Euno 获得 2300 万美元 A 轮融资，以构建企业 AI 代理的上下文层

Euno 已获得 $23 million 的 Series A 融资，以扩展其企业 AI 上下文平台，因为公司日益面临仅靠更好的基础模型无法解决的难题: 为 AI 代理提供足够的组织知识，以可靠地处理复杂的业务数据。

本轮融资由 N47 主导，已有投资者 10D 以及一批技术创始人和高管参与，其中包括 Wiz 联合创始人 Yinon Kostika、Cyera 联合创始人兼 CEO Yotam Segev、Eon 联合创始人兼 CEO Ofir Ehrlich、Tavily 创始人 Rotem Weiss，以及前 Tableau CEO 与总裁 Mark Nelson。此次融资使 Euno 的累计融资额达到 $29 million。

Euno 由 Sarah Levy 和 Eyal Firstenberg 于 2023 年创立，计划将新资金主要用于扩展销售和市场，并加大对 AI 研究的投入。该公司在美国和以色列开展业务，员工约 30 人，预计在今年年底前将员工规模翻倍。

企业 AI 瓶颈正转向上下文

大型语言模型的快速提升使得部署能够查询数据库、生成分析、编写代码以及自动化业务流程的 AI 代理变得日益可行。但将代理连接到企业系统会带来另一个挑战: 确认哪些信息是权威的。

大型组织可能拥有成千上万的表格、仪表盘、指标、数据模型，以及针对同一业务概念的竞争性定义。例如，要求计算收入的 AI 代理不仅需要访问数据库，还需要了解哪个收入指标已获批准、哪些表格是最新的、该指标的计算方式、其输入来源以及请求用户是否有权限访问底层信息。

Euno 正在尝试将这些制度性知识转化为机器可读的基础设施。

其平台持续构建实时上下文图，纳入数据血缘、使用情况、所有权、业务逻辑、健康信号和治理状态等信息。系统不会向代理展示所有可用资产，而是提供与特定用户、任务和决策相关的上下文。

随着公司从仅能回答问题的 AI 系统转向能够在多个企业系统中执行操作的自主代理，这一区别可能变得愈发重要。

“模型持续变得更好且更便宜，但企业的长期 AI 护城河将越来越来源于工作完成方式的累计记录，”Euno 联合创始人兼 CEO Sarah Levy 如是说。

将元数据转化为 AI 代理的基础设施

Euno 的技术基于元数据，即描述数据来源、转换方式、使用者以及不同资产之间关系的信息。

平台在数据仓库、分析系统、仪表盘和指标之间映射列级血缘，然后将这些信息与使用和治理信号相结合。其自动标记系统能够根据组织制定的规则，动态地将资产分类为“AI-ready”（AI 就绪）、“PII-free”（无个人身份信息）、“healthy”（健康）或“certified”（已认证）等属性。随着底层数据环境的变化，这些分类会实时更新。

Euno 还提供可在这些条件变化时作出响应的工作流。例如，组织可以识别突然被大量使用但未认证的仪表盘，追踪个人身份信息（PII）的传播，标记未记录的模型，或发现不再符合内部质量标准的指标。

公司已经构建了自己的 Euno Query Language (EQL)，用于在图中导航关系。Euno 表示，其基于图的架构使代理能够通过更少的查询检索相互关联的元数据，可能降低需要传递给模型的上下文信息量。

重要的是，该平台旨在与现有企业数据基础设施并存，而非取代。Euno 支持包括 Snowflake、Databricks 在内的数据仓库和平台的集成；包括 dbt 在内的转换工具；以及包括 Tableau、Looker、Power BI、ThoughtSpot、Sigma 和 Omni 在内的商业智能平台。

将上下文直接引入 AI 系统

Euno 战略的另一组成部分是让第三方 AI 代理直接访问这些组织上下文。

公司运营一个模型上下文协议（Model Context Protocol，MCP）服务器，工具如 Claude、Cursor、Visual Studio Code Copilot 以及其他兼容系统均可通过该服务器查询 Euno 的企业上下文。代理可以利用这些工具查找资源、检查上游血缘、执行影响分析、搜索文档，或生成并执行 EQL 查询。

Euno 还记录了与包括 Snowflake Intelligence 在内的系统的集成，展示其上下文层如何有效地成为通用 AI 模型与企业底层数据资产之间的中介。

这一定位反映了企业 AI 正在发生的更广泛转变。随着对强大模型的获取日益商品化，差异化可能转向围绕这些模型的专有信息:组织流程、权限、关系、历史决策、定义以及先前代理活动的反馈。

上下文可能成为企业 AI 护城河的一部分

Euno 认为，这些累计的上下文随着时间推移会变得更有价值。

当代理执行任务时，系统可以捕获上下文使用方式的信息，并将这些信号反馈回企业上下文层。理论上，这将形成一个反馈循环，使组织逐步构建出更丰富的机器可读业务运行表示。

这也解决了面向代理 AI 部署的核心挑战之一: 治理。在未了解其可检索信息及其解释方式的情况下，赋予自主代理访问企业系统的权限会带来运营和安全风险。Euno 的方法将上下文检索与基于角色的治理相结合，使代理仅获取其任务和权限所需的信息，而非对整个环境的无限制访问。

公司表示，其平台读取的是企业元数据，而非底层业务数据本身，这一架构区别旨在降低数据暴露风险，同时仍能让系统映射关系并为代理提供运营上下文。

Euno 已与包括 AlphaSense 和 Zayo Group 在内的企业客户合作，其网站还记录了与 Bolt 等公司的部署案例。

对于更广泛的 AI 行业而言，Euno 的 Series A 融资意义不仅在于又一次企业基础设施融资。基础模型正迅速变得更强大，并且在许多工作负载中日益可互换。若此趋势持续，较难解决的问题之一将是让这些模型可靠地理解其所运行的组织。

这可能使上下文基础设施，而非底层模型本身，成为新兴企业 AI 堆栈中更具影响力的一层。