融資800萬美金，AI原生的文件夾也來了

你有沒有想過，為什么 2025 年了，我們還在用 40 年前的方式管理文件？點開 Finder 或者文件資源管理器，看到的還是那些嵌套的文件夾，還在靠記憶去想"那個文件我當時到底命名成什么了"。更糟糕的是，你明明知道那個文檔就在電腦里某個地方，卻要花 15 分鐘甚至更長時間去找它。這不是個別人的問題，數據顯示，知識工作者平均要浪費 19% 的工作時間來尋找信息。想想看，如果你一周工作 40 小時，那就意味著每周有將近 8 小時在做無意義的搜索工作。這是一個被我們習以為常卻極其荒謬的現狀。

就在上周，一家名為 Poly 的 YC 孵化創業公司宣布完成了 800 萬美元的種子輪融資，由 Felicis 領投，Bloomberg Beta、NextView、Figma Ventures、AI Grant、Wing Ventures 和 MVP Ventures 參與跟投。這本身并不特別，但讓我深感震撼的是他們想要解決的問題：徹底重新發明文件系統本身。Poly 的創始人 Abhay Agarwal 說了一句讓我印象深刻的話："在 AI 優先的世界里，文件系統本身必須進化。"我認為這句話抓住了當下最被忽視卻最關鍵的技術變革機會之一。我們正處在數據大爆炸的時代，每天生成的文件數量呈指數級增長，但管理這些文件的工具卻還停留在 1984 年 Macintosh 首次推出 Finder 時的邏輯。這種脫節正在變得越來越荒謬，而 Poly 試圖從根本上解決這個問題。

從 3D 資產生成到文件管理的戲劇性轉變

Poly 的故事本身就很有意思，因為它經歷了一次徹底的產品轉型。2022 年，創始人 Abhay Agarwal 和 Sam Young 創立 Poly 時，他們的愿景完全不同：通過 AI 提示詞生成 3D 資產。在 2022 年，這看起來是個合理的賭注，畢竟那時候生成式 AI 剛剛開始展現其潛力。但隨后發生的事情出乎所有人意料。生成式 AI 浪潮的沖擊力遠超預期，競爭對手們紛紛獲得巨額融資，整個市場迅速爆發。Poly 團隊意識到，在這個已經變得極其擁擠的市場中取勝幾乎不可能。

這時候，團隊做了一個比堅持原路線更困難的決定：徹底轉型。Agarwal 回憶說："我們采訪了用戶，問他們在工作流程中遇到的哪些痛點可以通過 AI 解決。結果發現，用戶的一個巨大未滿足需求是整理他們的文件系統。"這次對話直接導致了 2023 年原產品的關閉，隨后是長達兩年的隱身模式重建，以及對 Poly 應該是什么的徹底重新想象。值得一提的是，Sam Young 后來離開了公司，而 Agarwal（曾在微軟從事視覺 AI 輔助技術工作）現在獨自領導著這個新愿景。

我特別欣賞這種勇氣。很多創業公司在遇到市場擠壓時，會選擇硬著頭皮繼續，投入更多資源去競爭。但 Poly 團隊選擇了傾聽用戶，發現了一個更根本、更有價值的問題。這種轉型不是簡單的功能調整，而是從生成內容轉向管理內容，從創造新東西轉向更好地理解已有的東西。從某種意義上說，這反映了整個 AI 行業正在經歷的成熟過程：從炫技式的生成能力，轉向解決實際工作流程中的真實痛點。

Poly 到底做了什么

Poly 的核心功能聽起來簡單，但實現起來卻極其復雜。你可以上傳文件，然后用日常英語問它問題。比如"第四季度的預算是多少？""總結一下這個視頻。""找出紐約會議的照片。"AI 能夠理解跨格式的上下文，并返回精確的答案，包括時間碼和頁碼的引用。這聽起來可能不太起眼，但想想你上次試圖在一堆文件中找某個具體信息的經歷，你就會明白這有多重要。

與那些連接多個服務的聯合搜索工具不同，Poly 邀請你將文件整合到它的云端。文件從你的電腦同步，但它們也保留在本地。Poly 在上面添加了一個智能層，包括 AI 驅動的搜索、自動組織、標簽、摘要，甚至內容生成。你可以粘貼一個 YouTube 鏈接并立即獲得摘要。給文件打標簽，讓系統自動組織它們。在共享驅動器上與團隊成員協作，大家都可以查詢同一個內容庫。

Agarwal 將其視為 Google NotebookLM 的升級版，但具有更好的文件組織和檢索功能。我認為這個類比很有意思，因為它揭示了 Poly 的定位。NotebookLM 是一個很棒的工具，可以讓你上傳文件并提出問題，但它更像是一個研究助手，而不是一個文件管理系統。Poly 則試圖成為你日常使用的主要文件瀏覽器，一個可以完全替代 Finder 或文件資源管理器的工具。當然，Poly 目前還沒有實時網絡搜索或某些競爭對手提供的視頻生成功能，但我覺得這恰恰顯示了他們的專注：先把文件管理這件事做到極致。

