Dust 深度拆解 — 面向团队的 AI Agent

开场

在 AI Agent 赛道，创始人背景能说明很多事情。Dust 的两位联合创始人：Stanislas Polu，前 OpenAI 研究员，在 OpenAI 待了三年研究数学推理，亲眼看着 GPT-2 写出第一段连贯文字；Gabriel Hubert，前 Stripe（TOTEMS 被 Stripe 收购）和 Alan（欧洲增长最快的保险科技公司之一）的 CPO。两个人都是 Ecole Polytechnique + Stanford 出身。Sequoia Capital 两轮领投，总融资 $21.5M，66 人团队做到 $7.3M ARR——每个员工贡献 $110K 的年经常性收入。我在调研企业 AI 协作工具时深入使用了 Dust，也和做欧洲市场的客户讨论过它和 Microsoft Copilot 的对比。

他们解决什么问题

大多数 AI Agent 工具服务的是个人用户（个人效率）或开发者（搭建 Agent 系统）。Dust 瞄准的是一个不同的场景：团队协作中的 AI Agent。

一个 30 人的客户成功团队，每天要处理上百封客户邮件，需要查阅内部文档、历史工单、产品更新日志才能给出准确回复。一个 50 人的销售团队，每周要做市场分析、竞品对比、客户提案，需要整合 CRM 数据、过往案例和公开信息。这些场景的共同特点：AI Agent 需要深度访问公司内部知识，并且需要在团队层面共享和管理。

Dust 解决的核心问题：让团队共享一套连接了公司知识库的 AI Agent，每个成员都能用，管理员能统一管控。不是给个人一个 ChatGPT Plus，而是给团队一个"知道公司所有事情"的 AI 助手集群。

产品矩阵

核心产品

Custom AI Agents：Dust 的核心是自定义 Agent。每个 Agent 有明确的职责（客服助理、销售助理、技术文档助理等），可以连接到特定的知识源和工具。团队成员通过对话界面和 Agent 交互，Agent 基于公司数据给出回答。

Company Knowledge Hub：Dust 连接公司现有的工具和数据源——Slack、Notion、Google Drive、GitHub、Intercom 等。数据自动同步和索引，Agent 可以实时检索最新信息。这和 Glean 的企业搜索有相似之处，但 Dust 的重点在于"Agent 用这些数据来执行任务"，而不只是"搜索"。

Workspace 管理：团队级的 Agent 管理平台。管理员可以控制谁能创建 Agent、Agent 能访问哪些数据源、Agent 的行为边界（guardrails）。支持多工作空间，不同部门可以有独立的 Agent 集合和数据权限。

Model Routing：Dust 不绑定单一模型——支持 GPT-4o、Claude、Gemini、Mistral 等多种模型，可以按 Agent 选择最合适的模型。这种模型路由能力让团队可以根据任务类型优化成本和质量。

技术差异化

Dust 的差异化在三个层面：第一，"团队优先"的产品设计——Agent 不是个人工具，而是团队共享的"AI 同事"；第二，深度的数据连接和实时同步——Agent 的回答基于公司最新数据，不是静态的知识库；第三，模型无关的架构——不绑定 OpenAI 或任何单一供应商。

Stanislas Polu 的 OpenAI 背景在 prompt engineering 和 Agent 行为控制上有直接价值——Dust 的 Agent 在"幻觉控制"和"引用准确性"上表现优于大多数同类产品。

商业模式

定价策略

方案	价格	目标客户
Free Trial	15 天免费	试用评估
Pro	€29/用户/月	中小团队
Enterprise	定制	100+ 人，多工作空间，SSO

按用户按月收费，简单透明。和 credit-based 的定价（Relevance AI、Gumloop）相比，Dust 的成本更可预测——不管团队用多少次 Agent，月费固定。

收入模式

纯 SaaS 按席位收费。$7.3M ARR，假设平均客单价约 €29-40/用户/月，推算付费用户约 15,000-20,000 人。增长飞轮：一个部门试用 → 其他部门看到效果要求使用 → 全公司采用 → 年度 Enterprise 合同。

融资与估值

轮次	时间	金额	领投
Seed	2023	€5M	Sequoia Capital
Series A	2024.06	$16M	Sequoia Capital

总融资 $21.5M。Sequoia 两轮领投说明对团队和方向的高度认可。估值约 $100M+（Series A 时）。以 $7.3M ARR 计算，当前隐含估值大概在 $100-150M 区间——在欧洲 AI 创业公司中表现突出。

