要
TechCrunch 报道称，Jedify 完成了 2400 万美元的 A 轮融资，由 Norwest 领投，老股东 S Capital VC 和 Cerca Partners 继续参投，新投资方 Oceans Ventures 也加入其中。Snowflake 还以战略投资者身份参与，并把 Jedify 的技术整合到 Cortex AI、Semantic Views 和 CoWork 等产品中。Jedify 的核心观点是，企业 AI 代理不能只接触公司系统的“原始数据”，还需要结构化的业务上下文，才能理解实体之间的关系、权限、工作流、术语和业务假设。该公司通过 API 连接企业知识源，并把这些信息构建成一个“上下文图谱”。这些数据源既包括数据库、数据仓库、SaaS 应用和 BI 工具，也包括报告、文档、代码库、Slack 频道和会议录音等非结构化内容。
CEO Assaf Henkin 表示，这个平台的目标是让 AI 代理只关注某个任务真正相关的信息，而不是在公司的全部数据中盲目搜索。他举了合规公司 Kiteworks 的例子，称对方把 Snowflake、Tableau、Notion 以及内部 playbook 接入 Jedify，用来为面向客户的工作流构建智能代理工具。Henkin 还认为，Jedify 与语义层、元数据目录和知识图谱不同，因为它是多维的、与具体模型无关，并且会随着连接系统的数据变化实时更新。该公司目前主要面向拥有成熟数据栈和多个数据库或数据仓库的中型和大型企业，并表示已经拥有 10 到 20 家早期客户，其中包括 The Weather Company。
资讯正文
AI 供应商把他们的企业产品宣传得像是开箱即用的解决方案，但 AI 智能体真正立刻上手的可能性并不高。除非你投入精力针对业务细节训练模型，否则它很难理解你公司如何定义收入，或者哪些人被允许查看哪些文件。这也是我们看到越来越多 AI 公司派工程师帮助把其 AI 产品集成到客户系统中的原因之一。
总部位于纽约的初创公司 Jedify 正在直击这一缺口。该公司表示，其平台通过 API 连接企业的知识源，构建关于其业务的“上下文图谱”，供 AI 智能体更好地工作。这些来源可以是数据库、数据仓库和数据湖、SaaS 应用或 BI 工具，也可以是报告、文档、代码库等非结构化来源，甚至包括 Slack 频道和会议录音。
TechCrunch 独家获悉，为了推进这一构建，Jedify 已在由 Norwest 领投的一轮 A 轮融资中筹集了 2400 万美元。本轮融资还吸引了老股东 S Capital VC 和 Cerca Partners，以及新投资者 Oceans Ventures 的参与。数据巨头 Snowflake 也作为战略投资者参与其中，并正在将这家初创公司的技术与其 AI 产品集成，例如 Cortex AI 服务、Semantic Views 和 CoWork。
Jedify 的主张是，要在企业内部真正发挥作用，AI 智能体需要访问实体、数据、权限、领域知识、工作流、运营假设以及公司特定术语之间的关系。公司表示，这种上下文能让 AI 智能体把注意力缩小到与某项特定任务相关的信息上，而不是在企业拥有的所有内容中进行搜索。
联合创始人兼 CEO Assaf Henkin（如上图最右）以合规公司 Kiteworks 为例，说明客户如何使用 Jedify。Kiteworks 将 Snowflake、Tableau、Notion 以及内部作业手册（包括文档和截图）连接到 Jedify，然后为不同的客户工作流构建了智能体工具。
Henkin 说：“他们希望为销售人员和客户团队配备一款复杂的应用——你可以把它理解为既像仪表盘应用，又像实时对话应用。当他们进入客户对话时，Jedify 会为他们即时构建所需的一切。而在对话过程中，他们可以实时、主动地获取非常具体的细节。”
Henkin 认为，Jedify 的上下文图谱不同于企业已经在使用的语义层、元数据目录和知识图谱，因为它是多维的，能够捕捉实体、数据、人员、权限和客户之间的关系。它也与模型无关，并且会随着信息流入和流出其所连接的系统而实时更新。
他说：“当你想要让一个智能体解决方案真正实现自主，能够基于 CRM 数据、Zendesk 工单，或者可能是实时传入的遥测数据来推动决策时，上下文图谱在能力上就比语义层更强。”
权限显然是这里的一个障碍。比如，不能让一个智能体把 CFO 的收入预测交给一名实习生。Henkin 说，他的平台通过继承来自身份系统、文件系统、SaaS 工具和数据库的权限来解决这一问题，其中包括行级、列级和表级访问规则，然后让客户创建额外的组，用来定义智能体或工作流被允许接触哪些对象以及哪些人。它还提供可观测性和治理工具，帮助客户确保他们的 AI 智能体按预期运行。
Jedify 目前瞄准的是中端市场和大型企业客户，这些客户拥有成熟的数据栈以及多个数据库或数据仓库。Henkin 说，公司目前有 10 到 20 家早期客户，其中一家是 The Weather Company，并且正在从游戏、工业以及消费包装品等数据密集型行业获得关注。
Snowflake 的投资和合作值得注意，因为大型数据平台也在努力构建类似能力。但 Henkin 认为，Jedify 与这类努力是互补的，因为一家公司的大量数据以及大部分组织知识通常并不存放在单一云服务商那里。
“[这些大型数据公司] 会告诉你，‘哦，对，把所有东西都放进来。’但现实是，公司有多个数据库、多个数据仓库和数据解决方案 […] 关键在于，你并不是把所有数据都放在那些环境里，而且你大部分知识也不在那里，所以他们实际上是有一点劣势的，”他说。
Henkin 还指出，对于试图自行完成这件事的公司来说，训练一个 AI 模型去构建类似的上下文层可能成本高得难以承受，尤其是在企业开始审视并压缩其 AI token 用量之际。
而 AI 模型开发的快速进展也契合了这家公司更大的押注：随着模型变得更强大、也更可互换，能帮助这些模型在企业内部更好工作的专有上下文，可能会证明是一道有价值且持久的护城河。
这家初创公司将把这笔新资金用于产品开发、招聘以及市场拓展。加上这轮融资后，公司的总融资额约为 3300 万美元。
来源与参考
收录于 2026-06-11