2009年，Shapor Naghibzadeh还是谷歌的一名系统运维工程师，彼时他亲历了一场深刻的教训。黑客以"极光行动"为代号，对谷歌发动网络攻击，他被紧急召入战情室，负责追查公司服务器中究竟发生了什么。
在跨越多个分散网络追踪网络攻击的过程中，Naghibzadeh深刻认识到可验证知识的价值——尽管获取这些知识的代价极其高昂、耗时极长。他认为，大语言模型完全可以在极短时间内，将同样的能力带到各类数据库中。
此后六年，Naghibzadeh深耕数据与网络安全的交叉领域，借助谷歌的资源构建工具，帮助安全分析师查询复杂数据。2016年，他在谷歌X实验室联合创立了Chronicle，将这一能力输出给更多企业。
随着大语言模型在数据分析中的作用日益凸显，Naghibzadeh看到了新的机遇——将他在网络安全领域积累的技术方法，扩展应用至更广泛的数据分析场景。于是，他联合前谷歌同事、EvolutionIQ首席工程师Stanley Yang（担任CTO），以及埃森哲资深专家David Glusic（担任CPO），共同创立了QueryStory，并出任CEO。这家公司日前正式宣布走出隐身模式。
"你会看到一种调查模式：先对数据提出一系列问题，在提问足够多之后，再将这些问题汇总成一套叙事，"Naghibzadeh说，"这就是QueryStory这个名字的由来。它的核心是用数据讲故事，构建一套植根于事实的叙事体系。"
QueryStory于2025年底完成了600万美元的种子轮融资，投资方为Brightmind Ventures和New York Life Ventures，估值达6000万美元。此后，公司持续推进产品开发，并与客户开展试点合作。QueryStory的目标客户是管理大型私有数据库的大型企业，平台面向销售团队、运营管理人员等用户群体，致力于整合数据分析与审查流程。
"我们所做的，是弥合AI的信任鸿沟，让企业获得真正可以付诸行动的答案，"Naghibzadeh说，"而不是靠租用人工判断力、派驻大批工程师来解决问题——我们把这一切产品化了。"
New York Life Ventures合伙人Tim Del Bello是此次融资的参与者，他本人也在使用QueryStory平台替代原本需要多人完成的工作，用于生成季度业务报告，并希望未来将其升级为实时动态仪表盘。
"这款产品就是为我这样的人打造的：需要做决策、追求真实信息，要处理复杂而分散的数据源，又没有数据科学或商业智能团队支撑，尤其是在高度监管行业中运营时，"他表示。
笔者曾将一个涵盖太空活动数据的数据库提交给QueryStory测试——该数据库可用于分析SpaceX等公司的在轨活动情况。QueryStory在数小时内便生成了完整的数据可视化结果；而同样的工作，笔者此前与一名开发者合作，耗费了数周时间。平台输出了精细的仪表盘和深度分析，尤其值得关注的是，它还提供了一个置信度指标，清晰展示AI智能体认为分析结果可信的依据。
类似的工作也可以通过前沿实验室推出的协作工具来完成，但这些工具在用户体验上往往刻意有所保留。QueryStory的核心押注在于：用户，尤其是大型企业用户，在将AI融入工作流程时，需要更高的透明度、可靠性与掌控感。
举一个具体例子：某科技公司高管近期向TechCrunch透露，他曾使用Claude Cowork查询公司数据库，查询完成后特意要求模型展示所生成的SQL查询语句，以便在转交数据分析师进行人工审核前，先行核实这些查询是否合理。而在QueryStory中，SQL查询会自动浮现，用户还可以将分析结果标记给同事进行人工复核，相关审核记录也会同步保存在平台中。
"AI比人们意识到的更脆弱，尤其是当你需要构建那些必须持久稳定运行、且有大规模业务依赖其上的系统时，"Brightmind Partners合伙人Tayler Sipperly告诉TechCrunch。
Naghibzadeh也指出，当企业将数据接入大语言模型的对话界面时，"组织内数百甚至数千名员工各自提问、各自得出自己版本的答案，然后制作成PPT四处传播——最终形成的是海量内容的无序扩散，而这些内容与原始数据之间没有任何有效关联。"
此外，经济因素同样不可忽视。QueryStory在设计上保持模型无关性，尽管目前主要调用前沿实验室提供的最新模型。尽管在产品层面与前沿实验室存在竞争关系，Naghibzadeh认为客户更愿意选择那些没有动机鼓励其尽可能多地消耗算力的服务商。
"我们最大的优势之一，正是我们没有把生意建立在算力、存储或Token的消耗模式之上，"Naghibzadeh说。他认为，像QueryStory这样专门构建的工具，因为能够理解并保留业务上下文，在效率和准确性上都将优于通用型智能体。
"我们真正出售的是对答案的信任，"他说，"我们提供的价值在于为业务创造实际收益，而我们的目标，是让CFO也能清楚地知道：'这东西到底要花多少钱？'"
Q&A
Q1：QueryStory是什么公司，主要解决什么问题？
A：QueryStory是一家2025年走出隐身模式的AI数据分析初创公司，由前谷歌工程师Shapor Naghibzadeh联合创立。它主要面向大型企业，解决的核心问题是"AI可信度"——帮助企业在使用AI分析复杂私有数据库时，获得有据可查、可供行动的答案，而非散乱、无法追溯的各版本结论。平台会自动展示SQL查询语句，支持人工复核标记，并提供置信度指标，让企业真正信任AI给出的分析结果。
Q2：QueryStory融了多少钱，估值是多少？
A：QueryStory于2025年底完成600万美元种子轮融资，投资方为Brightmind Ventures和New York Life Ventures，融资时估值为6000万美元。
Q3：QueryStory和直接用大语言模型对话界面查询数据有什么区别？
A：直接用大语言模型对话界面查询数据时，组织内大量员工各自提问，会产生各自版本的答案，形成内容无序扩散且无法追溯到原始数据的问题。QueryStory则提供统一平台，自动展示查询逻辑，支持人工复核并留存记录，同时提供置信度指标，确保分析结果透明、可验证、有据可依。此外，QueryStory在设计上与具体模型无关，不依赖消耗算力的商业模式。