Plurai 借自动驾驶模拟方法提升 AI Agent 可靠性，获 1300 万美元种子轮融资

AI 智能体风头正劲，但其实际能力并不像推销者让你相信的那样强。

针对执行复杂任务的智能体进行的基准测试显示，它们通常不够可靠，难以在无人密切监督的情况下工作。LiveBench 2.0 显示Claude Fable 5.2 和 ChatGPT-6 Astra 分别在 100 个任务中完成了 82.9 个和 75.6 个，而 AI 基础设施公司 EON 一项在模拟企业环境中测试智能体的工作发现，表现最好的模型 Claude Opus 4.8 的任务完成准确率为 76.8%。

如今，一家名为 Plurai 的初创公司希望利用让自动驾驶汽车上路的同类技术来提升这些数字：基于企业自身数字系统的合成数据进行模拟，旨在让模型为应对棘手的边缘情况做好准备。

联合创始人 Ilan Kadar 和 Elad Levi 曾就职于开发自动驾驶技术的 Nexar。Kadar 曾与 Waymo 合作，模拟并评估其端到端深度学习驾驶软件。

“当我们看到 AI 智能体的浪潮时，我们看到了同样的模式：构建一个演示很容易，但要做出可靠且具成本效益的东西却[很难],”Kadar 告诉 TechCrunch。“既然我们看到了同样的模式，同样的思路就是我们要构建这个模拟层。”

周三，这家初创公司宣布已筹集 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。

就像训练来驾驶汽车的端到端模型一样，AI 智能体是在不可预测的环境中运行的概率性系统。在客户的催促下，负责预订差旅的智能体可能会无视支出政策。或者，在只查询一个数据库时，智能体能可靠地给出答案，但组合来自多个数据集的信息往往会让事情变得一团糟。与客服机器人的一段长对话可能让智能体被过多上下文淹没，从而走入歧途。

为了解决这个问题，Plurai 为企业的电子系统创建数字孪生，包括智能体在生产环境中可以访问的知识库和工具。然后，它会绘制智能体的所有可能流程，并利用该图谱通过评估和修复让模型为可能出现的边缘情况做好准备。该平台可与 Claude Code、Codex、Copilot 和 Cursor 等现有的智能体工具协同工作。

不过，Kadar 表示，这家公司真正的亮点在于利用其收集的数据对针对单个客户需求定制的小型开放权重模型进行后训练。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，把任务拆解，利用模拟将其分解成更小的任务，训练[一个开放权重]模型，再借助模拟验证其质量高于或与前沿模型相当，而成本则降低一到两个数量级，”他说。

Google DeepMind 研究员、曾以天使投资人身份投资 Plurai 的 Reah Miyara 表示，这家公司的优势在于理解生产环境中的失败模式，并生成合成数据来微调模型。随着企业努力优化 AI 支出，Plurai 的方法可能展现出真正的优势，因为 IT 负责人已经意识到“前沿能力模型与我的特定数据分布不符，而且这些模型的成本长期来看不可持续”，Miyara 说。

Plurai 希望物理环境和数字环境中 AI 智能体之间的类比能够具有预测性：虽然强大的通用 AI 模型正赋予机器人引人入胜的能力，但它们尚未可靠到可以广泛部署。与此同时，由针对特定任务构建的 AI 模型驱动的机器人已在实地工作，为客户服务并收集宝贵的真实世界数据。

“我的看法是，无论 OpenAI 和 Anthropic 的模型多么聪明——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，我们可能会获得少量佣金。这不会影响我们的编辑独立性。

Tim Fernholz 是一位撰写科技、金融和公共政策题材的记者。他长期密切关注私人航天产业的崛起，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》一书。此前，他在全球商业新闻网站 Quartz 担任高级记者十余年，职业生涯始于华盛顿特区的政治记者。 您可以通过发送电子邮件至 [email protected] 联系 Tim 或核实是否为他本人联系，也可以通过 Signal 向 tim_fernholz.21 发送加密消息。

查看简介