Poly 的競爭優勢在于一個名為 Polyembed-v1 的專有嵌入模型。它經過訓練，可以理解各種內容類型，包括文本、PDF、演示文稿、電子表格、音頻、視頻、代碼和 URL。公司聲稱，這個嵌入模型不僅在文檔檢索方面表現優異，而且在廣泛的搜索查詢和混合文本與媒體的多模態請求方面也優于同類模型。這才是真正的差異化所在。在這個領域，搜索質量而非存儲容量將決定誰是贏家。Dropbox 和 Google Drive 都有 AI 搜索工具，但 Poly 的主張是它的搜索實際上效果更好。至少根據早期測試者的反饋，他們在自己的試驗中發現 Poly 的表現優于 Google Drive 的搜索。

為什么文件系統需要重新發明

我一直在思考一個問題：為什么文件系統在過去 40 年里幾乎沒有本質性的變化？從 1984 年第一臺 Macintosh 推出 Finder，到現在的 macOS 和 Windows，基本邏輯都是一樣的：文件夾層級結構，通過文件名搜索，手動組織和分類。這種模式在文件數量有限的時代是有效的，但在今天已經完全不適用了。

我們正在經歷一場數據爆炸。AI 正在加速數據創建的速度，驅動它沿著 J 型曲線復合增長。簡單來說，我們正在經歷一場數據大爆炸，隨之而來的是文件大爆炸。我自己的電腦上就有數千個文件，從工作文檔到個人照片，從下載的 PDF 到錄音文件。我相信大多數知識工作者的情況都差不多，甚至更糟。但我們用來管理這些文件的工具，基本上還是 40 年前的設計。

這就像是用馬車時代的道路系統來應對現代汽車交通一樣荒謬。文件名搜索只能找到標題中包含特定詞語的文件，但如果你記不清文件名呢？如果你想找的內容在文件內部呢？如果你想找的是一張照片，但你只記得照片里有一只狗，卻不記得文件名呢？傳統文件系統在這些情況下完全無能為力。

Poly 的創始人 Agarwal 在推特上說得很好："當你搜索'狗'時，它應該向你展示內容中有狗的文件，而不僅僅是文件名中有'狗'的文件！"這聽起來像是一個顯而易見的需求，但傳統文件系統做不到這一點。Poly 可以。它理解文件的內容，而不僅僅是元數據。這是一個根本性的轉變，從基于元數據的組織轉向基于內容理解的組織。

更進一步說，Poly 不僅僅是理解你的文件，它還可以幫你對文件采取行動。當你想編輯、轉換、總結或組織一個文件時，你的瀏覽器應該能做到這些。這種主動式的文件管理，而不是被動式的文件存儲，是 Poly 與傳統文件系統的另一個關鍵區別。

Poly 如何與巨頭競爭

Poly 正在直接與 Dropbox 和 Google Drive 競爭，這兩家公司都已經添加了 AI 搜索功能。但 Poly 的賭注不同。那些公司將 AI 搜索視為現有存儲產品的功能附加。Poly 則將其視為基礎。整個產品都是圍繞檢索和理解而設計的，而不僅僅是同步和共享。

我認為這種差異至關重要。當你從存儲優先的角度設計產品時，AI 搜索只是眾多功能之一。但當你從 AI 理解優先的角度設計產品時，整個架構都會不同。Poly 從一開始就被設計為一個智能系統，存儲只是達到目的的手段，而不是目的本身。這就像是智能手機與傳統手機的區別：傳統手機上添加一些應用程序，與從頭設計一個以應用為中心的設備，是完全不同的兩個概念。

從定價策略上看，Poly 也展現出了野心。他們在發布時為用戶提供 100GB 的免費存儲空間，這遠遠超過其他存儲服務的免費層級。Google Drive 免費提供 15GB，Dropbox 只有 2GB。Poly 的 100GB 是一個大膽的舉動，表明他們真的希望用戶將文件遷移過來。如果你每月支付 10 美元，可以獲得 2TB 的存儲空間。雖然工具目前沒有直接的照片同步功能，但如果未來公司圍繞這一點構建功能，Poly 可能成為 Google Photos 的一個不錯的替代品。

公司的目標用戶是知識工作者和 AI 原生創作者、研究人員、分析客戶通話的服務主管、組織參考材料的創意團隊、挖掘檔案的分析師。那些用洞察而非兆字節來衡量成功的人。從早期測試者的使用情況來看，他們確實將 Poly 用作項目的工作存儲。這表明 Poly 找到了一個真實的使用場景，而不僅僅是作為另一個云存儲備份方案。

