Cloneable凭借其利用人工智能复制能源与基础设施领域专家工作方式的技术，成功吸引了460万美元的种子轮投资。在熟练劳动力加速退休的背景下，该公司用AI代理填补现场知识空白的策略，在初期市场中获得了反响。
将专家判断转移至AI代理
据Crunchbase News报道，总部位于美国北卡罗来纳州罗利的Cloneable在本轮融资中筹集了460万美元，约合67.9亿韩元。本轮投资由Congruent Ventures领投，First In、Overline、Bull City Venture Partners和St. Elmo Venture Capital参与了投资。客户Texas Area Telecom的投资机构也提供了资金。自2023年成立以来，累计投资额增至535万美元，约合79亿韩元。
Cloneable的起点是2019年美国加利福尼亚州的山火应对现场。联合创始人Leah Reich、Tyler Collins和Patrick Roman当时作为无人机公司PrecisionHawk的早期成员，被派往输电线路检查工作中。他们动员了150名无人机操作员拍摄了数千英里的电力基础设施，但真正的瓶颈出现在此后的判读过程中。
首席执行官Leah Reich表示，她在电力公司PG&E的指挥中心看到数百名员工逐一检查影像的场景时，产生了‘这种方法行不通’的危机感。她解释说，实际上，知道要寻找什么内容的专家只是少数，而且他们的判断标准往往没有形成文档。
退休的熟练劳动力，日益扩大的‘知识危机’
Cloneable诊断认为，能源、石油天然气、农业等传统产业正面临‘知识危机’。Reich透露，在能源行业，每新进入一名年轻劳动力，就有2.4名熟练劳动力退休。预计到2050年电力需求将翻一番，这意味着具有现场经验的人员反而在减少。
该公司专注于保存和自动化这类组织内的隐性知识。2025年2月，公司推出了面向能源行业的自动化基础设施检查服务‘Cloneable Field’，并在本次融资的同时，推出了将专家知识编码并部署为可扩展AI代理的新产品。
可扩展的行业范围也很广。包括公共事业、植被管理、建筑、铁路、采矿、农业、制造业等基础设施依赖度高的领域。公司方认为，这些市场仍以分解个别功能来解决的‘点解决方案’为主，整合现场数据收集和代理自动化的服务很少。
耗时8小时的设计审查，缩短至2分钟内
Cloneable还提供了自动化的具体量化效果。例如，在一个需要更换、升级、新安装25根电线杆的项目中，结构计算工作人类工程师通常需要花费约8小时，但该公司声称其AI代理可以在2分钟内完成。
公司还说明，处理规模也存在巨大差异。一名工程师每年可处理约4500~5500根电线杆，而Cloneable代理每年可处理多达200万~300万根。该公司估算，如果一家中型工程公司投入5~10名人员，并将一半的工作时间用于此类任务，则可以将每年11.5万~31.2万美元（约合1.7亿~4.61亿韩元）的劳动力成本转移到更高附加值的业务上。
Reich表示，这种效率差异可能会在未来12个月内决定某些地区光纤网络的连接与否。她主张，自动化最终将超越单纯的成本削减，能够左右实际基础设施扩建的速度。
通过‘观察’现场来学习的方式
Cloneable的核心在于其与通用AI不同的学习方式。与需要精炼数据或编码环境的普通生成式AI不同，该公司的平台通过‘如影随形’地学习专家的实际工作。当专家执行复杂的电线杆设计等工作时，AI会在观察过程中实时收集语音说明、文档和工作上下文。之后，它会将该经验转化为能够执行相同任务的AI代理。
公司强调，其差异化在于客户公司内部积累的工具设置、流程和工作判断标准。大型基础模型企业专注于模型本身的性能竞争，而Cloneable则专注于创建结合多种模型类型的框架，并构建适应客户知识和规则的小型专用模型。
盈利模式也实现了二元化。现场数据收集产品按设备单位、座位许可的方式销售，而新的AI代理则采用基于代币和使用量的计费体系。
投资方评价其‘同时解决了数据和代理问题’
投资方Congruent Ventures的合伙人Eliza Cushman指出，传统行业采用AI通常面临两个方面的局限。一是偏向于使用昂贵的特殊硬件进行数据收集，二是专注于后台办公用的代理AI，但最终未能获得驱动这些AI所需的高质量数据。
她评价称，Cloneable同时解决了这两个问题。在仅靠横向通用解决方案难以深度渗透的行业中，团队的现场经验可以成为竞争力。
实际增长势头也很快。公司表示，从2025年2月到年底，年度经常性收入增长了100倍。提及的客户包括American Electric Power、Southern California Edison、Burns & McDonnell、TRC、Sigma等。Purdue正在将所谓的‘专家复制’模式扩展到畜牧业和食品供应链。
Cloneable的案例表明，AI产业的下一阶段正超越简单的聊天机器人，转向‘现场型自动化’。特别是在能源和基础设施这类对熟练劳动力依赖度高的行业中，将企业特有的判断标准多精准地移植到AI中，极有可能成为实际盈利的关键变量。
TP AI 注意事项 使用基于TokenPost.ai的语言模型对文章进行了摘要。正文主要内容可能被遗漏或与事实存在差异。