Plurai 融资 1300 万美元，用自动驾驶仿真思路提升 AI 智能体可靠性

AI智能体风头正劲，但它们的能力远没有其推销者所宣称的那么强。

针对承担复杂工作的智能体进行基准测试的努力表明，它们通常不够可靠，无法在没有密切监督的情况下运行。LiveBench 2.0 显示，Claude Fable 5.2 和 ChatGPT-6 Astra 分别在 100 项任务中成功完成 82.9 项和 75.6 项；而 AI 基础设施公司 EON 开展的一项工作在模拟企业环境中测试智能体，发现测试中最成功的模型 Claude Opus 4.8 执行任务的准确率为 76.8%。

如今，一家名为 Plurai 的初创公司希望借助让自动驾驶汽车上路的那套技术来提升这些数字：利用基于公司自身数字系统的合成数据进行模拟，旨在让模型为应对困难的边缘情况做好准备。

联合创始人 Ilan Kadar 和 Elad Levi 此前曾就职于开发自动驾驶技术的 Nexar。Kadar 曾与 Waymo 合作，对其端到端深度学习驾驶软件进行模拟和评估。

“当我们看到 AI 智能体浪潮的那一刻，我们看到了同样的模式：构建一个演示非常容易，但[很难]得到可靠且具有成本效益的东西，”Kadar 对 TechCrunch 表示。“既然我们看到了同样的模式，同样的主张就是，我们想要构建这一模拟层。”

周三，这家初创公司表示已筹集 1300 万美元种子资金来实现这一目标。本轮融资由 Team8 领投，U&I、Velocity 和 Mercer 参投。

与训练用于驾驶汽车的端到端模型一样，AI 智能体是在不可预测环境中运行的概率系统。在客户的施压下，负责预订旅行的智能体可能会无视支出政策。或者，当被要求查询某个数据库时，智能体能够可靠地给出答案，但整合来自多个数据集的信息往往会搞乱整个流程。与客服机器人进行长时间对话可能会让智能体因上下文过多而不堪重负，从而导致错误转向。

为解决这一问题，Plurai 创建了公司电子系统的数字孪生，包括智能体在生产环境中将可访问的知识库和工具。随后，它绘制出智能体所有可能的流程，并利用该图谱通过评估和修复可能的边缘情况来准备模型。该平台可与 Claude Code、Codex、Copilot 和 Cursor 等现有智能体工具协同工作。

不过，Kadar 表示，该公司真正的潜力在于利用其收集的数据对小型开放权重模型进行后训练，以针对各个客户的需求量身定制。与 Nvidia 和 Nebius 合作进行的测试显示，该公司的模型以更低的成本超越了中端前沿模型。

“我们可以拿一个大语言模型，拿一个任务，利用模拟将其分解为更小的任务，训练[一个开放权重]模型，并利用模拟验证质量高于或相当于前沿模型，同时成本降低一个或两个数量级，”他说。

曾以天使投资人身份投资 Plurai 的 Google DeepMind 研究员 Reah Miyara 表示，该公司的优势在于理解生产环境中的失效模式，并生成合成数据来调优模型。随着企业试图优化其 AI 开支，Plurai 的方法可能被证明是一项真正的优势，因为 IT 领导者正意识到“前沿能力模型与我的特定数据分布不匹配，而且这些东西的成本从长期来看不可持续，”Miyara 说。

Plurai 希望，物理环境与数字环境中的 AI 智能体之间的类比能够具有预测性：尽管强大的通用 AI 模型正赋予机器人迷人的能力，但它们还不够可靠，无法广泛部署。与此同时，由为特定任务构建的 AI 模型驱动的机器人如今已在现场工作，为客户服务并收集有价值的真实世界数据。

“我的观点是，无论 OpenAI 和 Anthropic 的模型有多聪明——而且它们会聪明得多——它们都不会了解你的业务和你的政策，”Kadar 说。

当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。

Tim Fernholz 是一名记者，撰写有关技术、金融和公共政策的文章。他密切报道了私营航天产业的崛起，并著有《火箭亿万富翁：埃隆·马斯克、杰夫·贝索斯与新太空竞赛》。此前，他曾在全球商业新闻网站 Quartz 担任高级记者十余年，并在华盛顿特区以政治记者的身份开始职业生涯。 您可以通过发送电子邮件至 [email protected] 或通过 Signal 向 tim_fernholz.21 发送加密消息来联系 Tim 或核实其外联信息。

查看简介