更有趣的是，Poly 已經提供了一個模型上下文協議（MCP）服務器，這樣你就可以在 ChatGPT 或 Cursor 等工具中使用 Poly。這種開放性和互操作性是明智的，因為它讓 Poly 可以融入現有的工作流程，而不是要求用戶完全改變他們的工作方式。雖然 Poly 目前還沒有與其他工具的直接集成來同步文件，但 Agarwal 認為，由于應用支持虛擬文件引用，它可以從不同服務導入文件。

技術優勢背后的深層邏輯

讓我深入談談 Polyembed-v1 這個嵌入模型，因為我認為它是 Poly 能否成功的關鍵。嵌入模型聽起來很技術化，但它的作用本質上是將不同類型的內容轉化為計算機可以理解和比較的數字表示。想象一下，你有一段文字、一張圖片和一段視頻，傳統的文件系統會將它們視為完全不同的東西。但一個好的嵌入模型可以理解它們之間的語義關系，知道它們是否在討論同一個主題。

Poly 聲稱他們的嵌入模型在文檔檢索、廣泛搜索查詢和多模態請求方面都優于同類模型。這意味著什么？舉個例子，如果你搜索"上個月的產品發布會"，Poly 不僅能找到文件名中包含這些詞的文檔，還能找到那個時間段拍攝的照片、記錄的音頻和相關的視頻，即使這些文件的名稱完全不相關。這種跨格式的理解能力，正是傳統文件系統無法實現的。

更重要的是引用的準確性。當 Poly 回答你的問題時，它會給出精確的引用，包括頁碼和時間碼。這對于知識工作者來說至關重要，因為我們不僅需要答案，還需要知道答案來自哪里，以便核實和深入了解。這種可追溯性是 AI 系統可信度的關鍵，也是 Poly 與那些只給你一個模糊答案的工具的區別。

從架構角度看，Poly 選擇了一條有趣的路徑：文件同步到云端，但也保留在本地。這種混合模式結合了兩個世界的優勢。本地存儲意味著你的文件始終可訪問，即使沒有網絡連接。云端同步則使得 AI 處理和跨設備訪問成為可能。這比純云端方案更安全，也比純本地方案更智能。

產品路線圖透露的野心

Poly 在發布時提供了網頁版和 Mac 應用，Windows 版本即將推出。但他們的產品路線圖顯示出更大的野心。計劃中的功能包括網絡搜索集成、風格化報告生成、文本和 Markdown 編輯器、自定義元數據、Google Docs 鏈接、可以分析電子表格的 AI agent，以及在共享驅動器之外直接分享文件和文件夾的功能。

我特別關注幾個方向。網絡搜索集成意味著 Poly 不僅能搜索你的本地文件，還能將結果與網絡信息結合。這將使它成為一個更全面的知識管理工具。風格化報告生成則表明 Poly 不僅僅是檢索信息，還要幫助你創建新內容。這與 Agarwal 說的"從你的生活中獲得無限上下文的 LLM"的愿景一致。

AI agent 能夠分析電子表格這個功能也很有意思。電子表格是商業世界中最普遍的數據格式之一，但大多數人只使用其最基本的功能。如果 Poly 的 AI 可以幫助你理解復雜的電子表格、發現數據中的模式、甚至執行分析，那將極大地提升其價值。這不僅僅是文件管理，而是數據智能。

文本和 Markdown 編輯器的加入也很重要，因為這表明 Poly 想要成為一個完整的工作空間，而不僅僅是一個文件瀏覽器。你不需要在不同的應用之間跳轉，可以直接在 Poly 中查看、搜索、編輯和創建內容。這種整合的體驗可能會顯著改善工作流程。

投資者為什么看好 Poly

Bloomberg Beta 的合伙人 James Cham 說："Abhay 的團隊創造的是一種 AI 原生的'思考工具'。他們不僅是技術專家，還將復雜性提煉成普遍而人性化的東西。我們都迫切需要文件瀏覽器回歸。"這段話很有洞察力，因為它抓住了 Poly 的本質：不僅僅是技術創新，而是將技術轉化為可用性。

NextView Ventures 的合伙人 David Beisel 則表示："Poly 正在重新定義人們如何與自己的信息建立聯系。Poly 不是將知識埋在文件夾中，而是展現上下文和創造力——將日常文件轉變為個人智能層，幫助人們更快地工作和思考。"這反映了投資者對 Poly 的另一個關鍵看法：它不僅僅是工具，而是認知增強。

從投資陣容來看，Poly 獲得了一群專注于企業軟件和 AI 的頂級投資者的支持。Felicis 領投，Bloomberg Beta、NextView、Figma Ventures 等參與，這些都是在 SaaS 和開發者工具領域有深厚經驗的投資機構。這種投資者組合通常意味著公司不僅有資金，還有戰略指導和行業網絡。

