当用户开始向 ChatGPT 或 Gemini 提问“最好的项目管理软件是什么”“哪家银行的房贷利率最低”时，搜索引擎优化（SEO）行业过去二十年建立的整套方法论正在失效。传统 SEO 的核心是让网页在谷歌的十条蓝色链接中排得更靠前，但生成式 AI 的介入改变了信息分发的终点：答案不再是一串链接，而是一段被模型综合、压缩、重新表述后的自然语言结论。品牌在这个结论里是被提及、被推荐，还是被忽略、被误读，取决于模型从哪些来源抓取了什么信息，以及这些信息在模型内部的权重如何。这是一个远比关键词排名更不透明的黑箱。

日本初创公司 QueryLift 试图在这个黑箱里建立一套可操作的方法。公司运营一个面向生成式 AI 搜索的 GEO（Generative Engine Optimization，生成式引擎优化）平台。据 VPO News 报道，该平台持续监测和分析品牌与产品在 ChatGPT、Gemini、Claude、Google AI Overviews 对特定查询的响应中被如何提及、引用哪些来源、与竞品如何比较和推荐，并自动化从信息分析到内容优化的全流程。QueryLift 于近期宣布完成 1 亿日元种子轮融资，投资方为 JAFCO 和 Z Venture Capital。据 VPO News 报道，本轮融资通过第三方配股方式完成，JAFCO 和 Z Venture Capital 为承销方。

这笔融资的规模在日本早期创业生态中并不算大，但它的信号意义在于：两家机构投资者愿意在生成式 AI 搜索尚未形成稳定商业闭环的阶段，押注一个尚处于方法论定义期的品类。而 QueryLift 自身的数据也显示出这个赛道的早期特征——据 Tracxn 数据，截至 2026 年 7 月 26 日公司仅有 4 名员工，累计融资 17.3 万美元；PremierAlts 给出的当前估值为 170 万美元。一个 4 人团队、170 万美元估值的公司，要解决的是生成式 AI 时代品牌可见度这个尚无标准答案的问题。

字段 内容
公司 QueryLift（QueryLift Inc. / QueryLift Co., Ltd.）
轮次 种子轮
金额 1 亿日元（VPO News 与 Startupresearcher 口径；Tracxn 称累计融资 17.3 万美元，PremierAlts 称 17 万美元，数据存在冲突）
投资方 JAFCO、Z Venture Capital
总部 日本
创始人 未在公开来源中披露
官网 https://querylift.kovotic.io/

GEO 不是 SEO 的简单平移，而是一次信息基础设施的重新定义

把 GEO 理解为“针对 AI 搜索的 SEO”是一种直觉上的简化，但两者在技术逻辑上存在根本差异。SEO 的优化对象是网页在搜索引擎索引中的可抓取性、相关性和权威性，最终输出是排名位置；GEO 的优化对象则是生成式模型在回答特定查询时对品牌信息的引用方式、引用来源和比较语境，最终输出是模型生成文本中的品牌呈现。前者至少还有相对明确的排名信号可以参考，后者则涉及模型训练数据、检索增强生成（RAG）的实时抓取逻辑、以及模型在综合多个来源时的偏好权重——这些环节的透明度远低于传统搜索引擎的排名算法。

据 VPO News 报道，QueryLift 的平台功能包括持续监测品牌在生成式 AI 响应中的提及方式、被引用的来源、以及与竞品的比较和推荐情况。这意味着产品需要解决一个技术前提：如何稳定地、可重复地获取生成式 AI 对特定查询的输出，并将其结构化。生成式模型的回答具有非确定性，同一个查询在不同时间、不同会话中可能产生不同表述，这给“监测”本身带来了方法论挑战。QueryLift 尚未披露其如何处理这种非确定性——是采用多次采样取统计分布，还是通过固定模型版本和参数来控制变量，来源材料中均未说明。据 VPO News 报道，该平台已有政党、政府机构和大型企业的实施记录；该口径来自公司披露，尚无独立验证，是否形成可重复运行的标准化流程尚待独立验证。

公司称其平台“无需专门 AI 知识即可使用”，这一说法来自 Tracxn 的公司简介。从产品设计逻辑看，这意味着 QueryLift 必须把复杂的模型行为分析封装成用户可理解的可视化界面和操作建议。但“无需专门 AI 知识”与“平台能有效优化品牌在生成式 AI 中的呈现”之间存在一个隐含的张力：如果用户不理解模型如何选择来源、如何加权信息，他们如何判断平台给出的优化建议是否合理？这个问题的答案可能取决于 QueryLift 在产品中内置了多少解释性功能，而这一点在现有来源中未披露。

