智能体人工智能初创公司Uvi（原名Naboo Research Ltd.）今日宣布，已完成750万美元种子轮融资。本轮由CT Innovations领投，Cardumen、Mana VC和91 Ventures跟投。资金将用于解决企业在使用自主AI智能体时，因缺乏业务上下文而导致的巨额资金流失问题。
当前，新部署的AI智能体对所属公司业务一无所知，必须从头学习业务流程和操作。这一重复过程不仅消耗大量计算资源，还导致显著的成本增加。Uvi指出，由于每次部署都需从零重建上下文并向模型提供商支付令牌费用，内部构建的AI智能体平均成本是正常水平的八倍。
结构性难题与解决方案
Uvi联合创始人兼首席执行官Gilad Salinger表示，随着AI采用率提升，行业关注点已从准确性和安全性转向成本、令牌效率和速度。他指出现有困境是结构性的：大公司运行着数十种数据形态各异的工具，智能体无法并行提取数据并进行推理，导致即使完成过任务，下次执行时仍因未保留工作方式而失败。
为此，Uvi开发了“上下文推理层”。该层基于知识图谱构建，作为基础设施位于所有AI智能体之下。通过链接Slack、Jira、Confluence、Salesforce及代码库等碎片化系统，Uvi构建了一张展示信息关联的地图，形成对决策原因、内容及其影响的完整视图。
该技术利用实体映射理解工程堆栈依赖关系，并通过自定义语义层帮助智能体掌握特定公司术语。在安全性方面，Uvi构建了访问控制模型，对数据进行标记以保留权限信息，避免了传统RAG管道在数据摄入后遗忘用户权限的安全隐患。
成本骤降与市场前景
基准测试显示，引入上下文推理层可带来显著的成本效益。未使用该层的智能体单次回复成本通常在0.75至1.41美元之间，部分情况超过2美元；而经Uvi路由后，平均成本降至10至16美分。在涉及重复搜索的开放式问题场景中，Uvi智能体的成本仅为非Uvi智能体的四十六分之一，且响应速度快两倍。
目前，Monday.com、Lemonade和Melio等企业已采用该平台。以Monday.com为例，Uvi帮助其智能体理解Jira工单、拉取请求和功能标志间的关系，避免了人工分类的低效操作。
CT Innovations的Gwen Cheni评价称，大多数公司在大规模构建上下文方面仍相距甚远，而Uvi提供了成熟的成品方案。Salinger预测，三年后企业AI堆栈将围绕持久的上下文层组织，拥有该能力的公司将能像发布软件一样高效发布智能体，而未具备者将被迫持续支付高昂的重新学习成本。”