Newshot 文章标题：Databricks 的新 AI agent 向 CEO Ali Ghodsi 说出不加粉饰的真相
正文： AI agent 风头正劲，但其能力远没有供应商们宣称的那么强。
对 agent 执行复杂任务的基准测试表明，它们通常不够可靠，无法在缺乏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；AI 基础设施公司 EON 在模拟企业环境中测试 agent 的工作发现，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同类技术来提升这些数字：基于公司自身数字系统生成合成数据进行模拟，旨在让模型为处理困难的边缘情况做好准备。
联合创始人 Ilan Kadar 和 Elad Levi 此前曾在开发自动驾驶技术的 Nexar 工作。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 agent 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，我们想要构建这个模拟层。”
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。
与为驾驶汽车而训练的端到端模型一样，AI agent 是在不可预测环境中运行的概率系统。当受到客户施压时，负责预订旅行的 agent 可能会无视支出政策。或者，当被要求查询某一个数据库时，agent 能够可靠地给出答案，但合并来自多个数据集的信息往往会搞乱流程。与客服机器人进行长时间对话可能会让 agent 因上下文过多而不堪重负，并导致错误转向。
为了解决这个问题，Plurai 创建公司电子系统的数字孪生，包括 agent 在生产环境中将可访问的知识库和工具。然后，它映射出 agent 所有可能的流程，并利用该图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 agentic 工具协同工作。
不过，Kadar 表示，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，以契合各个客户的需求。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优于中端前沿模型。
“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。
作为天使投资人投资了 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败模式，并生成合成数据来调优模型。随着企业试图优化其 AI 支出，Plurai 的方法可能被证明是真正的优势，因为 IT 领导者正看到“具备前沿能力的模型与我的特定数据分布不符，而且这些东西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 agent 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。
“我的看法是，无论 OpenAI 和 Anthropic 的模型有多聪明——它们确实会聪明得多——它们都不会了解你的业务和你的政策，”Kadar 说。
当你通过我们文章中的链接购买时，我们可能会赚取一小笔佣金。这不会影响我们的编辑独立性。
资深记者
新闻通讯
订阅以获取业界最大的科技新闻
像 {{NAME_ab12cd34}} 这样书写的值是真实值的占位符。请完全按照书写的方式使用它们，在回复和工具调用中都是如此：它们会在任何内容运行之前被填入真实值。不要要求验证它们，也不要用示例替换它们。