从政党到大型企业：一个尚未被定价的客户结构

QueryLift 披露的客户类型值得注意：政党、政府机构和大型企业。这三类客户在日本市场有一个共同特征——它们对“在公共信息空间中被如何表述”极其敏感，且预算决策周期与纯商业客户不同。政党和政府机构关心的是政策立场和公共形象在 AI 生成内容中是否被准确传达，大型企业关心的则是品牌在购买决策类查询中的推荐位置。据 VPO News 报道，QueryLift 已有这三类客户的实施记录，但具体客户名称、合同金额、续约率均未披露。这意味着“实施记录”这一表述只能说明公司完成了若干项目，无法判断这些项目是付费商业合同、试点项目还是非商业合作。

从商业模式角度看，QueryLift 尚未在公开来源中披露其定价方式、收费结构或收入规模。本轮资金用途中明确包含“加强面向大型企业的销售与实施支持体系”，这暗示公司当前的收入结构可能还不足以支撑一个标准化的企业级销售流程。一个 4 人团队同时服务政党、政府机构和大型企业，在实施交付上必然面临资源约束。如果这些客户需要定制化的分析维度和报告格式，那么“自动化平台”的规模化叙事就会与“项目制交付”的现实产生摩擦。QueryLift 能否从项目制收入转向可重复的订阅制或平台使用费收入，是决定其商业模型能否成立的关键问题，而这一问题的答案在现有披露中完全缺失。

另一个值得注意的细节是融资数据之间的冲突。VPO News 和 Startupresearcher 均报道本轮融资为 1 亿日元，但 Tracxn 记录的累计融资额为 17.3 万美元，PremierAlts 记录为 17 万美元，而 third-news 在 6 月 11 日的报道中称 QueryLift 完成了一笔 2500 万日元的融资用于业务扩张。2500 万日元约合 16.7 万美元，与 Tracxn 和 PremierAlts 的 17 万美元量级吻合，但与 1 亿日元的本轮融资额相差四倍。编辑推测：QueryLift 在 6 月完成了一笔约 2500 万日元的早期融资，随后在近期完成了 1 亿日元的种子轮，而 Tracxn 和 PremierAlts 的数据尚未更新至最新一轮。但这一推断无法从现有来源中得到证实。

67 个竞争对手中的第 42 名：一个拥挤但尚无领导者的赛道

据 Tracxn 数据，QueryLift 有 67 个活跃竞争对手，其中 16 个已获融资，QueryLift 按总融资额在 67 个竞争对手中排名第 42 位。需要说明的是，该排名依据的是总融资额，而非产品能力、市场份额或客户规模，因此对早期赛道竞争地位的指示意义有限；它只能反映各家公司在资本层面的相对位置，不能代表产品竞争力排序。这个排名揭示了一个关键事实：GEO 赛道已经相当拥挤，但绝大多数参与者都处于早期阶段，融资规模普遍偏小，尚未出现明显的市场领导者。67 个竞争对手中只有 16 个拿到融资，意味着超过四分之三的玩家可能还处于自筹资金或未披露融资的状态。QueryLift 的 1 亿日元种子轮在这个群体中处于什么位置，Tracxn 的排名给出了一个参照：第 42 位。也就是说，即便完成了本轮融资，QueryLift 在赛道内的资金实力仍处于中下游。

这个竞争格局对 QueryLift 的启示是双重的。一方面，赛道的拥挤验证了需求的真实性——大量创业者同时看到了生成式 AI 搜索带来的品牌可见度问题。另一方面，拥挤的赛道意味着差异化难度极高。Tracxn 列出的前十名竞争对手描述中，出现了“基于 AI 的网站搜索优化解决方案”“利用生成式 AI 搜索引擎监控品牌定位的云平台”“面向营销团队的 AI 搜索分析平台”“生成式引擎优化的 AI 驱动搜索平台”等表述，这些描述与 QueryLift 的产品定位高度重叠。当 67 家公司的产品描述听起来都差不多时，客户的选择依据会转向什么？可能是技术准确性、客户案例质量、数据积累深度、或者价格。

从替代方案的角度看，QueryLift 面临的竞争不仅来自同类 GEO 工具，还来自更广义的“AI 搜索可见度管理”方案。一些企业可能选择直接与生成式 AI 平台建立数据合作，另一些可能通过优化结构化数据和 API 可访问性来间接影响模型输出，还有一些可能选择人工监控和手动干预。QueryLift 的自动化平台叙事只有在“自动化”本身能产生显著效率优势时才能成立，而这个效率优势需要与人工方案的成本和效果进行对比才能量化。目前没有任何来源提供这种对比数据。

