AI-translated from English; not yet reviewed by a fluent editor.
# Snorkel 获 3.5 亿美元融资，押注 AI 模拟职场
> Snorkel 新融资支持构建模拟工作场景，让 AI 智能体练习使用企业工具、规则和记录，并对其操作和结果进行评分。
By BIG CHANGE Editorial
Published: 2026-09-22T23:48:28.109Z
Updated: 2026-09-23T03:38:46.383Z
Canonical: https://bigchange.ai/blog/snorkel-ai-training-simulated-workplaces
AI-generated conceptual illustration by BIG CHANGE. Illustration of a controlled training workstation with tools and a visible boundary. It does not show a customer system or a production result.
Snorkel AI 销售用于训练智能体的模拟工作场景。这些环境包含公司记录、工具和规则，并对智能体的操作与结果进行评分。
9 月 22 日，Snorkel[宣布获得 3.5 亿美元 E 轮融资，估值为 35 亿美元](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/)。这轮融资是新的，产品方向却并非如此。Snorkel 在 2025 年就介绍过其构建环境的方法；当前 Data Series 已列出财产与意外险核保及金融模拟。此轮融资支持的是一项既有业务：将专家对工作的知识转化为训练与评估基础设施。
## 重大变化
- **变化内容：**训练数据供应商可以出售对企业流程的可运行模拟。要取得成功，智能体必须使用可用工具和记录来完成工作流程。
- **为何重要：**构建环境的人参与定义什么才算胜任工作。政策阈值、审批要求或数据库更新，都会成为奖励某种行为、排斥另一种行为的信号。因此，领域判断是训练输入的一部分，而不仅仅是最后审核环节。
- **关注事项：**Snorkel 表示将扩大开放基准测试资助。对于商业环境，关键问题是其中的工具、规则和例外情况与买方实际业务有多接近，因为模拟任务的成功与否，是按照构造出来的工作版本来衡量的。
## 模拟企业环境包含什么
静态数据集可以将问题与首选答案配对；而模拟环境会加入操作及其后果。智能体选择工具、观察结果，再决定下一步行动。数据库可能发生变化，模拟用户可能补充缺失信息，政策也可能要求升级处理。
[Snorkel 8 月关于企业环境的说明](https://snorkel.ai/blog/enterprise-environments-ai-agents/)称，评估会检查答案、最终系统状态、权限、审批以及证据收集流程。因此，即使智能体声称已完成任务，只要底层记录没有改变，也可能被判定失败。
当前[企业环境产品页面](https://snorkel.ai/data-series/enterprise-environments/)将核保和金融模拟列为可用产品，每种环境均有数千项任务和模拟用户。这些属于训练素材。
同一个模拟环境可用于两个相关目的。团队可以用它按可重复任务评估智能体，也可以将任务和奖励信号纳入强化学习循环，让成功行为影响后续操作。
## 规则也是产品的一部分
Snorkel 称，专家负责指定工作流程和成功标准，工程师则构建工具与数据。验证器对工作进行评分，另由一个“预言者”智能体检查是否存在有效路径。
针对特定公司的规则要求智能体检查环境，而非依靠通用行业知识作答。
环境作者决定哪些例外情况重要、什么算完成，以及哪些替代路径可以接受。买方和领域专家必须检查这些选择是否符合实际工作。
## 受控测试也有边界
Snorkel 的[2025 年技术说明](https://snorkel.ai/blog/snorkeling-in-rl-environments/)称，其环境使用具代表性的服务和架构模式，并用合成或匿名数据代替真实系统数据。这种控制便于团队重复执行任务、检查数据库变更，并在不触及客户记录的情况下测试禁止操作。
因此，测试结果反映的是智能体按照已编码的工作流程执行的表现。Snorkel 的资料说明了任务如何构建与核验，但没有提供独立研究，将这些商业模拟中的得分与真实承保或金融业务中的可靠性联系起来。是否适合生产环境，仍取决于模拟是否准确涵盖真实工具、数据和边缘情况。
## 融资支持什么
Snorkel 最初是一套用于开发已标注数据集的系统。如今它将专家知识打包成模拟环境、评估器和训练任务。这在 AI 技术栈中形成了一种独特产品：对工作本身的构造版本，以及用于判断智能体是否正确完成任务的规则。
对于领域专家而言，任务定义和验证更加贴近模型开发；对于买方而言，规格说明的质量成为采购的一部分。Snorkel 宣布扩大 Open Benchmarks Grants 计划，可能让更多环境构建和评分过程接受公开审查，但融资公告并未说明下一批资助项目或其条款。
## Sources
- [Snorkel AI：Data 2.0 与 AI 数据研究新阶段](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — 首席执行官 Alex Ratner 宣布获得 3.5 亿美元 E 轮融资，估值 35 亿美元，并表示 Snorkel 将扩大 Open Benchmarks Grants 计划。本文提及模型能力、递归式改进和市场走向时，均将其标注为公司观点，而非独立结论。
- [Snorkel AI：企业环境与面向真实工作流的 AI 智能体训练](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — 介绍模拟企业环境的组成、专家和工程团队如何构建、预言者路径检查、公司专属规则，以及对答案、状态、安全和流程的评估。文中的保险案例是训练素材，并非有记录的真实部署。
- [Snorkel Data Series：企业环境](https://snorkel.ai/data-series/enterprise-environments/) — 当前产品页面列出可用的财产与意外险核保及金融环境，包含数千项任务、数据库、政策文件、领域工具和模拟用户。由于页面未提供足够的方法细节，本文没有采用其性能或生产迁移主张。
- [Snorkel AI：在强化学习环境中“浮潜”](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — 解释环境上下文、操作、状态和评估信号；区分模拟评估与强化学习训练场；并介绍具代表性的服务和架构模式、合成或匿名数据、验证器和专家审核。该资料说明了公开披露的方法，但不能证明生产环境中的可靠性。