客户与市场

标杆客户

Dust 的客户主要是欧洲和美国的科技公司和成长期企业。从 Sequoia 的案例分析来看，典型客户是 50-500 人规模、使用大量 SaaS 工具（Slack + Notion + Google Workspace 组合）、有明确的知识管理痛点的团队。客户留存和扩展数据是 Dust 的强项——一旦团队把内部知识库连上去，切换成本很高。

市场规模

团队协作 AI 市场和企业搜索市场高度重叠。Glean（估值 $4.6B）证明了这个市场的规模。Dust 的定位比 Glean 更聚焦（Agent 而非搜索），价格更亲民（€29/用户 vs Glean 的 $10-20/用户但需要大规模部署），目标是 Glean 覆盖不到的中小企业和团队。

竞争格局

维度	Dust	Glean	Microsoft Copilot	Notion AI
核心定位	团队 AI Agent	企业 AI 搜索	微软生态 AI 助手	知识库 AI
目标客户	50-500 人团队	500+ 人企业	微软生态企业	Notion 用户
定价	€29/用户/月	$10-20/用户/月	$30/用户/月	$10/用户/月
自定义 Agent	核心功能	有限	Copilot Studio	否
数据连接	广泛（Slack/Notion/GitHub）	100+ 企业应用	微软生态为主	Notion 内部
模型选择	多模型	自研 + 合作	GPT-4/OpenAI	不透明

Dust 的位置很独特：比 Glean 轻、比 Notion AI 强、比 Microsoft Copilot 灵活、比 ChatGPT Team 更深度连接公司数据。

我实际看到的

好的：Agent 的数据连接质量很高。我测试时把一个 Notion 工作空间和几个 Google Drive 文件夹连上去，Agent 在回答问题时能准确引用具体文档和页面，甚至能指出"这个信息在上周三更新的版本里有变化"。模型路由功能也实用——简单问题用 Gemini Flash 降低成本，复杂推理切 Claude。管理面板清晰，可以看到哪些 Agent 被用得多、哪些数据源被引用频率高。

复杂的：€29/用户/月对于 10 人团队来说是 €290/月，不便宜。如果全公司 200 人都用，就是 €5,800/月——这时候企业会考虑是不是直接用 Microsoft Copilot（已经在微软订阅里了）。另外，Dust 的 Agent 能力目前偏向"知识检索和问答"，在"执行操作"（发邮件、更新 CRM、创建工单）方面不如 Relevance AI 和 n8n。

现实的：66 人团队、$7.3M ARR、Sequoia 两轮领投——这是一个健康的早期增长状态。每员工 $110K ARR 的人效比在 SaaS 领域算优秀。但 Dust 面临的最大挑战是 Microsoft Copilot 的挤压——微软可以把类似功能塞进 Microsoft 365 订阅里，$30/用户/月但包含了 Word、Excel、Teams 等全套工具。Dust 需要在"深度数据连接"和"自定义 Agent 能力"上保持足够领先。

我的判断

Dust 是我见过的"团队级 AI Agent"做得最好的产品。创始人背景豪华，Sequoia 两轮背书，人效比健康。它的核心价值是"把公司的知识变成 Agent 的能力"——这个定位在知识密集型团队有很强的 PMF。但定价策略和 Microsoft Copilot 的竞争是两个需要解决的问题。

✅ 适合：50-500 人的知识密集型团队（客服、销售、咨询），大量使用 Slack + Notion + Google Workspace 的公司，需要团队共享 AI Agent 且要求数据连接深度的场景

❌ 跳过如果：你已经在微软生态里且对 Copilot 满意（切换成本高），你需要 Agent 执行操作（发邮件、更新 CRM 等）而非主要做知识问答（看 n8n 或 Relevance AI），你是 10 人以下的小团队（成本收益比不够好）

一句话：Dust 证明了"AI Agent 不只是开发者的工具，也是团队的基础设施"——关键看它能不能在 Microsoft Copilot 的阴影下活出自己的空间。

互动

你的团队在用什么 AI 协作工具？Dust、Glean、Microsoft Copilot 你更看好哪个？"团队级 AI Agent"对你来说是不是刚需？评论区交流。