尽管人工智能代理人（AI Agents）备受瞩目，但其在实际生产环境中的可靠性仍面临严峻挑战。多项基准测试显示，当前主流模型在处理复杂任务时，往往难以在缺乏密切监督的情况下保持高成功率。
在 LiveBench 2.0 测试中，Claude Fable 5.2 和 ChatGPT-6 Astra 分别在 100 个任务中取得了 82.9% 和 75.6% 的成功率。而在人工智能基础设施公司 EON 模拟的企业环境中，表现最出色的模型 Claude Opus 4.8 的任务执行准确度仅为 76.8%。
针对这一痛点，初创公司 Plurai 试图引入自动驾驶领域的技术逻辑来提升 AI 代理人的工作效能。该公司近日宣布完成 1300 万美元的种子轮融资，由 Team8 领投，U&I、Velocity 和 Mercer 跟投。
借鉴自动驾驶的验证逻辑
Plurai 的联合创始人 Ilan Kadar 和 Elad Levi 此前曾在自动驾驶技术公司 Nexar 任职。Kadar 曾与 Waymo 合作，负责模拟和评估其端到端深度学习驾驶软件。
“当我们观察到 AI 智能体浪潮时，发现了与自动驾驶相似的模式：构建一个演示很容易，但要打造一款可靠且具成本效益的产品却很难，”Kadar 向 TechCrunch 表示，“基于这种共性，我们的切入点就是构建这一模拟层。”
与训练驾驶汽车的端到端模型类似，运行在不可预测环境中的 AI 代理人本质上也是概率系统。在实际应用中，这导致了许多边缘情况：例如，在客户压力下预订旅游的代理人可能会忽略支出政策；查询数据库时可能提供不稳定答案；或在长时间客户服务对话中产生困惑。
数字双胞胎与小型化模型策略
为解决上述问题，Plurai 创建了公司电子系统的数字双胞胎，涵盖代理人在生产环境中可访问的知识库和工具。通过映射所有可能的代理流，该平台利用图谱准备模型以评估并修复潜在的错误场景。目前，该平台可与 Claude Code、Codex、Copilot 和 Cursor 等现有代理工具协同工作。
Kadar 指出，公司的核心承诺在于利用收集到的数据，培育适合特定客户需求的小型开放权重模型。通过与 Nvidia 和 Nebius 的合作测试显示，这些定制模型在性能上优于中等水平的前沿模型，同时显著降低了成本。
“我们可以采用大型语言模型，将任务分解为更小的子任务，使用模拟来训练开放权重模型，并通过模拟验证其质量是否高于或持平于边界模型，从而将成本降低一到两倍，”Kadar 解释道。
行业观点与应用前景
作为天使投资者支持 Plurai 的 Google DeepMind 研究员 Reah Miyara 认为，该公司的优势源于对生产故障模式的深刻理解以及生成合成数据调整模型的能力。
在企业致力于优化 AI 支出的背景下，Miyara 指出 Plurai 的方法具有实际价值：“IT 领导者发现，具有前沿能力的模型无法有效利用我的特定数据，且长期成本不可持续。”
Plurai 希望物理环境与数字环境中 AI 代理之间的类比能具备预测性。虽然强大的通用人工智能模型赋予了机器人令人着迷的功能，但其可靠性尚不足以广泛部署。与此同时，基于特定任务 AI 模型驱动的机器人已在现场为客户工作并收集有价值的现实数据。
