AI 独角兽企业 Glean 的成功之道，强调其核心优势并非在于追求极致的模型性能，而是通过务实的工程落地将仅有的 1% AI 能力转化为巨大的业务价值。作者指出，Glean 的突围得益于对企业权限与规则的深耕，通过接受 95% 的 AI 项目必然失败的现实来快速迭代，并建立起一种鼓励精简过时代码以保持适应力的独特企业文化。全篇通过对 CEO Arvind Jain 的访谈拆解，揭示了在技术飞速变革的时代，真正的护城河并非不可替代的代码，而是组织的进化速度以及将复杂技术转化为实际生产力的执行力。

2026年 1 月 12 日，Glean CEO Arvind Jain 在播客《Grit》里说：

我们公司甚至连 AI 能力的 1% 都没用上。

只用1%，却做到了估值 80亿美元，一年之内跨过 1 亿和 2 亿美元 ARR（年度经常性收入）两道门槛，推出第三代 Glean Assistant 和企业图谱。

这不是又一个 AI 公司爆发的故事。

真正值得关注的是：只用 1% 的 AI 能力，他们怎么把 ARR 做到 2 亿美元？

我们从 Glean 的经验里，追问四个问题：

为什么只用 1 %的AI能力？

为什么 AI 项目大多会失败？

真正的护城河在哪里？

从小团队冲到 1000人，代价是什么？

这篇文章不是讲成功，而是还原一家公司怎么撑下来的。

第一节｜CEO 坦白：连 1% 的 AI 能力都没用上

这个 1% 说的不是技术问题，而是落地问题。

对大多数企业来说，真正能用上、敢用、能让 AI 落地产生价值的场景，只占很小一部分。

Arvind Jain 甚至认为：就算模型从今天起停止迭代，光靠现有能力，企业 AI 产品依然能在五年内实现 10 倍成长。

因为 AI 的强大，并不等于用得上。

真正的挑战，是在复杂组织里让技术落地变成业务结果。

Glean 不做模型，做的是让员工能用上 AI 的工具：跨系统找信息、问问题、推动流程。但即便做的是轻量级的 AI 助理，Jain 的观点始终是，我们只用了模型很小一部分的能力。

他背后有两个判断：

1，不是所有工作都适合交给AI。

很多场景看起来是知识问题，实际是规则问题。比如销售用CRM系统时，AI 能理解系统中的所有信息，但它不知道哪些客户数据有权限看、哪些邮件能被调用。光有模型能力不够，它必须懂组织规则，而这恰恰是很多企业自己都没理清的地方。

2，不是模型越大，产品越好。

Jain 明确讲到，现在很多公司一上来就想接模型、训模型，结果反而错过了AI最实用的机会：有没有办法先让员工每天用起来，再去谈模型效率。所以他给出的策略是：

用一小部分模型能力，先做好可复用的场景；

用企业已有的权限、流程、知识库，把 AI 助手培养成真正能用的同事。

这种务实路线的效果是：不是靠 AI 能力强，而是靠实际能用。

在 Jain 看来，剩下那 99% 的模型能力不是红利，是陷阱。成本用不起，权限管不好，风险看不清，贪多反而会拖累组织效率。

第二节｜ 失败 AI 项目：自动化不是魔法，是磨合

Jain 在访谈中坦白说，自己在公司内部尝试过一个听起来很简单的 AI 项目：

“让AI自动识别每位员工本周的最高优先级事项，生成一份总结供管理层查看。Glean 已经掌握了员工日程、邮件、项目协作的内容流，按理说有足够的数据基础。”

