Nimble 获 4700 万美元 B 轮融资，推动实时网络数据进入 AI 工作流

Nimble 已经获得 4700 万美元的 B 轮融资，由 Norwest 领投，Databricks Ventures 和现有投资者也参与了本轮融资。本轮融资将公司的总融资金额提升至 7500 万美元，这也反映了企业对能够将不断变化的公共网络转化为结构化、可决策的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：可靠地获取最新的外部信息。Nimble 的平台正是为了解决这个挑战而设计的。

为什么实时网络对 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，它是为人类设计的，而不是机器。网页是动态的，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，如数据库一样。

传统的搜索引擎索引和排名网页。生成式 AI 工具总结它们。两种方法都不能保证可重复性、可审计性或完整性 —— 这些是企业在 AI 系统影响定价决策、投资研究、监管工作流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 —— 而不需要工程税。

Nimble 的代理搜索架构概览

在平台的核心是 Nimble 所描述的 多代理网页搜索。

与发送单个请求来检索信息不同，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
• 在需要时与页面元素交互
• 提取特定的数据点，而不是完整的文档
• 跨多个来源交叉检查结果
• 将输出结构化为模式优先的数据表

该系统不仅仅停止于提取。它还包括一个治理的处理层，该层清理、去重、连接、聚合和验证结果，然后交付。目标是生成结构化、可重复的数据集，而不仅仅是文本输出。

从网页到可查询的数据

Nimble 方法的一个关键特征是将实时网络内容转化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”，该平台输出结构化的数据，这些数据可以流入业务智能系统、数据仓库或 AI 代理。企业可以将这些信息直接流入其工作流程中，减少对手动审查或脆弱的抓取脚本的依赖。

对于构建 代理 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变得至关重要。该架构旨在支持该循环，具有机器可读的输出，可以审计和重新运行。

企业集成和生态系统定位

Nimble 正在与企业平台（如 Databricks 和 Microsoft ）集成，以允许组织将实时网络情报与内部数据集合并。其含义是战略性的：随着 AI 模型变得日益通用，区别点越来越转向数据质量和新鲜度。

Nimble 不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 —— 将多模态和推理模型运营到浏览器、解释动态内容并在规模上生成治理输出。

在实践中，这将网络数据收集从一个需要修复的工程问题转变为一个能够连续运行的管理系统。

本轮融资将实现什么

B 轮资本将支持在协调代理系统、扩大浏览器自动化基础设施以及增强确保正确性和完整性的治理层方面的持续研究。随着企业在更高风险的决策环境中部署 AI，人们对可靠性和可审计性的期望也越来越高。

融资也反映了更广泛的市场紧迫性：AI 系统的性能无法超过其消耗的数据质量。如果数据不完整、过时或无法验证，系统的输出也会随之降低。

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 —— 信息丰富但难以运营。Nimble 的模式表明，人们开始将实时互联网视为一个持续更新的、机器可访问的数据源。

随着 AI 系统越来越多地在业务工作流中自主运行，能够确保访问可信、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 的最新融资使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这一基础设施层。