9月4日消息，企业 AI 创业公司 Coworker.ai 发布组织记忆层 OM2（Organizational Memory 2），把企业散落在 Slack、Google Drive、CRM、Jira 等工具中的资料预先建成一张带权限控制、持续更新的知识图谱，替代每次提问时从头检索的做法。值得现在关注的是成本。Coworker 在官方 X 帖中称，企业 AI 的 token 账单超过 50% 没有花在答案上，而是花在"找答案"上，OM2 瞄准的正是这部分开销。
OM2 是什么
OM2 是 Coworker 上一代组织记忆 OM1 的升级版，官方将其称为 "neural graph"。按照官方页面描述的架构，OM2 分四个阶段持续运转：先从 50 多个已连接的应用中识别人、公司、项目、交易等实体，再把文档、消息和工单拆解成原子化的事实并建立索引，随后用算法计算节点重要性、预生成摘要、构建知识图谱，最后自动浮现组织内的趋势与风险。整个过程随新数据流入持续增量更新，不需要手动打标签。官方称这张图谱跨 120 多个维度映射组织内的人、项目、交易与关系。
Coworker 对 OM2 的定位，是补上 tool calling 的短板。官方口径下，原生 tool calling 是串行的 API 往返，每次会话都要重新发现上下文，延迟和 token 消耗逐次叠加；OM2 则在模型看到任何请求之前，先用图谱把上下文收窄到相关部分，让 Agent 直接获得预合成的结构化记忆。权限处理上，OM2 继承源系统的访问控制，用户和 Agent 只能调取其在 Salesforce、Slack、Google Drive 等工具中本就有权看到的数据。已公布的连接器还包括 HubSpot、Confluence、Notion、Gong、Zoom、GitHub、Gmail、Linear 等。
官方数字的三种口径
OM2 最受关注的是官方给出的对比数字，但这些数字在 Coworker 自己的页面上就有多种说法。组织记忆产品页的口径是：与使用现成连接器的同一个 Agent 对比，OM2 约 9 倍便宜、3 倍快；在官方组织的盲测成对评审中，OM2 被偏好的比例是 84.5%。在另一处官方页面上，说法收窄为 66% 便宜、20% 更快，盲测偏好写作 84%。此外官方还称，OM2 叠加其模型路由功能 Optimized Routing 之后，成本优势最高可达约 51 倍，这是把记忆层与模型选择两层优化叠加上去的上限口径。
这三组数字的共同点，是全部出自厂商自测。其中差距最大的两档之间相差近一个数量级，官方没有解释口径差异来自测试设置还是统计对象。对正在核算企业 AI 成本的采购方来说，这些数字目前只能当作厂商主张来读。
谁能用、怎么部署
可用范围上，OM2 只面向 Enterprise 档客户提供，企业版为定制报价。Coworker 的官方定价页同时列有个人档：Pro 为 29.99 美元/用户/月（年付），Max 为 149.99 美元/用户/月，但这两档不包含组织记忆功能。Coworker 官方称已有 300 多家公司在使用 OM2。据 Startup Researcher 报道，应急响应技术公司 RapidSOS 是客户之一，其营收运营与系统总监 Anna Waring 表示，Coworker 减少了团队在获得最新答案前从多个系统手动拼装信息的工作。
部署与合规层面，OM2 支持云、私有云、本地和隔离（air-gapped）环境，采用单租户隔离架构，官方称其持有 SOC 2 Type II 认证、符合 GDPR 并通过 CASA Tier 2 验证，且不用客户数据训练模型。记忆也不锁定在 Coworker 自己的产品里：官方称 OM2 可配合 Claude、ChatGPT、Gemini、Perplexity 及企业自建 Agent 使用，通过 MCP 等方式把同一份组织记忆接入其他工具，模型路由层覆盖 12 家以上供应商并支持自带模型（BYOM）。 持久图谱对阵查询时检索
Coworker 本身还是一家早期公司。据 FinSMEs 报道，Coworker 由前 Uber 高管 Alex Calder 和 Bradford Church 创立，2025年5月完成 1300 万美元种子轮，累计融资 1650 万美元。同一方向上体量更大的玩家是 Glean：据 Glean 官方公告，其 2025年6月完成 1.5 亿美元 F 轮融资，估值 72 亿美元，核心同样是把企业数据建成权限感知的知识图谱，再在上面做搜索、RAG 和 Agent。
OM2 的发布方式本身说明了一个变化：企业 Agent 的上下文供应正在分化出一个独立的产品层。这一层不再让模型每次提问时现找资料，而是把组织知识一次预计算成持久图谱、随数据流入持续更新，检索开销从每次请求挪到后台。Coworker 把这一层单独产品化，并用 token 成本作为卖点；Glean 的体量则说明，押注这条路线的已经不止创业公司。直接影响的是正在为企业 AI 的 token 账单寻找压缩方案的采购方，以及做企业搜索与上下文基础设施的同类厂商。
但这一层能做多大，现有证据还撑不起结论。持久图谱的成本优势目前只有厂商自测数字支撑，Coworker 各页面的口径尚且互不一致，更没有第三方在真实客户环境里复现过；查询时检索与持久图谱各自适合什么负载，公开材料里也没有可对照的独立数据。对正在评估这类产品的采购方来说，眼下唯一可靠的验证方式，是在自己的工具栈和负载上实测，而不是直接采信任何一组官方倍数。
AI 速览
