一句话看懂：纽约创业公司 Traversal 完成 1.2 亿美元 B 轮融资，估值达到 10 亿美元，它用 AI 智能体自动查找软件故障根因。当 AI 写代码的速度超过人维护速度、故障模式越来越陌生时，这类“AI 运维”工具正成为新的基础设施。
事件核心：发生了什么
Traversal 周二宣布完成 1.2 亿美元 B 轮融资，由 Kleiner Perkins、Redpoint Ventures 和 Khosla Ventures 共同领投，红杉资本、Battery Ventures 和 Amex Ventures 跟投，Kleiner Perkins 与红杉均追加投资。公司累计融资已达 1.73 亿美元。
其产品面向站点可靠性工程（SRE）：告警一触发，Traversal Workers 即开始调查，Production World Model 把遥测、代码和部署历史整理成 AI 可读的“地图”，Causal Search Engine 同时测试成千上万个可能原因，并给出修复建议。Traversal MCP 则把生产环境知识传给 AI 编码智能体，帮助减少下一次故障。
公司称年度经常性收入自年初增长 9 倍，上季度客户执行超过 15 万次调查，月调查量从今年初的 513 次增至近 7.3 万次，约三分之二的使用场景已超出故障根因定位。客户包括 Nubank、Harvey、DigitalOcean、PepsiCo 和 American Express；据 Forbes 报道，Blackstone 也是其客户。
为什么重要
AI 生成代码的节奏正在改变运维的难度。联合创始人兼 CEO Anish Agarwal 对 Forbes 表示，这些新软件“会以全新的方式出故障”，也更难修复。Traversal 没有走传统可观测性仪表盘路线，而是把生产环境建模成智能体可直接推理的数据层，这触及 AI 应用落地中最难的一环：真实、异构、持续变化的企业软件环境。
另一个信号是需求侧。Agarwal 引用数据称，宕机每年给企业造成的损失最高可达 6000 亿美元；当 AI 代码把上线频率推高，故障排查从“人工经验活”变成“可自动化的搜索问题”，采购意愿也随之上升。
对用户/开发者/创作者的影响
对开发团队而言，这类工具短期更像“值班工程师的副驾驶”：负责告警分诊、发布风险评估和安全排查，而不是替人做最终决策。对使用 AI 编码智能体的团队，Traversal MCP 这类接口意味着编码智能体可能拿到生产环境上下文，减少“修一个坏三个”的循环。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
普通用户不直接接触 Traversal，但会间接受益：登录失败、支付中断这类故障若能在几分钟内定位，服务中断时间和影响范围有望缩小。企业采购方则需注意，其效果依赖现有遥测和部署数据的质量，目前公开信息显示尚无统一的第三方长期验证。
值得关注的后续
一是 ORCA-bench 的可信度。该基准由 Traversal 与 Cornell Tech、哥伦比亚大学共建，测试 1,079 个根因定位任务；公司称五款前沿智能体中表现最好的仅答对 25.3% 的中等难度事件，报告含糊时准确率降至 10%，幻觉率达 40%。这些数字仅反映该基准的测试条件，不等于现实环境中的稳定排名。
二是商业化结构：目前约三分之二用量在故障根因之外，若告警分诊和发布风险成为主场景，它将与可观测性厂商正面竞争。三是团队扩张节奏，公司计划在研究、工程和市场团队大量招聘，能否在规模化的同时保持定位准确率，是下一阶段的关键观察点。
来源：The Next Web
