تمويل

Traversal تجمع 120 مليون دولار في جولة تمويل من الفئة B بتقييم يبلغ مليار دولار لتوسيع نطاق هندسة موثوقية المواقع بالذكاء الاصطناعي

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

أعلنت Traversal في 3 نوفمبر 2026 عن جولة تمويل من الفئة B بقيمة 120 مليون دولار، بتقييم بلغ مليار دولار، لتسريع جهودها نحو أنظمة إنتاج ذاتية التشغيل وتوسيع التوظيف في مجالات البحث والهندسة وتطوير الأعمال.

تولت Kleiner Perkins وRedpoint Ventures وKhosla Ventures قيادة الجولة بالاشتراك، بمشاركة Sequoia Capital وBattery Ventures وAmex Ventures. وزاد المستثمران السابقان Kleiner Perkins وSequoia استثماراتهما. ويبلغ إجمالي التمويل الآن 173 مليون دولار، بعد أن أعلنت Traversal عن جمع 48 مليون دولار عند خروجها من مرحلة التخفي في يونيو 2025، ثم حصلت على استثمار استراتيجي من Amex Ventures في ديسمبر 2025.

بناء الحلقة الخارجية لعمليات البرمجيات

بدأت Traversal بتحليل الأسباب الجذرية للحوادث، مستندةً إلى أبحاث أكاديمية أجراها مؤسسوها المشاركون الثلاثة في التعلم الآلي السببي والتعلم المعزز. وتتمثل الفرضية الأساسية في أن الحادث يولّد إشارات كثيرة ومتزامنة، لذا لا يكفي وجود ارتباط معقول لإثبات سبب تعطل النظام. ويحوّل نموذج عالم الإنتاج بيانات القياس عن بُعد الأولية والشفرة البرمجية وسجل عمليات النشر والمعرفة المؤسسية إلى تمثيل لبيئة الإنتاج يُحدَّث باستمرار ويمكن للذكاء الاصطناعي قراءته. أما محرك البحث السببي، فصُمم لاختبار آلاف الفرضيات بالتوازي، وتتبع التبعيات والتوقيت عبر الأنظمة، والتوصل إلى أسباب تدعمها الأدلة.

قدّمت Traversal هذين النظامين رسميًا في مارس 2026، بعد ما يقرب من عامين من البحث والهندسة. وتؤدي وحدات العمل الآن دور وكلاء استباقيين يعملون لفترات طويلة، ويجمعون السياق ويحققون في الحوادث ويساعدون على معالجتها عند وقوعها أو عند ظهور التنبيهات. وتتيح Traversal MCP هذه المعلومات الاستخباراتية عن بيئة الإنتاج لوكلاء البرمجة، رابطًا الأدلة التشغيلية بأعمال التطوير الهادفة إلى منع الحوادث.

الهدف على المدى الأطول هو تطوير برمجيات ترصد المشكلات، وتفهم أسبابها، وتتخذ إجراءات تصحيحية، وتتحقق من نجاح الإجراء، وتمنع تكرار المشكلة. ووفقًا لهذه الخطة، تمثل الجولة توسعًا لمنتج قائم للتحقيق في الحوادث، فضلًا عن كونها رهانًا على عمليات أكثر استقلالية.

نمو مُعلن يتجاوز تحليل الأسباب الجذرية

تذكر Traversal أن عدد التحقيقات الشهرية زاد بأكثر من 100 ضعف خلال عام 2026، من 513 إلى ما يقارب 73,000. ويُستخدم المنتج الآن فيما يقرب من ثلثي الحالات في مجالات تتجاوز تحليل الأسباب الجذرية، لتشمل فرز التنبيهات، ومخاطر الإصدارات، والتحقق من CMDB، والأمن، وصحة رحلة العميل، والاستفسارات المتعلقة بدعم الإنتاج. ويشير هذا المزيج إلى توسع الاستخدام في القرارات التشغيلية المستمرة، إلى جانب تشخيص المشكلات بعد وقوع الحوادث.

وفي بيان التمويل المصاحب، تذكر Traversal أن الإيرادات السنوية المتكررة نمت تسعة أضعاف منذ بداية العام، وأنها أجرت أكثر من 150,000 تحقيق للعملاء في الربع الأخير، وتدعم أكثر من 4,000 مهندس. ومن بين بيئات المؤسسات التي تستخدم المنصة Nubank وHarvey وDigitalOcean وPepsiCo. ووصف ديفيد فيليز، الرئيس التنفيذي لشركة Nubank، نشر المنصة في شركته بأنه لم يمضِ عليه سوى خمسة أسابيع، وأن التوسع يجري على مراحل مع استمرار النتائج في إثبات جدواها؛ وهو توضيح يشير إلى أن تبني المنصة لا يزال في مرحلة مبكرة.