但没有成功。

他说，我们以为 AI 会轻松搞定，结果差得远。这个项目最终不了了之，因为 AI 始终无法准确理解什么才是员工真正的优先级。

这不是个例。如果连 Glean 这样的专业 AI 公司都做不到，对大多数企业来说，这类期待就更不现实了。

Databricks CEO Ali Ghodsi 在之前一次访谈中也说：不是你把 Agent 扔出去，它就能干活了。要真正让它稳定工作，要比你想象的慢得多。

Glean 也曾试图为特定场景训练定制模型，最终还是转回了基础模型。因为发现基础模型更容易部署，更快能用起来。

AI 不是自动完成任务的魔法按钮，而是一个要靠人配合、不断调试的合作对象。

Jain 曾公开表示，95% 的 AI 项目失败其实才是正常的。不是因为方向错了，而是因为真正能落地的产品，要先接受失败是起点的现实。

当你真正在试验新技术时，如果所有项目都没失败，说明你尝试得还不够。

关键不是避免失败，而是快速从失败中学习。

第三节｜技术不值钱，“能删代码”才是赢法

当外界还在讨论大模型谁更强、参数谁更多时，Jain 提出了一个让很多技术派不太舒服的观点：

你以为是护城河的东西，其实可能是负担。

他说这话不是为了反对技术，而是强调一点：变化太快了，很多技术刚建好就该淘汰了。

在这场访谈中，他提到一条在 Glean 内部已经变成文化的做法：鼓励删代码。

“我们奖励那些把老功能删掉、把代码清理干净的人。因为今天你觉得好的结构，明天可能就落后了。”

他说：现在做企业级 AI 产品，最大的挑战不是技术不够，而是变得太快。你必须能快速扔掉没用的东西，快速换上新的做法。

为什么这么做？

新模型每几个月就更新一次，你不可能每次都重新搭产品；

企业客户要的是能快速解决问题、跟得上流程变化的工具；

一旦堆了太多过时的东西，想改就会拖整条线，反而成了负资产。

这就是为什么 Jain 始终认为，Glean 不靠模型赢，而靠适应速度赢。

这也是 Glean 选择做专注的企业 AI 平台而不是“万能模型公司”的原因。在 AI工具泛滥的阶段，谁能快速对接客户变化、快速扔掉没用的东西，谁就能活下来。

用 Jain的话说：护城河不是你写的代码，而是你能多快地替换它。

第四节｜CEO 累不累？从 1 人到 1000 人的代价

在对话快结束时，主持人问：你现在每天醒来，看到这家公司已经 1000 多人了，感觉怎么样？

Jain 的回答很直接。他说的第一句话是：

“那不是一种庆祝感，而是一种恐慌。”

Glean 的成长速度很快，从创业到估值 80 亿美元，只花了几年时间。团队从几人扩张到过千，业务线越来越多，客户遍布全球。

可 Jain 的感受却是：事情开始变得失控了。

以前一个方向只要在小会议室里讲清楚，第二天大家就可以动手干。现在呢？不同部门、不同语言、不同时区，就算事情讲了三遍，执行起来也会走样。

到了这个阶段，最难的不是产品，不是技术，是让所有人往一个方向走。

Jain 说他早期最抗拒流程，更习惯直接冲刺、快速反馈。但现在，他必须主动去做那些以前不愿做的事：把信息写下来、整理决策依据、设置管理节奏、明确责任边界。

我们以前靠的是技术、客户、冲劲。

现在真正的挑战是，组织能不能自主运转。

这种转变，不只是心态的变化，而是 CEO 角色的全面升级。

他开始每周多花时间检查内部文档、理清团队节奏，遇到复杂问题时先让 AI 做深度研究，再带着完整信息去找团队。这样做的目的是，让每次沟通都更高效，不浪费大家的时间。

而他最常对团队说的，就是要找到办法让今天过得有意义，而不是指望某个更轻松的明天。

对 Glean 来说，技术在迭代、市场在增长、模型在进步，但真正要守住的是：不让人在快速扩张中掉队，不让人疲惫到放弃。

1000 人是一个里程碑，但让每个人都不掉队，才是更难的那一个。

结语｜做对了什么

Glean 用不到 1% 的 AI，做出了 2 亿美元 ARR。

不是因为模型不重要，而是他们知道，AI 真正难的不在有没有，而在能不能真正用起来、能不能产生价值。

他们做对了三件事：

用 AI 做能用的部分，而不是追求大而全；

把 95% 的失败率当作常态，快速试错；

懂得清理旧包袱，让组织迭代速度超过技术迭代。

但这些也有代价。从几人到 1000 人，最难的不再是产品或技术，而是不让人走散、不让人掉队。

用 Arvind 的话说：护城河不是写了什么代码，而是多快能换掉它。

这就是 Glean 的赢法。

参考资料：

https://www.youtube.com/watch?v=DiGl_63wI64&t=1470s

https://www.linkedin.com/posts/jain-arvind_2025-was-a-year-to-remember-in-so-many-ways-activity-7414048553788088320-z6DS/

https://www.goldmansachs.com/insights/talks-at-gs/arvind-jain

https://www.businessinsider.com/ceo-databricks-glean-ai-automation-overestimate-ali-ghodsi-arvind-jain-2025-12

来源：官方媒体/网络新闻