Striveworks 获得 B 轮融资，以扩大国防和盟国政府的 AI 运营

Striveworks 已获得由 Washington Harbour Partners 领投的 B 轮融资，这标志着该公司在国防和国家安全环境中扩大运营性 AI 的努力取得了重大进展。该融资将用于加速产品开发，扩大工程和研发团队，并支持其技术在美国政府机构和盟国中更广泛的部署。

该融资发生在政府越来越优先将人工智能快速集成到任务关键系统中，尤其是在地缘政治竞争加剧和运营时间表压缩的情况下。

国家安全中向运营性 AI 的转变

在国防环境中部署 AI 不仅仅是构建模型的问题——它需要能够在动态、高风险环境中可靠运行的系统。政府面临着双重挑战：既要快速行动以保持运营优势，又要确保系统保持可审计性、可靠性和与严格安全要求的一致性。

Striveworks 已将自己定位在这个交叉点，专注于运营性 AI —— 即在现实世界条件下而不是受控环境中部署、监控和持续适应机器学习系统的能力。

这种需求正在政策层面得到强化，快速集成 AI 被越来越多地视为在国防和情报运营中保持战略优势的必要条件。

为现实世界部署而构建的平台

Striveworks 的核心产品是其 Chariot 平台，一种 AI 运营 (AIOps) 系统，旨在快速将模型从开发转移到生产，同时保持监督和性能。

该平台使组织能够在几小时内而不是几个月内构建、部署和维护 AI 模型，支持跨云基础设施、边缘环境和断开或带宽受限设置的工作流程。这在国防背景下尤其相关，因为 AI 系统必须在诸如传感器数据、卫星图像和实时情报输入等分散的数据源上运行。

Chariot 还强调治理和可追溯性，允许组织了解模型如何训练、数据如何流经系统以及输出如何生成 —— 这些能力在受监管和任务关键环境中至关重要。

在复杂和争议环境中得到证明

Striveworks 的技术已经在多个国防计划中得到部署，包括与美国陆军下一代指挥和控制计划相关的工作，以及与边境安全和自主海事系统相关的运营。

这些部署反映了 AI 使用方式的更广泛转变。AI 不再仅限于分析或实验，而是越来越多地嵌入到运营工作流程中，在那里它支持实时决策。

该公司专注于在争议环境中保持性能 —— 数据条件快速变化，系统必须连续适应 —— 已成为其方法的一个关键方面。

技术内部：连接 AI 模型和现实世界运营

Striveworks 的平台围绕着一个随着 AI 从实验转向生产而变得越来越明显的问题构建：模型不在训练中失败 —— 它们在部署中失败。

该公司的 Chariot 平台专注于模型构建之后发生的事情。在运营环境中，数据很少是干净或稳定的。输入会发生变化，边缘条件会降低信号质量，任务要求会在实时中演变。这在受控环境中的模型性能和系统在现实世界中的行为之间创建了一个差距。

Chariot 通过将 AI 系统视为持续管理的资产而不是静态部署来解决这个问题。该平台使持续监控模型性能、检测数据和输出中的漂移以及在不需要进行完整重新训练周期的情况下进行快速迭代成为可能。这在国防环境中尤其相关，因为延迟、可靠性和适应性会直接影响结果。

该架构的一个关键部分是其在分散和分布式数据环境中的运行能力。该平台不依赖于集中式基础设施，而是支持跨云、内部和边缘系统的部署。这使得模型可以在数据生成的位置附近运行 —— 无论是来自传感器、卫星馈送还是实时运营输入 —— 从而减少延迟并提高响应速度。

Chariot 还对治理和可追溯性给予了很大的重视。在高风险环境中，了解模型如何得出决策与决策本身一样重要。该平台提供了对数据血统、模型行为和系统输出的可见性，使组织能够验证性能并保持监督。

这种持续评估、分布式部署和内置治理的结合反映了 AI 系统设计的更广泛转变。挑战不再仅仅是构建准确的模型，而是确保它们在部署在现实世界条件下时保持可靠、适应性和可靠性。