Nimble Raises $47M Series B to Push Live Web Data Further into AI Workflows

Nimble 已经筹集了 $47 million 在 Series B 融资，由 Norwest 领投，Databricks Ventures 和现有投资者参与。该轮融资将总资金提高到 $75 million，反映出对能够将不断变化的公共网络转换为企业 AI 系统的结构化、可决策数据的基础设施需求的增长。

随着组织将 AI 从实验转移到生产环境中，一个持续的障碍仍然存在：可靠地访问最新的外部信息。Nimble 的平台专门设计来解决这个挑战。

为什么 Live Web 对 AI 来说仍然很难

公共网络是现存最大的商业、金融和竞争情报仓库。但是，它是为人类而不是机器设计的。页面是动态的，布局不断变化，内容是客户端渲染的，信息很少以可以轻松查询的方式结构化，如数据库。

传统的搜索引擎索引和排名页面。生成式 AI 工具总结它们。两种方法都不能保证可复制性、可审计性或完整性 —— 这些是企业在 AI 系统影响价格决策、投资研究、监管工作流程或竞争策略时所需的属性。

对于许多组织来说，替代方案是自定义的网页抓取基础设施或依赖于传统的数据供应商。两种方法都引入了成本、脆弱性和维护开销。

Nimble 的论点是，网络本身应该像结构化数据层一样可访问 —— 而无需工程税。

Nimble 的 Agentic Search 架构概述

在平台的核心是 Nimble 所描述的 多代理网页搜索。

与其发送单个请求来检索信息，Nimble 部署了协调的 AI 代理，这些代理在真实浏览器中运行。这些代理：

• 动态导航网站，包括 JavaScript 渲染的内容
• 根据需要与页面元素交互
• 提取特定的数据点，而不是完整的文档
• 在多个来源中交叉检查结果
• 将输出结构化为模式优先的数据表

该系统不仅仅是提取。它包括一个管理的处理层，用于清理、去重、连接、聚合和验证结果，然后交付。目标是产生结构化、可复制的数据集，而不仅仅是文本输出。

从网页到可查询数据

Nimble 方法的一个定义特征是将实时网页内容转换为更像数据库记录而不是抓取的 HTML 片段的表格。

与其返回“答案”，该平台输出结构化数据，可以流入商业智能系统、数据仓库或 AI 代理。企业可以直接将此信息流入其工作流程中，减少对手动审查或脆弱的抓取脚本的依赖。

对于构建 agentic AI 系统 的团队 —— 其中一个代理搜索，另一个验证，第三个采取行动 —— 可靠的实时数据访问成为基础。该架构旨在支持该循环，具有可审计和可重新运行的机器可读输出。

企业集成和生态系统定位

Nimble 正在与 Databricks 和 Microsoft 等企业平台集成，以允许组织将实时网络智能与内部数据集合并。其含义是战略性的：随着 AI 模型变得商品化，区别器越来越多地转移到数据质量和新鲜度上。

Nimble 不是与基础模型提供商竞争，而是将自己定位为数据基础设施层 —— 操作多模态和推理模型以控制浏览器、解释动态内容并在规模上产生管理输出。

在实践中，这将网页数据收集从一个破坏-修复的工程问题转变为一个可以连续运行的管理系统。

融资的意义

B 轮资本将支持协调代理系统的持续研究、浏览器自动化基础设施的扩展以及增强管理层以确保正确性和完整性。随着企业将 AI 部署到更高风险的决策环境中，对可靠性和可审计性的期望也会增加。

融资也反映了更广泛的市场紧迫性：AI 系统的性能不能超过其消耗的数据质量。如果数据不完整、过时或不可验证，系统的输出将相应地降级。

更广泛的行业转折点

多年来，网络一直被视为一个非结构化的边疆 —— 富含信息但难以操作。Nimble 的模型表明，网络被视为一个连续更新、机器可访问的数据源的转变。

随着 AI 系统越来越多地在业务工作流程中自主运行，确保访问可信、实时外部信息的基础设施可能会变得与模型性能本身一样关键。

Nimble 的最新融资轮使该公司能够在企业积极重新思考 AI 系统如何访问和验证内部数据库以外的信息时扩展该基础设施层。