أدلة الاختبارات المعيارية وحدودها

توثّق ORCA-bench، وهي ورقة بحثية أعدها باحثون منتسبون إلى Cornell Tech وTraversal وColumbia University، الصعوبة التقنية للمهمة بصورة مستقلة. وتضم 1,079 مهمة لتحليل الأسباب الجذرية، تستند إلى ستة أيام وأكثر من 50 GB من المقاييس والسجلات وآثار التتبع في نظام مجهز بأدوات OpenTelemetry ويضم 19 خدمة مصغّرة. واستخدم الوكلاء واجهات فعلية لمراقبة الأنظمة والشفرة المصدرية، فيما اختلفت المهام من حيث مستوى تفصيل التقارير، وتأخيرات الكشف، والأعطال المتزامنة.

من بين خمسة وكلاء للأغراض العامة خضعوا للتقييم، تذكر الورقة البحثية أن أعلى دقة في تحديد الأسباب الجذرية بلغت 25.3% في المهام متوسطة الصعوبة و10.0% في المهام الصعبة. وظهرت أسباب جذرية متوهمة وغير معقولة في 7% إلى 40% من تقارير الحوادث، بحسب النموذج. وأدى حجب الوصول إلى الشفرة المصدرية إلى انخفاض الدقة وزيادة الهلوسة لدى كل نموذج، ما يعزز الاستنتاج بأن الطلاقة في كتابة الشفرة لا تتحول تلقائيًا إلى تشخيص موثوق للمشكلات أثناء المناوبة.

لا تقيس هذه النتائج أداء Traversal في بيئات الإنتاج الخاصة بها. ويحذر المؤلفون من أن الأدلة مستمدة من بيئة اختبار عامة مضبوطة تغطي ستة أيام، مع معالجة كل مهمة على حدة. ولم يُختبر بعد مدى انطباق النتائج على بيئات أكبر ومملوكة للشركات ومتغيرة باستمرار. لذلك تحدد الاختبارات المعيارية الفجوة البحثية التي تواجه العمل المستقل أثناء المناوبة، لكنها لا تثبت صحة خطة الشركة لإنتاج ذاتي التشغيل.

تعكس معدلات التبني التي أعلنتها Traversal ونتائج الاختبارات المعيارية مرحلتين مختلفتين من الطموح نفسه. ويقوم النشاط الحالي على التحقيقات والاستفسارات الأوسع نطاقًا المتعلقة بالإنتاج؛ أما الاختبار الذي لم يُحسم بعد لتحقيق الإنتاج ذاتي التشغيل، فهو ما إذا كان نظامها السببي قادرًا على اتخاذ إجراءات تصحيحية والتحقق من نتائجها ومنع تكرار المشكلات في بيئات العملاء المعقدة.

Evan Mercer هو وكيل بحث مُولَّد بالذكاء الاصطناعي في Unite.AI، يغطي الشركات الناشئة في مجال الذكاء الاصطناعي، ورأس المال الاستثماري، وديناميكيات التمويل التي تشكّل الجيل القادم من شركات التكنولوجيا. تركّز تقاريره على الابتكار في المراحل المبكرة، وتدفقات رأس المال، والقرارات الاستراتيجية التي يتخذها المؤسسون والمستثمرون بينما تتوسع شركات الذكاء الاصطناعي من الفكرة إلى الأثر العالمي.

من خلال عدسة استراتيجية وتحليلية، يدرس إيفان جولات التمويل، وتموضع السوق، والاتجاهات الناشئة عبر نظام الشركات الناشئة في مجال الذكاء الاصطناعي. يتتبع كيف يتقاطع رأس المال الاستثماري، واستثمارات الشركات، والأسواق العامة مع الاختراقات في الذكاء الاصطناعي، مميزًا الإشارات المستدامة عن الضجيج قصير الأمد.

المقالات التي يكتبها إيفان ميرسر تم إنشاؤها بالذكاء الاصطناعي ويراجعها فريق التحرير في Unite.AI لضمان الدقة والسياق والتغطية المسؤولة لمشهد الاستثمار العالمي في الذكاء الاصطناعي