JAFCO 与 ZVC 的押注逻辑：基础设施叙事下的早期卡位

以下为编辑基于公开主体背景的分析，非投资方官方表述。JAFCO 是日本历史最悠久的风险投资机构之一，Z Venture Capital 则是 Z Holdings（现 LY Corporation）旗下的企业风险投资部门。这两家机构的组合本身传递了一个信号：QueryLift 的融资结构融合了财务投资与战略投资的逻辑。Z Venture Capital 的母公司 LY Corporation 运营着 Yahoo! JAPAN 和 LINE 等大型互联网平台，对搜索和信息分发生态有直接的战略利益。如果生成式 AI 搜索确实在侵蚀传统搜索的流量和广告价值，那么 LY Corporation 通过 ZVC 在 GEO 赛道卡位，可能具有防御性和前瞻性的双重考量。但这一推断基于 ZVC 的母公司背景，来源材料中并未披露 ZVC 投资 QueryLift 的具体战略意图，因此其投资逻辑的官方表述尚不可知。

从投资阶段看，1 亿日元种子轮对 JAFCO 这样的机构而言是一个较小的支票规模，通常意味着机构在测试一个新兴赛道，而非重仓押注。结合 QueryLift 的 4 人团队规模和 170 万美元估值，这笔投资更像是对“生成式 AI 搜索基础设施”这一命题的早期期权，而非对 QueryLift 当前产品市场契合度的验证。投资方声明中使用的表述是“促进建立适应生成式 AI 驱动的搜索体验转型的新信息基础设施”，这一表述来自 VPO News 对公司资金用途的报道，带有明显的赛道投资色彩——即投资的是“信息基础设施”这个品类，而非 QueryLift 当前的具体产品形态。

这种投资逻辑的风险在于，基础设施品类的赢家往往需要大规模的数据积累和网络效应才能建立壁垒，而 QueryLift 目前的资源规模与这个目标之间存在显著差距。1 亿日元约合 67 万美元，按日本工程师的平均年薪计算，这笔钱在支付 4 人团队一年薪资后所剩无几，遑论大规模研发投入和销售体系建设。公司称资金将用于“加速自然语言处理和信息检索领域的研发”并“加强面向大型企业的销售与实施支持体系”，但这两个方向同时推进对资金的需求远超 67 万美元。这意味着 QueryLift 要么在短期内实现可观的收入增长以补充资金，要么需要在未来 12 到 18 个月内完成下一轮融资。而下一轮融资能否顺利，取决于公司能否在本轮资金消耗完毕前拿出可验证的商业化数据——这是所有种子期公司面临的共同压力，但对一个 4 人团队、产品尚在方法论定义期的公司而言，这个压力被放大了。

CIKM 论文与“GEO Agent”愿景：研究能力能否转化为产品壁垒

据 VPO News 报道，QueryLift 已建立将最新国内外研究成果快速整合进产品的框架，且一篇研究论文已被 CIKM 2026 国际会议接收。CIKM（ACM International Conference on Information and Knowledge Management）是信息检索和数据挖掘领域的顶级学术会议之一，论文被接收意味着 QueryLift 的某项研究通过了同行评审。但论文的具体主题、研究方法、实验设计和结论均未在来源中披露。一篇论文被接收只能证明团队具备一定的研究能力，不能直接等同于产品能力。学术研究通常基于受控实验环境，而生成式 AI 搜索的真实环境涉及模型版本更新、检索源变化、用户查询分布偏移等复杂变量，研究成果从论文到产品的转化路径往往比预期更长。

公司披露的未来目标是开发自主的“GEO Agent”，用户只需设定期望结果，即可自动完成关键查询选择、分析及改进策略的制定与执行。这个愿景在概念上具有吸引力，但它的实现前提是 QueryLift 必须解决一系列尚未被公开讨论的技术问题：如何自动判断哪些查询对品牌最重要？如何在不完全理解模型内部机制的情况下制定有效的改进策略？如何衡量改进策略的实际效果？这些问题中的每一个都是一个独立的研究课题。公司称其目标是“利用前沿研究洞察从根本上变革企业营销”，这一表述来自 VPO News 对公司未来展望的报道，属于公司口径，目前没有独立第三方验证其可行性。

从产品演进逻辑看，“GEO Agent”的提出也暗示了 QueryLift 当前产品形态的局限性。如果当前平台已经能自动化从分析到优化的全流程，那么“Agent”的增量价值在哪里？一种合理的解读是：当前平台仍需要用户在关键查询选择和分析判断上投入较多人工干预，而“Agent”的目标是将这些人工环节也自动化。这意味着 QueryLift 承认其当前产品在“自动化”程度上仍有提升空间。这个解读与公司“无需专门 AI 知识即可使用”的产品定位之间存在一定张力——如果当前产品真的无需专门知识，那么 Agent 的自动化增量就不会那么关键；如果 Agent 是必要的，那么当前产品对用户专业知识的依赖可能比公司宣称的更高。

