Graphext：西班牙创业公司投入7年打造数据分析的F1
Source: Dev.to
起源：从分析 Twitter 到理解世界
Graphext 的火花并不是在商业计划中产生的，而是源于好奇心。创始人 Victoriano Izquierdo 和 Miguel Cantón，从小就有创业精神的计算机工程师，最初使用一个名为 contexto.io 的工具，专注于分析 Twitter 上的连接。很快他们意识到，真正的潜力在于超越这一点：创建更广泛的信息上下文，并可视化任何数据集里连接人和组织的隐藏网络。
于是，Graphext 于 2015 年诞生，融合了 graph（图）和 context（上下文）。它的使命是 让数据科学民主化，弥合代码专家与拥有重要业务问题却缺乏直接回答工具的业务分析师之间的鸿沟。他们希望克服 Excel（过于基础）和 Jupyter 等编程笔记本（对非技术人员来说过于复杂）的局限，致力于打造一种全新的工具——一款 “像 Figma 那样交互，但用于数据科学” 的产品。
技术：在你的浏览器中的“一级方程式”
让 Graphext 与众不同的根本在于它的架构。经过多年密集的研发（I +D），他们构建了 CEO 所称的 “一级方程式”：一台极其强大的分析机器。
它的秘密在于充分利用前沿的网页技术，如 WebAssembly (Wasm)、WebGL 和 Apache Arrow。得益于 Wasm，绝大部分数据处理（高达 80‑90 %！）直接在用户的浏览器中 完成，而不是在远程服务器上。由此带来的流畅度令人惊叹：探索和过滤数百万行数据的感觉几乎是瞬时的。
他们还自行研发了压缩库和内部的 low‑code 语言。这种深度的技术投入，正如创始人所说，形成了一个极其难以复制的竞争壁垒。
平台：从原始数据到可解释模型
Graphext 不仅仅是一个可视化工具；它是一个完整的 无代码/低代码 平台，覆盖分析的整个生命周期：
| 功能 | 描述 |
|---|---|
| 通用连接 | 从简单的 CSV 导入，或直接连接现代 数据仓库（Snowflake、BigQuery、Databricks、Redshift）。 |
| 交互式可视化探索 (EDA) | 工具的核心：过滤、分组、交叉变量，并在运行时丰富数据。 |
| 无代码高级建模 | 通过点击而非编写代码，应用 机器学习 算法（聚类、自然语言处理、图像分析）。 |
| 可解释预测 (XAI) | 创建预测模型（例如流失或潜在客户评分），并且关键是 了解模型为何做出该预测。对可解释 AI 的投入是其未来战略的核心。 |
“方程式 1”的困境：性能 vs. 可及性
尽管采用了“无代码”理念，Graphext 仍然意识到一种张力：它的工具如此强大，以至于需要一位**“熟练的驾驶员”**才能充分发挥其价值。它并非面向完全的初学者，而是面向业务分析师、数据科学家以及寻求超级能力的高级用户。
这种二元性体现在其混合商业模式中：
| 细分市场 | 特点 |
|---|---|
| 自助（Free 和 Pro） | 吸引用户并实现自然传播（Product‑Led Growth）。 |
| 企业版 | 定制化定价、培训与数据工程服务，面向需要配套支持的大型企业。 |
公司正从出售**1 000 €**的票据，转向与 McDonald’s 或 Roche 等公司签订六位数或七位数的合同。
非典型且耐心的金融策略
Graphext 挑战了风险资本的常规。在其前七年里，它通过一种聪明的组合获得融资：
| 来源 | 细节 |
|---|---|
| 适度种子资本 | 小额轮次，包括由 K Fund 主导的轮次。 |
| 关键公共补助 | 约 200万欧元 的欧盟基金（Horizonte 2020，EIC Fund），对在不大幅稀释的情况下资助研发至关重要。 |
这种策略让他们能够耐心地构建其技术“F1”。产品成熟、价值主张得到验证后，他们开始寻求大规模的商业扩张融资。
结论
Graphext 表明，在一个崇尚爆炸式增长的生态系统中，战略性耐心结合对技术的深度投资可以打造难以复制的竞争壁垒。它对 可解释人工智能 的投入以及将处理迁移至浏览器的架构，使其能够提供一种数据分析体验，虽然强大，却仍对具备分析思维的用户保持可访问性。
尽管“F1”模式要求用户具备一定的专业技能，自助服务与企业版的组合仍为逐步且可持续的采用打开了大门，证明了 并非总是需要“快速增长”才能成功。
执行摘要
风险降低，公司对一级风险资本变得非常有吸引力。
转折点出现在 2023年6月，进行了一轮 460万美元 的种子轮融资，由 Hoxton Ventures（伦敦）领投，标志着其商业扩张阶段的开始。超过 80 位天使投资人 的支持，其中包括 Freepik、CARTO、Snowflake、GitHub 和 Meta 的人物，凸显了行业对其愿景的信心。
关键里程碑
| 里程碑 | 日期 | 详情 |
|---|---|---|
| 成立 | 2015 | Graphext 成立。 |
| 欧盟融资 | 2018‑2021 | 大约 2 M € 的非稀释性补助金。 |
| 关键种子轮融资 | 2023年6月 | 4,6 M USD，由 Hoxton Ventures 主导。 |
| 团队 | 2024/25（估计） | 大约 50 名员工（来源不同）。 |
未来：可解释和生成式 AI 作为竞争优势
Graphext 的目标很明确：在可解释 AI（XAI）领域领先。在一个 AI 越来越强大却越发不透明的世界里，理解预测原因的能力对于企业的信任和采纳至关重要。
此外，他们正在整合生成式 AI，不仅仅作为一个功能，而是可能的**“Formula 1”困境的解决方案**。他们设想一个未来，用户可以用自然语言提出问题，AI 在 Graphext 中生成完整的交互式分析，引导用户并让平台的全部强大功能变得易于获取。
结论：从实验室到商业赛场
Graphext 已经完成了最艰难的阶段：构建具有差异化的技术并采用智能融资策略。现在，挑战在于商业化。他们必须扩大销售，尤其是在 Enterprise 国际 市场，并解决性能与可用性之间的矛盾。
他们的故事提醒我们，通往成功的道路并非唯一。有时，耐心、技术深度和清晰的愿景比不计代价的速度更具威力。Graphext 已经打造了自己的“F1”；现在真正的赛跑开始了，旨在证明他们能够在全球市场中取胜。