Plurai 借鉴自动驾驶思路，提升 AI 智能体工作表现

文章标题：Plurai 想用帮助自动驾驶汽车上路的方法，让 AI 智能体更好地工作

正文： AI 智能体风头正劲，但其能力远没有供应商们宣称的那样强大。

对智能体执行复杂任务的基准测试表明，它们通常不够可靠，无法在无人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智能体的工作发现，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那套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，旨在让模型做好准备，应对困难的边缘案例。

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 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。当受到客户施压时，被指派预订旅行的智能体可能会无视支出政策。或者，当被指派查询某一个数据库时，智能体可以可靠地给出答案，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智能体承受过多上下文而不堪重负，并导致错误转向。

为解决这个问题，Plurai 创建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。然后，它映射智能体所有可能的流程，并使用该图通过评估和修复可能的边缘案例来准备模型。该平台与 Claude Code、Codex、Copilot 和 Cursor 等现有智能体工具协同工作。

然而，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，以针对个别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 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 模型驱动的机器人现在已在现场工作，为客户服务并收集有价值的真实世界数据。

像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。请完全按照书写原样使用它们，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。

“我的观点是，无论 OpenAI 和 Anthropic 的模型有多聪明——它们会聪明得多——它们都不会了解你的业务和你的策略，”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

抢先了解下一届 TechCrunch DisruptDisrupt、Startup Battlefield 等将于明年回归，你可以排在队伍最前面。注册加入我们的候补名单

最受欢迎

• Jensen Huang 被指又有一段婚外情——对象是一位 Nvidia 高管 Lucas Ropek

Jensen Huang 被指又有一段婚外情——对象是一位 Nvidia 高管

• Anthropic 推出 Claude Meetings，将工作场所讨论转化为计划和任务 Aisha Malik

Anthropic 推出 Claude Meetings，将工作场所讨论转化为计划和任务

• Jensen Huang 所谓的 honeypot 丑闻催生了一些顶级梗图 Dominic-Madori Davis Lucas Ropek

Jensen Huang 所谓的 honeypot 丑闻催生了一些顶级梗图

• Dominic-Madori Davis

• 联邦官员称，Waymo robotaxi 在软件修复后仍非法超越校车 Kirsten Korosec

联邦官员称，Waymo robotaxi 在软件修复后仍非法超越校车

• Kirsten Korosec

• Musk 称 Tesla 将退还部分 Cybertruck 订金，并为结束生产的决定辩护 Kirsten Korosec

Musk 称 Tesla 将退还部分 Cybertruck 订金，并为结束生产的决定辩护

• Kirsten Korosec

• Tesla 将于 2027 年停止生产 Cybertruck Sean O'Kane

Tesla 将于 2027 年停止生产 Cybertruck

• Claude 现在可以通过其新的 Personal Finance 工具分析你的支出 Aisha Malik

Claude 现在可以通过其新的 Personal Finance 工具分析你的支出

像 {{NAME_ab12cd34}} 这样书写的值是真实值的占位符。请完全按照书写的样子使用它们，无论是在回复中还是在工具调用中：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。