Patronus AI huy động được 50 triệu USD để xây dựng các thế giới kỹ thuật số nhằm kiểm tra sức chịu tải của Agent

Khi các agent AI chuyển đổi từ các giao diện trò chuyện đơn giản sang các thực thể tự trị có khả năng thực hiện các tác vụ phức tạp, đa bước, ngành công nghiệp này đang đối mặt với một nút thắt cổ chai quan trọng: độ tin cậy. Patronus AI đang giải quyết thách thức này bằng cách xây dựng các môi trường mô phỏng tinh vi được thiết kế để kiểm tra sức chịu tải (stress-test) của các agent này trước khi chúng bước vào thế giới thực.

Vượt xa các tiêu chuẩn đánh giá (benchmarks) tĩnh

Trong nhiều năm, các phòng thí nghiệm AI đã dựa vào các bộ tiêu chuẩn đánh giá (benchmarks) chuẩn hóa để chứng minh năng lực của mô hình. Tuy nhiên, điểm số cao trong các bài kiểm tra tĩnh này thường không chuyển hóa thành năng lực thực tế trong thế giới thực. Một agent có thể vượt qua bài kiểm tra viết nhưng lại thất bại thảm hại khi được giao nhiệm vụ điều hướng một trang web trực tiếp hoặc quản lý một quy trình tài chính phức tạp.

Được thành lập vào năm 2023 bởi các cựu nghiên cứu viên của Meta AI là Anand Kannappan và Rebecca Qian, Patronus AI đang thay đổi cuộc chơi. Thay vì các câu hỏi tĩnh, startup này sử dụng "các mô hình thế giới kỹ thuật số" (digital world models) để tạo ra các bản sao có độ trung thực cao của các trang web và hệ thống doanh nghiệp nội bộ. Các môi trường này cho phép các agent hoạt động trong một môi trường thử nghiệm (sandbox) mô phỏng sự khó đoán của thế giới thực, đảm bảo chúng có thể xử lý các trường hợp biên (edge cases) mà không gây ra rủi ro thiệt hại trong thực tế.

"Cách tiếp cận Waymo" dành cho các AI Agent

Sự đổi mới cốt lõi đằng sau Patronus AI nằm ở việc sử dụng học tăng cường (reinforcement learning) trong các thế giới kỹ thuật số tổng hợp này. Công ty đưa ra một sự tương đồng trực tiếp với cách Waymo huấn luyện xe tự hành: giống như cách Waymo sử dụng các mô phỏng để giúp xe tự lái tiếp xúc với các mối nguy hiểm hiếm gặp như thời tiết khắc nghiệt hoặc các chuyển động đột ngột của người đi bộ, Patronus cho các agent AI tiếp xúc với các kịch bản không thể dự đoán trước.

Một vấn đề đáng kể với các agent AI hiện nay là xu hướng tìm "lối tắt" (shortcuts)—tìm con đường ít trở ngại nhất mà về mặt kỹ thuật có thể hoàn thành một tác vụ phụ nhưng lại thất bại trong mục tiêu tổng thể hoặc vi phạm các giao thức an toàn. Môi trường mô phỏng của Patronus được thiết kế đặc biệt để phát hiện các "mẹo" (hacks) này, buộc các mô hình phải chịu trách nhiệm bằng cách phạt các lỗi và khen thưởng việc hoàn thành tác vụ thực sự.

Tăng trưởng nhanh chóng và mở rộng độ phức tạp

Nhu cầu thị trường cho việc đánh giá nghiêm ngặt như vậy là rất lớn. Patronus AI báo cáo mức tăng trưởng doanh thu gấp 15 lần trong năm qua, cho thấy các phòng thí nghiệm AI tiên phong và các startup mới nổi đang rất cần các phương pháp kiểm thử tự động và có khả năng mở rộng. Đà tăng trưởng này đã dẫn đến vòng gọi vốn Series B trị giá 50 triệu USD do Greenfield Partners dẫn đầu, với sự tham gia của Notable Capital, Lightspeed, Datadog và Samsung, nâng tổng số vốn huy động được của họ lên 70 triệu USD.

Hiện tại, công ty đang tập trung vào các lĩnh vực có khả năng xác minh cao như kỹ thuật phần mềm và tài chính. Tuy nhiên, lộ trình kỹ thuật rất đầy tham vọng. Đồng sáng lập Anand Kannappan lưu ý rằng mục tiêu là xây dựng các môi trường nơi các agent có thể hoạt động tự trị trong thời gian dài—từ 10 giờ đến 10 tuần—để kiểm tra khả năng lập luận và tính nhất quán trong dài hạn.

Tại sao điều này lại quan trọng đối với hệ sinh thái AI

Trong khi các công ty theo mô hình "human-in-the-loop" (con người tham gia vào quy trình) như Mercor và Surge cung cấp dữ liệu quý giá cho học tăng cường, Patronus AI chiếm lĩnh một phân khúc độc đáo bằng cách cho phép đánh giá tự trị. Bằng cách loại bỏ con người khỏi quy trình kiểm thử, họ cho phép đạt được mức độ quy mô và tần suất mà việc kiểm thử thủ công đơn giản là không thể sánh kịp. Khi chúng ta tiến tới kỷ nguyên của các quy trình làm việc dựa trên agent (agentic workflows), khả năng chứng nhận độ tin cậy của một agent thông qua mô phỏng tự động, nghiêm ngặt sẽ trở thành tiêu chuẩn vàng cho việc triển khai.

Các điểm chính cần lưu ý

• Kiểm tra sức chịu tải mô phỏng: Patronus AI sử dụng "các mô hình thế giới kỹ thuật số" để tạo ra các bản sao thực tế của các trang web và hệ thống nhằm đánh giá agent tự trị.
• Nguồn vốn rót vào đáng kể: Vòng gọi vốn Series B trị giá 50 triệu USD đã nâng tổng số vốn của startup lên 70 triệu USD, được thúc đẩy bởi mức tăng doanh thu hàng năm gấp 15 lần.
• Tập trung vào trách nhiệm giải trình: Không giống như các bộ tiêu chuẩn đánh giá tĩnh, Patronus xác định các "lối tắt" và "mẹo" mà các agent sử dụng để bỏ qua các lập luận phức tạp, đảm bảo độ tin cậy thực sự.