资金用途的算术：1 亿日元能买到什么，买不到什么

将 1 亿日元（约 67 万美元）的种子轮资金放入日本创业公司的运营现实中，可以更清楚地看到这笔钱的边界。日本东京一名有经验的软件工程师年薪通常在 600 万至 1000 万日元之间，4 人团队的年人力成本保守估计在 3000 万至 5000 万日元。加上办公室租金、云服务费用、数据获取成本、销售和市场费用，1 亿日元在 12 到 18 个月内消耗完毕是相当正常的节奏。公司称资金将同时用于研发加速和销售体系建设，这两个方向都是资金密集型活动。研发需要数据、算力和人才，销售需要客户拓展、方案定制和实施交付。在 4 人团队规模下，同时推进这两个方向意味着每个方向能分配的人力极其有限。

从资本结构角度看，第三方配股（third-party allotment）是日本初创公司常见的融资方式，允许公司向特定投资者发行新股。JAFCO 和 ZVC 作为承销方（underwriter）的表述来自 VPO News，这一表述在日本语境中通常指这两家机构认购了本轮配售的股份。但具体的股权比例、估值基础、是否包含可转换工具或其他条款，均未披露。PremierAlts 给出的 170 万美元估值与 1 亿日元融资额之间的对应关系无法从现有来源中确认，因此编辑不推演稀释比例。需要说明的是，PremierAlts 的估值数据可能为二级市场报价，而非本轮投后估值，两者口径可能不同。

资金用途中“加强面向大型企业的销售与实施支持体系”这一项值得特别关注。大型企业销售通常需要较长的决策周期、多层级的审批流程和定制化的实施需求。一个 4 人团队要服务大型企业客户，意味着创始人或核心成员必须深度参与每一个销售和实施环节，这必然会挤压产品研发的时间。QueryLift 如何在“服务大客户”和“建设标准化产品”之间分配资源，是决定其未来 12 个月走向的核心管理问题。来源材料中没有任何关于团队构成、职责分工或招聘计划的信息，因此这个问题目前没有答案。

生成式 AI 搜索的可见度问题：真实需求还是阶段性焦虑

QueryLift 所瞄准的需求——品牌在生成式 AI 搜索结果中的可见度——是否足够真实和持久，是评估这家公司价值的根本问题。支持这一需求真实性的论据是：生成式 AI 搜索的用户规模正在增长，ChatGPT、Gemini 等产品正在成为越来越多用户获取信息的入口，品牌在这些入口中的呈现方式直接影响用户的认知和决策。如果用户不再点击链接而是直接接受模型生成的答案，那么传统 SEO 的流量漏斗就会被截断，品牌需要新的方法来影响模型输出。这个逻辑链条是清晰的。

但反对这一需求持久性的论据同样存在。生成式 AI 搜索的商业模式尚不明确，平台方如何平衡用户体验、广告收入和内容生态之间的关系，将直接影响 GEO 的生存空间。如果生成式 AI 平台未来推出官方的品牌展示或广告产品，第三方 GEO 工具的价值就会被压缩。如果平台方对第三方优化行为采取限制措施——类似于谷歌对操纵排名的惩罚机制——GEO 的合规边界就会变得模糊。此外，生成式模型的输出质量在快速演进，今天需要专门工具才能解决的问题，未来可能被模型自身的改进所消解。这些不确定性使得 QueryLift 所处的赛道存在“需求窗口期”风险：需求可能是真实的，但窗口期可能比创业者预期的更短。

从已披露的信息看，QueryLift 的应对策略是押注“信息基础设施”的长期价值——即无论生成式 AI 搜索的具体形态如何演变，品牌都需要一套工具来理解和管理自己在 AI 生成内容中的呈现。这个策略的合理性取决于一个前提：生成式 AI 搜索的可见度管理会成为一个独立的、可持续的软件品类，而不是被吸收进现有的营销技术栈或搜索引擎平台自身的功能中。这个前提目前既无法证实也无法证伪，它本质上是一个关于技术演进路径的赌注。QueryLift 的投资者显然愿意在这个赌注上下注，但赌注的大小——1 亿日元——也说明他们清楚这个赌注的不确定性。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：QueryLift 的故事本质上是一个关于“信息分发权力转移”的故事。当答案的终点从链接列表变成模型生成的一段话，品牌可见度的游戏规则就被改写了。但改写规则的人——生成式 AI 平台——自己还没想清楚新规则是什么。在这个规则真空期，GEO 工具的价值既真实又脆弱：真实在于品牌确实需要理解自己在 AI 答案中的位置，脆弱在于这个位置的定义权完全掌握在平台手中。QueryLift 用 1 亿日元买到了一张进入这个规则制定过程的入场券，但入场券不等于发言权。4 个人、一篇论文、几类未具名的客户，距离“重新定义品牌可见度”还有很长的路。而这条路是否通向一个独立的软件品类，还是最终被平台自身的商业化动作所覆盖，是比 QueryLift 本身更值得关注的问题。