谷歌微软的天使投资人押注，geoSurge用模型记忆提升AI可见性丨涌现新项目

AI爬取数据规模可提升5000倍。

一句话介绍

geoSurge是一家专注做GEO（生成式引擎优化）的初创公司，基于“模型内部记忆+RAG（检索增强生成）”提供GEO服务，总部位于伦敦，成立于2025年4月。

目前，geoSurge已完成由欧洲老牌风投机构Passion Capital和美国硅谷风投基金Tuesday Capital支持的Pre-Seed轮融资，得到了来自包括谷歌DeepMind、微软AI等公司天使投资人的支持。

团队介绍

联合创始人兼CEO Francisco Vigo：拥有12年商业数据分析的工作经验，曾在一家金融科技独角兽公司Zilch担任首席数据科学家。

△geoSurge联合创始人兼CEO Francisco Vigo，图源：企业提供

联合创始人兼CTO Jons Mostovojs：资深机器学习与系统工程专家，长期致力于大模型与数据系统的研发工作，专注模型训练、评估与基础设施领域。

APAC负责人李子月Zoe：前欧洲早期AI / DeepTech风险投资人。

产品及业务

创始人Francisco Vigo曾担任金融科技领域的首席数据科学家，是大型语言模型的早期重度用户。作为普通用户，他曾有过这样的体验：比起传统搜索结果，他更信任AI的回答，尤其是在搜索结果充斥广告时。

随后他开始系统性地测试模型，在一段时间内反复提出相同的问题。当模型更新时，他发现即使品牌本身没有重大商业变动时，在大模型答案中的可见度也很容易发生高频改变。

如何避免让品牌“从AI答案中消失”，成为geoSurge创立的起点。

Francisco Vigo透露，geoSurge的产品包括三大板块：

1、MEASURE（测量）：可以监测一个品牌当前在主要AI系统如ChatGPT中的排名位置，追踪品牌是否被提及，品牌出现的频率和一致性，以及跨时间、市场的不同数据。

△MEASURE，图源：企业提供

2、EXPLORE（探索）：帮助客户理解模型为什么会出现这一表现，并给出可优化的方向。

EXPLORE能分析这一位置是如何形成的，展示模型内部概率分配及新词预测的思维过程。通过识别存在概率差距的位置，EXPLORE还会向客户展示在哪些细分领域、提示或语境中其品牌有望提升可见性。

△EXPLORE，图源：企业提供

3、BOOST（提升）：通过语料库工程（Corpus engineering）帮助客户提升品牌在AI中的可见度。

语料库工程技术能优化模型的信息集，主动影响模型的记忆和训练数据，从而帮助品牌被模型更准确、可靠地识别及调用，为品牌争取最大的曝光机会。

△BOOST，图源：企业提供

2025年9月，OpenAI关于ChatGPT使用方式的研究显示，用户使用ChatGPT主要目的是询问某事或寻求建议，其中49%的信息是“询问”类型，与此同时，约70%的消费者使用ChatGPT是非工作相关的，如用于日常决策、发现和指导。这意味着，模型呈现出的内容在商业层面相当关键。

模型获取信息一共有两种方式，一种是来自其内存的内部记忆，另一种是基于搜索和记忆。模型的记忆类似于一个人的世界观，帮助模型解释其看到的一切。

RAG用于GEO中的工作原理大致是：模型从网络上搜索大量文章，将其加载在内存中，并对这些内容进行总结，提取出用户所需的答案。这一机制能填补模型内部记忆不完整或者不确定的空白。

然而，即使是使用了RAG，AI展示和引用的结果仍然由模型的“记忆层”驱动。因此，模型的内部记忆是决定它识别和推荐哪些品牌的主要因素。

geoSurge的专长在于塑造模型的记忆，它能确保品牌信息深植于模型的记忆中，在没有实时搜索的情况下，模型也能基于记忆对客户品牌进行推荐。

相较其他GEO服务商采用RAG方案为主，geoSurge走出了差异化路径，把目光瞄准了模型的长期记忆，让模型本身认知并记住品牌，而非短期的排名优化。具体来说，它能帮助品牌方预先优化和准备语料库，从而在模型训练或迭代过程中，相关信息能更高效地被大模型学习、记忆并精准调用。

不同模型有不同的行为模式、训练偏好和使用场景，geoSurge还能根据不同的模型、客户的目标和目标市场量身定制策略，确保品牌在整个AI生态中被记忆。

比如，geoSurge还接入了大量的遥测数据进行监测，确保客户品牌相关数据最终能进入模型训练数据集。

在技术接入后，客户可以在几周内看到早期效果，具体指标包括在相关提示词中的品牌提及率、随时间变化的稳定性、上下文准确性及AI爬虫活动的频率和深度。受生成式系统的概率性、道德准则等条件的影响，geoSurge无法保证客户排名绝对位于第一。

