融资5000万美元，Patronus AI 要做AI Agent的压力测试场 | News

AI Agent上岗前，先过压力测试。

AI Agent正在从“会回答”走向“能办事”，但真正的门槛也随之出现：它们能不能在复杂、漫长、不可预测的任务里持续做对？

成立于2023年的PatronusAI，押注的正是这个问题。

这家公司正在为AIAgent搭建一套“数字世界”测试场，让它们在真正接管网页、企业系统或金融流程前，先在模拟环境里反复试错、暴露漏洞。

据TechCrunch报道，PatronusAI近日完成5000万美元B轮融资。

本轮融资由GreenfieldPartners领投，NotableCapital、Lightspeed、Datadog和Samsung等参投。

融资完成后，公司累计融资额达到7000万美元。

这笔融资背后的信号很明确：AI Agent越接近真实业务，市场越需要新的安全阀。过去一年，Patronus的收入增长了15倍。

投资人认为，前沿AI实验室和新兴AI公司对这类模拟环境的需求已接近“难以满足”。

（图片来源：Patronus AI官网）

PatronusAI由前MetaAI研究员AnandKannappan和RebeccaQian创立，总部位于旧金山。

它的核心定位不是再造一个大模型，而是做AI评测、模拟与可靠性基础设施。

换句话说，当模型厂商和企业都在训练更强的Agent时，Patronus要解决的是后半段问题：模型训练出来之后，如何证明它在真实业务里不会乱走、不会钻空子、不会把任务做偏。

（图片来源：Patronus AI官网）

Patronus的核心产品被称为DigitalWorldModels（数字世界模型）。它会复制网站、企业内部系统、软件工程流程和金融场景，构建可交互的模拟环境。

AI Agent进入这些环境后，需要完成一系列任务；系统则通过强化学习机制，对成功完成任务的行为给予奖励，对错误或偷懒行为进行惩罚。

这个逻辑有点像自动驾驶训练。Waymo不会只让车在真实道路上碰运气，而是先在合成世界里测试暴雨、突发障碍、儿童冲出马路等稀有场景。

Patronus想做的是AIAgent版的同类基础设施：在Agent真正接触生产系统之前，先让它在数字世界里见过足够多的异常情况。

过去，AI实验室喜欢用benchmark展示模型能力。但Agent的问题在于，分数高不等于任务可靠。一个模型能在基准测试中拿高分，并不代表它可以稳定完成订票、财务分析、代码修复、内部系统操作等复杂任务。

更麻烦的是，Agent常常会“走捷径”。它们可能找到看似能完成目标、实际却不符合业务要求的路径。

Patronus要抓住的就是这类“hack”：不是看Agent会不会答题，而是看它会不会在没人盯着的时候把事情做对。

目前，Patronus主要把模拟数字世界用于软件工程和金融两个方向。这两个场景有一个共同点：结果相对可验证。

代码是否通过测试、金融分析是否符合规则，至少可以被系统较快检查。

但公司认为，这只是起点。Kannappan表示，未来还会有大量“难以验证”或“很难立即验证”的任务需要处理。

Patronus希望构建一种环境，让Agent可以连续运行10小时、10天，甚至10周，并在长任务中持续接受检验。

从竞争格局看，Patronus并不认为自己的主要对手是Mercor、Surge等人类数据公司。

那些公司更多参与强化学习中的人工反馈和数据环节，而Patronus强调的是无人工参与的Agent行为评估。

它真正要竞争的，是各大AI实验室已经在内部建立的Agent评测团队。

如果这个方向成立，Agent时代的基础设施将不只包括模型、算力和数据，还会包括一层新的“验证环境”：企业在授权Agent行动前，必须先知道它到底靠不靠谱。

这也是这笔融资值得关注的地方。AI Agent商业化真正要跨过的，不是“能不能回答”，而是“能不能被托付”。

PatronusAI正在卖的，表面上是数字世界模型；本质上，是企业把任务交给Agent之前最缺的一件东西：信任。

文章来自于微信公众号 “创新观察局”，作者 “创新观察局”