融資資訊
| 項目 | 值 |
|---|---|
| 公司 | Traversal(美國,紐約) |
| 輪次 | Series B |
| 金額 | $120M |
| 領投 | Kleiner Perkins、Redpoint Ventures、Khosla Ventures(三方共同領投) |
| 跟投 | Sequoia Capital、Battery Ventures(既有投資人加碼) |
| 估值 | $1B |
| 累計融資 | $168M($48M 種子+A 輪 + $120M 本輪) |
| 成立年份 | 2023 |
| 員工數 | 未揭露(官網列出來自 Perplexity、Meta、Datadog、ServiceNow、Citadel 等公司的工程與產品背景) |
這家公司做什麼
Traversal 是一家做「AI 站點可靠性工程師(AI SRE)」的公司——企業生產環境出事故時,它派一群 LLM agent 平行調查,幫忙把一堆互相牽連的異常訊號裡,揪出真正的根本原因。
核心技術是「生產世界模型(Production World Model)+ 因果搜尋引擎(Causal Search Engine)」:先把系統的依賴關係、歷史事故持續建模,事故發生時再用因果推論方法,把「哪些異常只是連帶反應、哪些才是真正的病灶」分開,而不是像傳統 dashboard 把所有告警一次丟給工程師。產品線延伸成三層——Traversal 做根因分析,Traversal Workers 主動在告警前就先去調查,Traversal MCP 把生產環境的即時證據接給寫程式碼的 coding agent,讓修 bug 這一步也能用上事故現場的資訊。
四位創辦人 Anish Agarwal、Raaz Dwivedi、Ahmed Lone、Raj Agrawal 都出身學術界(因果機器學習、強化學習),2023 年在哥倫比亞大學課後夜聊中開始做這件事,2025 年 6 月才正式出 stealth。客戶包括 Nubank、Harvey、PepsiCo、American Express、Blackstone、DigitalOcean。官方公告指出,每月調查量在 2026 年內成長超過百倍(513 次 → 近 73,000 次),其中約三分之二的用途已經不是單純事後根因分析,而是延伸到警報分類、發布風險評估、CMDB 驗證、資安與日常生產問題。
這筆融資的信號
對 Agent 生態的意義
$120M 這輪的訊號是:AI 寫程式碼的速度已經快到讓「維運」變成新瓶頸——工程師省下來的時間,有一部分被倒回去花在監控、排查生產事故上。Traversal 的打法是把 agent 從「被動等告警」往前推到「主動調查」,再往後接到「把生產現場的證據回饋給寫 code 的 agent」,試圖把 SDLC(軟體開發生命週期)從「寫完就丟給維運」改成一個 agent 到底的閉環。
- 生產環境出現異常訊號或事故
- Production World Model + Causal Search Engine 從眾多異常裡找出真正根因
- Traversal Workers 主動調查,產出修復與預防建議
- Traversal MCP 把生產環境證據餵給 coding agent,用在下一次寫程式碼時
簡化示意:實際產品線三者可並行運作,不是嚴格的單向順序。
投資人在賭什麼
三家領投 VC 的押注邏輯略有不同:Khosla 和 Kleiner Perkins 都是 Traversal 種子輪/A 輪的既有投資人,這輪屬於「加碼確信」;Sequoia 跟 Battery 則是「雙倍下注」——Sequoia 兩年前就投過 Traversal 的種子輪,這次連 Series B 也沒缺席。同賽道的 Resolve AI(前 Splunk 高層創立)今年也拿到 Lightspeed 領投的 $125M Series A,估值同樣是 $1B,顯示 VC 認為「AI SRE」已經是獨立成形的新賽道,而不是觀測性(observability)廠商的附加功能——Datadog、Dynatrace、Grafana Labs 等既有觀測性大廠也在往同方向加功能,形成新創與老牌同場加速卡位的局面。
值得觀察的數字
- 月調查量從 513 次衝到近 73,000 次,一年內成長超過百倍,是這輪最關鍵的使用量證據
- $120M 在美國企業軟體 Series B 交易裡位居史上前 4%(約第 96 百分位),反映投資人對「AI 做維運工作、不只是寫程式碼」的高度期待
- 本輪規模是公司出 stealth 時種子+A 輪合計 $48M 的 2.5 倍,15 個月內估值從未公開到 $1B
Watchlist 狀態
Traversal 尚未在 watchlist 中。建議加入 section B6(Agent 可觀測性/評估),但需註記:現有 B6 名單(Arize AI、Braintrust、Langfuse、AgentOps 等)多數做的是「可觀測性資料層」——收集、視覺化 trace 與 log;Traversal 做的是再上一層的「自動化根因分析 agent」,跟 Resolve AI、Dash0 屬於同一個新興的「AI SRE」子類,建議未來若同類公司持續出現,可考慮從 B6 獨立拆出。
今日收穫
Traversal 的三層產品線(根因分析 → 主動調查 → 回饋給 coding agent)揭露了一個容易被忽略的事實:當 AI 寫程式碼的速度變快,「維運」不會自動跟著變輕鬆,反而會變成新的瓶頸——因為沒人有空去理解 AI 寫出來的程式碼在生產環境裡到底怎麼互相影響。Traversal 的賭法是讓「理解生產環境」本身也變成一個可以外包給 agent 的工作。