在具体效果上，geoSurge曾与一家英国房地产公司合作，在经过一个BOOST周期后，其AI 爬虫抓取活动量增加了5000倍，在相关提示词中，该品牌的存在感在各个模型中表现更强且更一致，排名从几乎不被提及上升至第二名。

在过去将近一年时间里，geoSurge组建了技术前沿的人才团队，和GPU供应商建立了合作关系，主要与高增长的科技公司、行业领军企业及拥有成熟营销团队的企业展开合作，已实现稳定的企业级商业应用，并计划在今年拓展亚太地区市场。

Founder思考

• GEO比SEO（搜索引擎优化）难一万倍，两者存在本质区别。

SEO围绕谷歌算法给网页排名，影响因素包括反向链接、关键词、发布文章等。SEO在某种程度上是可逆向工程，我们可以通过反推算法，理解反向链接的作用，以及关键词的机制。 而GEO是一门更为复杂的学科，LLM的底层技术是基于数万亿参数的神经网络，业界称其为“黑箱”，我们知道它们能运行，但无法观测其内部的权重，也无法理解其运作的具体原因。它要求你必须理解AI系统是如何训练的、数据是如何收集的、为什么要这样收集、模型更新的频率有多高等问题。

• 品牌被AI识别和引用的程度是不稳定的。

在GEO中，品牌正面临着“消失”的风险，具体原因如下：AI的记忆可能不稳定，有的品牌可能这周被AI提及，下周便消失了；模型的更新可能会改变概念间的关联方式，进而影响推荐结果的目标群体；此外，AI给出的回答通常仅包括少数几个选项，这导致落在这个名单之外的品牌实质上就“消失”了。 有些品牌正在从AI的答案中“消失”，这可能成为企业严重的商业风险。

• GEO市场上许多解决方案侧重于测量和监控，他们往往给出一个关于品牌会在哪里出现的仪表盘（Dashboard），或者通过RAG进行短期优化。

我们主打基于模型记忆（Memory）的路线来做GEO服务，但也提供RAG方面的优化。不过，主导AI可见性（指品牌被AI识别和引用的程度）的仍是模型内部记忆。

• 品牌要在AI系统中实现长期持久的可见性，关键在于其本身被模型认知并记住。模型难以推荐其在训练中没有见过的品牌，为了让客户品牌能维持持久的可见性，我们需确保模型在训练时就已经拥有了关于该品牌的记忆。

因此，我们专注于加强模型记忆层，我们并非要取代SEO，而是增加了SEO缺失的记忆层。

• SEO仍然非常重要，但仅靠SEO完全不够。

目前AI模型仍处于持续更新的阶段，对于想要提高品牌曝光的企业而言，他们需要双管齐下。在强化模型记忆的同时，企业也需探索进行传统搜索优化的路径，优化模型抓取的网页数据进入模型内存，实现SEO和GEO两种策略同时有效并产生协同效应。

• 在AI搜索中，一些企业可以尝试在细分领域占据主导地位，并从细分领域向外逐步建立知名度，从而脱颖而出。

• 衡量GEO效果的关键指标，不仅包括来自LLM的真实点击转化情况，还有AI爬虫的抓取次数，爬虫活动与品牌能否进入模型训练数据集密切相关。

• 我们在模型训练阶段影响模型记忆，其真实效果需要等到新模型发布后才能看到。尽管如此，我们在通过RAG优化现有模型的同时，又通过模型记忆策略影响待发布的新模型，这使得我们在整体节奏上始终保持领先，新模型一经上线即可看到优化成效。

与此同时，大模型本身的更新迭代速度正在加快，对于客户而言，这意味着成果交付周期正在缩短。

《智能涌现》访谈小记

2025年，GEO入选《麻省理工科技评论》年度AI十大热词，AI正成为下一个流量入口，引发品牌和营销的范式转变。

在大洋彼岸，GEO更早，不过仍然处于早期阶段，率先入局的美国GEO明星创企Profound，成立两年已获得三轮融资；Scrunch AI则完成A轮融资，总融资额达1900万美元，证明GEO已经形成商业闭环。国内也有不少创企瞄准GEO，但融资阶段更早。

不过，目前的GEO服务效果仍不稳定。AI模型快速迭代的同时，GEO相关技术远未达到成熟水平，由SEO直接演变而来的单纯追求品牌曝光的模式不再完全适用，海量低质内容污染语料，这是GEO行业还要面临的挑战。

当前，行业内GEO服务商的做法各异，比如，有GEO服务商侧重帮助品牌进行AI可见性监测和分析，给出针对AI搜索引擎的内容创作建议，将优化对象对准了被AI引用的内容。

geoSurge的特点在于，利用对模型语料库的优化，在模型内部塑造品牌长期、稳定的记忆，并提供AI可见度的监测和分析，为GEO创业者提供了一条更侧重技术的路径参考。

文章来自于“智能涌现”，作者 “王欣逸”。