Jetty Pre-Seed轮融资超200万美元：为自主AI代理部署打造可靠基础设施

当硅谷还在为“AI Agent能否取代人类”争论不休时，一家来自蒙特利尔的初创公司 Jetty 正试图用一套残酷的“自我纠错”机制，重新定义企业级AI的可靠性。它刚刚获得了超过200万美元的种子轮融资，由 AQC Capital 和 Hidden Layers Capital 领投，投资者名单中还包括来自 Google 和 Meta AI 的天使投资人。Jetty 的野心不在于造出更聪明的AI，而在于让AI学会为自己的错误“买单”。

“沙盒”里的残酷训练：让AI学会自我惩罚

Jetty 的核心产品是一套基础设施平台，专门用于部署“自主AI代理”。与市面上那些需要人类频繁干预的AI不同，Jetty 的代理被强制放入一个“沙盒环境”中运行端到端工作流。这个沙盒不是简单的测试场，而是一个带有“审计逻辑”的残酷训练场——AI代理必须在这里执行任务、评估自己的表现，并在生产环境中从错误中持续学习。CEO Jonathan Lebensold 将这个过程比喻为“给AI装上后视镜”，它必须看到自己撞过的墙，才能学会避开下一堵。这种设计直接挑战了当前AI部署中“黑箱化”的痛点：企业不敢把关键业务交给一个无法解释失败原因的AI。

融资背后的战略信号：资本正在押注“可靠性”而非“智能”

本轮融资由 AQC Capital 和 Hidden Layers Capital 联合领投，总金额超过200万美元。在AI融资热潮中，这个数字并不惊人，但投资方的背景值得玩味。AQC Capital 以投资深度技术基础设施闻名，而 Hidden Layers Capital 则专注于AI安全与可解释性。这传递出一个清晰信号：资本正在从追逐“参数规模”转向押注“工程可靠性”。Jetty 的COO Tracy Milner 在内部会议中透露，这笔资金将主要用于构建“失败数据库”——一个记录AI代理所有错误决策的档案库，并基于此开发更高效的自动修正算法。这种“以错为师”的路径，与OpenAI、Anthropic等巨头追求“零错误”的路线形成了鲜明对比。

竞争壁垒：不是算法，而是“失败管理”的工程哲学

Jetty 真正的护城河并非某个独家算法，而是一套围绕“失败”构建的工程体系。大多数AI公司试图通过更多数据、更大模型来减少错误，但 Jetty 反其道而行之——它认为错误是不可避免的，关键在于如何管理错误。其平台的核心能力包括：实时错误分类（区分“致命错误”与“可恢复错误”）、自动回滚机制（当代理连续出错时，系统自动切换至备用模型），以及一个独特的“错误归因引擎”，能反向追踪到是数据噪声、模型偏见还是环境变化导致了失败。这种设计让企业客户敢于将金融交易、医疗诊断等高敏感场景交给AI代理，因为系统已经预设了“会犯错”并准备好了“补救方案”。

商业模式的悖论：卖“不完美”的AI，反而更赚钱？

Jetty 的商业模式按“代理运行时长+错误处理次数”收费，这听起来像是一个“越犯错越赚钱”的悖论。但实际逻辑恰恰相反：平台鼓励AI代理尽快学会正确路径，因为错误处理次数越少，企业的边际成本越低。Jetty 通过提供“错误保险”服务——如果AI代理因同一类错误反复失败，平台会退还部分费用——来倒逼自身优化系统。这种定价策略在蒙特利尔的创业圈引起了争议，但早期客户反馈显示，企业更愿意为“可预期的失败”付费，而不是为“承诺完美但实际频繁出错的AI”买单。Jonathan Lebensold 坦言：“我们不是在卖一个完美的工具，而是在卖一个诚实的合作伙伴。”

辩证地看，Jetty 的“失败友好”哲学是一把双刃剑。 一方面，它确实解决了企业部署AI时的信任危机，通过透明化错误管理降低了使用门槛；但另一方面，如果平台过度依赖“试错”机制，可能会在需要绝对精准的场景（如自动驾驶、核电站控制）中暴露出致命短板。此外，其商业模式高度依赖企业对“错误成本”的量化能力——如果客户无法清晰计算AI错误的实际损失，这种定价策略就失去了吸引力。Jetty 正在下一场危险的赌注：它赌的是企业愿意接受一个“会犯错但会改进”的AI，而不是一个“假装完美”的AI。这场赌局的最终赢家，或许不是最聪明的算法，而是最懂得如何与失败共舞的工程团队。