面对大模型幻觉与引用不可靠的痛点，Nimble通过AI智能体将实时网络信息转化为结构化、可验证的数据，并无缝集成至Databricks等企业数据仓库。在数据质量决定AI成败的当下，这家已服务超100家客户的公司正试图构建连接公网信息与私有数据的安全桥梁。

Nimble的核心竞争力在于，能够大规模开展实时网络搜索，并对结果进行验证和结构化处理。

或许你难以想象，但搜索行业依旧发展得如火如荼。随着企业纷纷投入资源，借助 AI 智能体充分挖掘数据价值，市场对相关工具的需求也随之攀升。

这类抓取的网络信息，为 AI 智能体的决策提供依据，还需以更适配现代数据工具的形式返回检索结果。

纽约初创企业 Nimble 正是瞄准这一需求发力，该公司近期完成了 4700 万美元的 B 轮融资，由 Norwest 领投。

Nimble 打造的平台能通过 AI 智能体开展实时网络检索，对检索结果进行核验与验证，还会将信息整理成规整的表格，让用户可像查询数据库一样调用这些内容。

这一功能的重要性不言而喻。大语言模型（LLMs）和 AI 智能体虽擅长网络检索、整合多来源结果并展开分析，但它们返回的结果往往是纯文本形式，在企业级应用中难以高效利用。更何况，这些模型还存在生成幻觉、可能误解指令、引用不可靠信息源等问题。

通过验证结果并将其结构化处理为表格，Nimble 让企业能像使用自有数据库数据一样运用网络信息。

同时，该公司的平台还与 Databricks、Snowflake 等企业推出的企业级数据仓库和数据池实现了集成。这意味着 Nimble 的 AI 智能体可接入企业的海量数据体系，依托这些数据构建检索语境，进而定制化处理检索结果的结构与呈现形式。

Nimble 的首席执行官兼联合创始人 Uri Knorovich 在接受采访时表示，这一能力能让企业将实时、结构化的网络数据融入自身现有的数据环境中。

这类集成功能还能让 Nimble 的软件记住各类约束条件，比如检索的执行方式、可调用的信息源等。

这一特性在竞品分析、价格调研、客户身份验证（KYC）、品牌监测、深度研究以及金融分析等场景中尤为实用。Knorovich 还特别指出，Nimble 会确保所有客户数据始终留存于客户自身的数据基础设施内，以此遵守数据留存与安全相关政策。

为进一步推进落地，Nimble 已与 Databricks、Snowflake、AWS 和 Microsoft 达成合作，助力企业更顺畅地部署需要访问内部数据源的相关系统。其中，Databricks 也参与了本次 B 轮融资。

Knorovich 表示：“大模型的能力固然强大，但企业级 AI 应用的失败，大多并非因为模型性能不足，而是数据层面出了问题。如今我们发现，企业真正需要的并非更多 AI 技术，而是能搭配优质、可靠网络检索的 AI。如果能做好这一点，能精准界定 AI 智能体的检索范围，企业就会迎来一个关键转折点 —— 他们会意识到，‘我们其实可以信任 AI，也能让 AI 在更多业务场景中发挥作用’。”

在 Knorovich 看来，Nimble 的核心竞争力在于，能够大规模开展实时网络检索，并对检索结果进行验证和结构化处理，这也是其与市场上其他数据经纪商的核心区别。

目前，Nimble 的客户数量已超 100 家，营收主要来自大型企业、《财富》世界 500 强企业，甚至还有部分《财富》世界 10 强企业，涵盖大型零售商、对冲基金、银行、快消品企业，同时也包括一些原生 AI 初创公司。

Norwest 的合伙人 Assaf Harel 在声明中称：“Nimble 正着手解决一个多年来悬而未决的难题，而如今这个问题的解决已变得刻不容缓。对于需要依靠 AI 智能体做出关键商业决策的企业而言，可信任的实时网络数据正成为必备条件。”

除领投方外，Target Global、Square Peg、Hetz Ventures、Slow Ventures、R-Squared Ventures、J-Ventures 和 InvestInData 等原有投资方也参与了本次 B 轮融资。

Nimble 计划将本轮融资资金用于扩充多智能体网络检索技术的研发团队，并打造一个受管控的数据层，专门用于处理和验证网络检索结果。

截至目前，Nimble 的累计融资金额已达 7500 万美元。