NextView 在其投資公告中提到，他們的核心投資主題關注"日常經濟"——通過 AI 等突破性技術實現的日常生活廣泛類別的數字化重新設計。他們之前支持過 Sunrise（被微軟收購，重新發明了日歷），The Browser Company（最近被 Atlassian 收購，用 Arc 和 Dia 重新思考了網頁瀏覽體驗），現在還有 Beside（重新定義商業電話線）。Poly 正好符合這個主題：重新設計一個被忽視但普遍存在的工具。

我對 Poly 的思考和擔憂

Poly 的愿景令人興奮，但我也看到一些挑戰。首先是用戶遷移的問題。大多數人已經在使用 Google Drive、Dropbox 或 iCloud，他們的文件已經在那里，工作流程已經建立。說服用戶將文件遷移到一個新平臺并不容易，即使這個平臺更好。Poly 的 100GB 免費存儲是一個好的開始，但可能還需要更多激勵。

其次是與現有工具的集成。雖然 Poly 提供了 MCP 服務器，可以在 ChatGPT 和 Cursor 中使用，但它還沒有與 Slack、Notion、Google Workspace 等主流工具的原生集成。對于已經深度嵌入這些生態系統的團隊來說，切換到 Poly 可能意味著放棄一些現有的工作流程。當然，Agarwal 提到未來可以通過虛擬文件引用從不同服務導入文件，這可能會緩解這個問題。

第三是隱私和安全問題。雖然文件保留在本地，但也同步到 Poly 的云端進行 AI 處理。對于處理敏感信息的企業來說，這可能是一個顧慮。Poly 需要建立強大的安全基礎設施和清晰的隱私政策，才能贏得企業客戶的信任。這也是為什么他們需要這筆 800 萬美元的融資——構建企業級的安全和合規性需要大量投資。

最后是與 AI 巨頭的競爭。Google、Microsoft 和 Dropbox 都有龐大的資源和現有的用戶基礎，他們都在為自己的產品添加 AI 功能。Poly 作為一家初創公司，需要保持技術和產品體驗上的領先，這需要持續的創新和快速的迭代。好消息是，大公司通常行動緩慢，而且它們的 AI 功能往往是在現有產品上的附加，而不是從頭設計的。這給了 Poly 一個窗口期。

但我仍然對 Poly 充滿信心，原因有幾個。一是團隊的執行力。他們已經證明了自己能夠在必要時做出艱難決定（完全轉型產品），并且能夠在隱身模式下堅持兩年來構建正確的產品。二是市場時機。隨著 AI 能力的提升和數據量的爆炸性增長，對智能文件管理的需求從未如此迫切。三是產品理念的正確性。從基礎上重新思考文件系統，而不是在舊系統上修修補補，這是正確的方向。

文件系統的未來

我相信 Poly 代表了文件管理的未來方向。在 AI 時代，文件不應該只是靜態的存儲對象，而應該是可查詢、可理解、可操作的智能資產。你的文件講述了你生活的故事，但當你需要特定的一個時，你通常甚至找不到它。為什么你的文件瀏覽器不能幫你找到它，或者當你有問題時交叉引用它？

Agarwal 說："提示可以給 LLM 一百萬個 token 的上下文。通過 Poly，你可以給它下一個萬億。"這個比喻很有力。當前的 AI 助手受限于它們的上下文窗口，只能處理有限的信息。但如果你的整個文件系統都成為 AI 的上下文，那么它就真正成為了你的智能助手，了解你工作和生活的方方面面。

我想象這樣一個場景：你正在準備一個關于市場趨勢的演示。你只需要告訴 Poly："幫我找出過去一年中所有關于市場分析的文件，總結關鍵趨勢，創建一個包含相關圖表的演示文稿，并找出我們團隊上個季度討論這個話題的會議錄音。"Poly 理解你的意圖，在所有文件中搜索相關內容，提取洞察，甚至幫你生成初稿。這不是科幻，這是 Poly 正在構建的能力。

從更宏觀的角度看，Poly 是整個計算范式轉變的一部分。我們正在從"應用程序中心"轉向"數據中心"。過去，我們使用不同的應用程序來完成不同的任務，數據被困在這些應用程序的孤島中。但在 AI 時代，重點應該是數據本身，AI 成為操作數據的通用界面。Poly 正是這種轉變的體現：它不是另一個應用程序，而是一個智能層，讓你能夠以前所未有的方式訪問和操作你的所有數據。

當然，Poly 的成功還有待觀察。但我認為，無論 Poly 本身是否成為主導者，它代表的方向是正確的。文件系統必須進化，必須變得智能，必須從被動的存儲容器轉變為主動的智能助手。40 年沒有變化的東西，終于到了改變的時候了。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。