谷歌微軟的天使投資人押注，這家GEO公司用模型記憶提升AI可見性丨涌現新項目

文｜王欣逸

編輯｜鄧詠儀

一句話介紹

geoSurge是一家專注做GEO（生成式引擎優化）的初創公司，基于“模型內部記憶+RAG（檢索增強生成）”提供GEO服務，總部位于倫敦，成立于2025年4月。

目前，geoSurge已完成由歐洲老牌風投機構Passion Capital和美國硅谷風投基金Tuesday Capital支持的Pre-Seed輪融資，得到了來自包括谷歌DeepMind、微軟AI等公司天使投資人的支持。

團隊介紹

聯合創始人兼CEO Francisco Vigo：擁有12年商業數據分析的工作經驗，曾在一家金融科技獨角獸公司Zilch擔任首席數據科學家。

△geoSurge聯合創始人兼CEO Francisco Vigo，圖源：企業提供

聯合創始人兼CTO Jons Mostovojs：資深機器學習與系統工程專家，長期致力于大模型與數據系統的研發工作，專注模型訓練、評估與基礎設施領域。

APAC負責人李子月Zoe：前歐洲早期AI / DeepTech風險投資人。

產品及業務

創始人Francisco Vigo曾擔任金融科技領域的首席數據科學家，是大型語言模型的早期重度用戶。作為普通用戶，他曾有過這樣的體驗：比起傳統搜索結果，他更信任AI的回答，尤其是在搜索結果充斥廣告時。

隨后他開始系統性地測試模型，在一段時間內反復提出相同的問題。當模型更新時，他發現即使品牌本身沒有重大商業變動時，在大模型答案中的可見度也很容易發生高頻改變。

如何避免讓品牌“從AI答案中消失”，成為geoSurge創立的起點。

Francisco Vigo透露，geoSurge的產品包括三大板塊：

1、MEASURE（測量）：可以監測一個品牌當前在主要AI系統如ChatGPT中的排名位置，追蹤品牌是否被提及，品牌出現的頻率和一致性，以及跨時間、市場的不同數據。

△MEASURE，圖源：企業提供

2、EXPLORE（探索）：幫助客戶理解模型為什么會出現這一表現，并給出可優化的方向。

EXPLORE能分析這一位置是如何形成的，展示模型內部概率分配及新詞預測的思維過程。通過識別存在概率差距的位置，EXPLORE還會向客戶展示在哪些細分領域、提示或語境中其品牌有望提升可見性。

△EXPLORE，圖源：企業提供

3、BOOST（提升）：通過語料庫工程（Corpus engineering）幫助客戶提升品牌在AI中的可見度。

語料庫工程技術能優化模型的信息集，主動影響模型的記憶和訓練數據，從而幫助品牌被模型更準確、可靠地識別及調用，為品牌爭取最大的曝光機會。

△BOOST，圖源：企業提供

2025年9月，OpenAI關于ChatGPT使用方式的研究顯示，用戶使用ChatGPT主要目的是詢問某事或尋求建議，其中49%的信息是“詢問”類型，與此同時，約70%的消費者使用ChatGPT是非工作相關的，如用于日常決策、發現和指導。這意味著，模型呈現出的內容在商業層面相當關鍵。

模型獲取信息一共有兩種方式，一種是來自其內存的內部記憶，另一種是基于搜索和記憶。模型的記憶類似于一個人的世界觀，幫助模型解釋其看到的一切。

RAG用于GEO中的工作原理大致是：模型從網絡上搜索大量文章，將其加載在內存中，并對這些內容進行總結，提取出用戶所需的答案。這一機制能填補模型內部記憶不完整或者不確定的空白。

然而，即使是使用了RAG，AI展示和引用的結果仍然由模型的“記憶層”驅動。因此，模型的內部記憶是決定它識別和推薦哪些品牌的主要因素。

geoSurge的專長在于塑造模型的記憶，它能確保品牌信息深植于模型的記憶中，在沒有實時搜索的情況下，模型也能基于記憶對客戶品牌進行推薦。

相較其他GEO服務商采用RAG方案為主，geoSurge走出了差異化路徑，把目光瞄準了模型的長期記憶，讓模型本身認知并記住品牌，而非短期的排名優化。具體來說，它能幫助品牌方預先優化和準備語料庫，從而在模型訓練或迭代過程中，相關信息能更高效地被大模型學習、記憶并精準調用。

不同模型有不同的行為模式、訓練偏好和使用場景，geoSurge還能根據不同的模型、客戶的目標和目標市場量身定制策略，確保品牌在整個AI生態中被記憶。

比如，geoSurge還接入了大量的遙測數據進行監測，確保客戶品牌相關數據最終能進入模型訓練數據集。

在技術接入后，客戶可以在幾周內看到早期效果，具體指標包括在相關提示詞中的品牌提及率、隨時間變化的穩定性、上下文準確性及AI爬蟲活動的頻率和深度。受生成式系統的概率性、道德準則等條件的影響，geoSurge無法保證客戶排名絕對位于第一。

