Simular 是一家为 Mac OS 和 Windows 系统开发 AI 智能体的初创公司，刚刚完成由 Felicis 领投的 2150 万美元 A 轮融资，NVentures（英伟达旗下风投机构）、种子轮投资者 South Park Commons 及其他投资方跟投。
Simular 它与其他公司的不同之处在于，并非试图控制浏览器，而是直接控制电脑本身。（智能体 AI 指能够以最少人为干预自主完成复杂任务的系统）。联合创始人兼 CEO 李昂向 TechCrunch 举例说明："我们实际上可以移动屏幕上的鼠标并进行点击操作。因此它能更高效地执行和重复数字世界中的任何人类活动"，比如将数据复制粘贴到电子表格中。
该公司周一宣布放行其Mac OS 1.0 版本。同时也在与微软合作开发 Windows 版智能体。
作为 11 月中旬微软宣布的"Windows 365 智能体计划"中入选的五家智能体公司之一（其他四家是 Manus AI、Fellou、Genspark 和 TinyFish），关于 Windows 版本的时间表，李昂并未给出明确答复，仅承诺其受欢迎程度将不亚于甚至超过 Mac 版本。
关注Simular 的另一大原因是其创始团队的正统背景：联合创始人李是一位持续学习科学家，曾在谷歌 DeepMind 工作，并在此结识了强化学习专家杨嘉晨（Jiachen Yang）。李表示，虽然团队发表了多篇学术论文，但他们的工作并非纯粹学术性质，而是旨在改进包括 Waymo 在内的谷歌产品。
这个AI 产品背景尤为重要，因为在硅谷梦想的智能体未来成为现实之前，还有大量技术难题待攻克。其中最关键的是，LLM 幻觉出现的概率问题。
智能体任务可能需要完成数千至数百万个独立步骤。不仅任何一个步骤出现幻觉都会使整个任务失效，而且随着步骤增加，幻觉出现的统计概率也会上升。
解决方案之一是将"非确定性"的 LLM 转变为"确定性"——这意味着不再放任 LLM 无限发挥创造性，而是让它的每次响应或动作都遵循预设脚本。但这样做可能会限制智能体创造性解决问题的核心优势。
Simular 正将两者融合。其 AI Agent 会在执行任务时自由迭代，期间由用户进行中途修正，直至任务成功完成。随后用户可锁定该任务的工作流，使其变得确定且可重复。
"我们的解决方案是让Agent不断探索成功路径。一旦找到成功的路径，它就会转化为确定性代码。"李解释道。
这家初创公司能做到这一点，是因为——正如李承认他们的工作仍处于早期阶段——其技术不仅是一个向模型发送和检索数据的 LLM 封装层。
"我们拥有一项其他Agent公司都未采用的新技术，称之为'神经符号计算机使用代理'。它并非完全基于 LLM。"他表示，"我们解决幻觉问题的方法是让 LLM 编写确定性的代码。因此如果一个工作流有效，下次运行时同样会成功。"
另一个优势在于，这种执行可重复任务的确定性代码掌握在终端用户而非LLM 手中。"一旦用户获得代码，就可以信任它，因为他们可以检查代码、进行审计、了解运行原理，"李解释道。
时间将验证这种方法是否能成为让每个工作者都用上AI Agent的魔法。李透露，其早期测试客户包括自动化 VIN 码查询的汽车经销商，以及从 PDF 提取合同信息的业主协会。该公司的开源项目 （目前仅支持 Mac 系统）已衍生出从内容创作到销售营销等多种自动化方案。
Simular 此前已获得 500 万美元种子轮融资，累计融资额达约 2700 万美元。
公司透露，其他投资方包括 Basis Set Ventures、Flying Fish Partners、三星旗下 Samsung NEXT、Xoogler Ventures，以及播客主兼天使投资人 Lenny Rachitsky。
参考资料
