Traversal以10亿美元估值完成1.2亿美元B轮融资，扩大AI站点可靠性工程业务

Traversal宣布于2026年11月3日完成1.2亿美元B轮融资，公司估值达10亿美元。此举旨在加快其构建自动驾驶式生产系统的进程，并扩大研究、工程和市场拓展等岗位的招聘。

Kleiner Perkins、Redpoint Ventures和Khosla Ventures共同领投本轮融资，Sequoia Capital、Battery Ventures和Amex Ventures参投。早期投资方Kleiner Perkins和Sequoia均追加了投资。目前，Traversal累计融资额达1.73亿美元；此前，该公司于2025年6月结束隐身模式时宣布获得4800万美元融资，并于2025年12月获得Amex Ventures的战略投资。

构建软件运维的外环

Traversal最初专注于事件根因分析，其三位联合创始人的学术研究涉及因果机器学习和强化学习。其核心理念是，事件会同时产生大量信号，因此看似合理的相关性并不能证明系统故障的原因。生产世界模型将原始遥测数据、代码、部署历史和组织知识，转化为持续更新、可供AI读取的生产环境表示。因果搜索引擎旨在并行检验数千种假设，追踪不同系统间的依赖关系和时间关联，并逐步锁定有证据支持的原因。

经过近两年的研究和工程开发，Traversal于2026年3月正式推出这两套系统。如今，工作代理会主动、持续地收集上下文、开展调查，并在事件或告警发生时协助修复。Traversal MCP让编码代理能够使用这些生产环境智能信息，将运维证据与旨在预防事件的开发工作连接起来。

Traversal的长期目标是打造能够发现问题、理解问题成因、采取纠正措施、验证措施是否奏效并防止问题再次发生的软件。因此，本轮融资既是对现有调查产品的扩张，也是对更加自主化运维的押注。

根因分析之外的增长表现

Traversal称，2026年其月度调查量增长超过100倍，从513次增至近73,000次。如今，约三分之二的产品使用已超出根因分析范畴，涵盖告警分级处理、发布风险、CMDB验证、安全、客户旅程健康状况以及生产支持问题。这样的使用构成表明，除了事后诊断，产品也正被更广泛地用于持续性的运维决策。

在随附的融资公告中，Traversal称，其年初至今的年度经常性收入增长了9倍；最近一个季度处理了超过150,000项客户调查，并为超过4,000名工程师提供支持。Nubank、Harvey、DigitalOcean和PepsiCo等企业环境均在使用该平台。Nubank首席执行官David Vélez表示，其公司部署该平台仅五周，且随着成效经受住检验，正在分批扩大应用范围；这一情况说明，上述采用数据仍处于早期阶段。

基准测试证据及其局限

ORCA-bench这篇论文单独记录了该技术面临的挑战。论文作者来自Cornell Tech、Traversal和Columbia University。该基准包含1,079项根因分析任务，素材取自一个采用OpenTelemetry进行监测、由19个微服务组成的系统，涵盖六天内超过50 GB的指标、日志和追踪数据。智能体使用了真实的可观测性接口和源代码；各项任务则在报告具体程度、检测延迟和同时发生的故障方面有所不同。

论文报告称，在评估的五种通用智能体中，根因分析准确率最高的在中等难度任务上为25.3%，在高难度任务上为10.0%。视模型而定，7%至40%的事件报告中出现了凭空编造且不合情理的根因。对所有模型而言，移除源代码访问权限都会降低准确率、增加幻觉，这进一步印证了这样一个发现：能够流畅编写代码，并不意味着能够可靠地诊断值班故障。

这些分数并未衡量Traversal自身在生产环境中的表现。作者提醒，相关证据来自一个为期六天的受控公开测试环境，且每项任务均单独处理。测试结果能否适用于规模更大、不断变化的专有环境，尚未经过验证。因此，这项基准测试界定了自主值班工作面临的研究空白，但并未证实该公司的自动驾驶式生产路线图可行。

Traversal公布的采用情况与基准测试结果，反映了同一愿景在不同阶段的进展。公司当前的业务围绕调查和更广泛的生产环境问题展开；而要实现自动驾驶式生产，仍有待验证的是：其因果系统能否在复杂的客户环境中采取纠正措施、验证结果并防止问题再次发生。