在具體效果上，geoSurge曾與一家英國房地產公司合作，在經過一個BOOST周期后，其AI 爬蟲抓取活動量增加了5000倍，在相關提示詞中，該品牌的存在感在各個模型中表現更強且更一致，排名從幾乎不被提及上升至第二名。

在過去將近一年時間里，geoSurge組建了技術前沿的人才團隊，和GPU供應商建立了合作關系，主要與高增長的科技公司、行業領軍企業及擁有成熟營銷團隊的企業展開合作，已實現穩定的企業級商業應用，并計劃在今年拓展亞太地區市場。

Founder思考

• GEO比SEO（搜索引擎優化）難一萬倍，兩者存在本質區別。

SEO圍繞谷歌算法給網頁排名，影響因素包括反向鏈接、關鍵詞、發布文章等。SEO在某種程度上是可逆向工程，我們可以通過反推算法，理解反向鏈接的作用，以及關鍵詞的機制。 而GEO是一門更為復雜的學科，LLM的底層技術是基于數萬億參數的神經網絡，業界稱其為“黑箱”，我們知道它們能運行，但無法觀測其內部的權重，也無法理解其運作的具體原因。它要求你必須理解AI系統是如何訓練的、數據是如何收集的、為什么要這樣收集、模型更新的頻率有多高等問題。

• 品牌被AI識別和引用的程度是不穩定的。

在GEO中，品牌正面臨著“消失”的風險，具體原因如下：AI的記憶可能不穩定，有的品牌可能這周被AI提及，下周便消失了；模型的更新可能會改變概念間的關聯方式，進而影響推薦結果的目標群體；此外，AI給出的回答通常僅包括少數幾個選項，這導致落在這個名單之外的品牌實質上就“消失”了。 有些品牌正在從AI的答案中“消失”，這可能成為企業嚴重的商業風險。

• GEO市場上許多解決方案側重于測量和監控，他們往往給出一個關于品牌會在哪里出現的儀表盤（Dashboard），或者通過RAG進行短期優化。

我們主打基于模型記憶（Memory）的路線來做GEO服務，但也提供RAG方面的優化。不過，主導AI可見性（指品牌被AI識別和引用的程度）的仍是模型內部記憶。

• 品牌要在AI系統中實現長期持久的可見性，關鍵在于其本身被模型認知并記住。模型難以推薦其在訓練中沒有見過的品牌，為了讓客戶品牌能維持持久的可見性，我們需確保模型在訓練時就已經擁有了關于該品牌的記憶。

因此，我們專注于加強模型記憶層，我們并非要取代SEO，而是增加了SEO缺失的記憶層。

• SEO仍然非常重要，但僅靠SEO完全不夠。

目前AI模型仍處于持續更新的階段，對于想要提高品牌曝光的企業而言，他們需要雙管齊下。在強化模型記憶的同時，企業也需探索進行傳統搜索優化的路徑，優化模型抓取的網頁數據進入模型內存，實現SEO和GEO兩種策略同時有效并產生協同效應。

• 在AI搜索中，一些企業可以嘗試在細分領域占據主導地位，并從細分領域向外逐步建立知名度，從而脫穎而出。

• 衡量GEO效果的關鍵指標，不僅包括來自LLM的真實點擊轉化情況，還有AI爬蟲的抓取次數，爬蟲活動與品牌能否進入模型訓練數據集密切相關。

• 我們在模型訓練階段影響模型記憶，其真實效果需要等到新模型發布后才能看到。盡管如此，我們在通過RAG優化現有模型的同時，又通過模型記憶策略影響待發布的新模型，這使得我們在整體節奏上始終保持領先，新模型一經上線即可看到優化成效。

與此同時，大模型本身的更新迭代速度正在加快，對于客戶而言，這意味著成果交付周期正在縮短。

《智能涌現》訪談小記

2025年，GEO入選《麻省理工科技評論》年度AI十大熱詞，AI正成為下一個流量入口，引發品牌和營銷的范式轉變。

在大洋彼岸，GEO更早，不過仍然處于早期階段，率先入局的美國GEO明星創企Profound，成立兩年已獲得三輪融資；Scrunch AI則完成A輪融資，總融資額達1900萬美元，證明GEO已經形成商業閉環。國內也有不少創企瞄準GEO，但融資階段更早。

不過，目前的GEO服務效果仍不穩定。AI模型快速迭代的同時，GEO相關技術遠未達到成熟水平，由SEO直接演變而來的單純追求品牌曝光的模式不再完全適用，海量低質內容污染語料，這是GEO行業還要面臨的挑戰。

當前，行業內GEO服務商的做法各異，比如，有GEO服務商側重幫助品牌進行AI可見性監測和分析，給出針對AI搜索引擎的內容創作建議，將優化對象對準了被AI引用的內容。

geoSurge的特點在于，利用對模型語料庫的優化，在模型內部塑造品牌長期、穩定的記憶，并提供AI可見度的監測和分析，為GEO創業者提供了一條更側重技術的路徑參考。

歡迎交流

歡迎交流