Runloop huy động được 7 triệu đô la để cung cấp sức mạnh cho các AI coding agent bằng devbox dựa trên đám mây

Runloop, một startup cơ sở hạ tầng có trụ sở tại San Francisco, đã huy động được 7 triệu đô la vốn mồi để giải quyết cái mà những người sáng lập gọi là “khoảng cách sản xuất” - thách thức quan trọng trong việc triển khai AI coding agent vượt ra ngoài các nguyên mẫu thử nghiệm vào môi trường doanh nghiệp thực tế.

Vòng tài trợ, do The General Partnership dẫn đầu với sự tham gia của Blank Ventures, diễn ra khi thị trường công cụ mã hóa trí tuệ nhân tạo được dự đoán sẽ đạt 30,1 tỷ đô la vào năm 2032, tăng trưởng với tốc độ tăng trưởng hàng năm kép là 27,1%, theo nhiều báo cáo ngành. Khoản đầu tư báo hiệu sự tin tưởng ngày càng tăng của nhà đầu tư vào các hoạt động cơ sở hạ tầng cho phép các AI agent hoạt động ở quy mô doanh nghiệp.

Runloop giải quyết một câu hỏi cơ bản đã nổi lên khi các công cụ mã hóa AI ngày càng phổ biến: các AI agent thực sự chạy ở đâu khi chúng cần thực hiện các tác vụ mã hóa đa bước phức tạp?

Jonathan Wall, đồng sáng lập và Giám đốc điều hành của Runloop, giải thích trong một cuộc phỏng vấn độc quyền với VentureBeat: “Tôi nghĩ về lâu dài, ước mơ là đối với mỗi nhân viên tại mọi công ty lớn, có thể có năm hoặc mười nhân viên kỹ thuật số khác nhau, hoặc các AI agent đang giúp những người đó thực hiện công việc của họ”. Wall trước đây đã đồng sáng lập Google Wallet và sau đó thành lập startup fintech Index, sau đó Stripe đã mua lại.

The AI Impact Series Returns to San Francisco - August 5

Giai đoạn tiếp theo của AI đã đến - bạn đã sẵn sàng chưa? Tham gia cùng các nhà lãnh đạo từ Block, GSK và SAP để có cái nhìn độc đáo về cách các AI agent tự trị đang định hình lại quy trình làm việc của doanh nghiệp - từ việc ra quyết định theo thời gian thực đến tự động hóa đầu cuối.

Đảm bảo vị trí của bạn ngay bây giờ - không gian có hạn: https://bit.ly/3GuuPLF

Tương tự như việc thuê một nhân viên mới tại một công ty công nghệ trung bình, Wall cho biết, “vào ngày đầu tiên làm việc, họ sẽ nói, ‘Được rồi, đây là máy tính xách tay của bạn, đây là địa chỉ email của bạn, đây là thông tin đăng nhập của bạn. Đây là cách bạn đăng nhập vào GitHub.’ Bạn có thể dành ngày đầu tiên để thiết lập môi trường đó.”

Wall lập luận rằng nguyên tắc tương tự áp dụng cho các AI agent. “Nếu bạn mong đợi những AI agent này có thể làm những việc mà mọi người đang làm, thì họ sẽ cần tất cả các công cụ tương tự. Họ sẽ cần môi trường làm việc riêng của họ.”

Tại sao các công cụ mã hóa AI dẫn đầu cuộc cách mạng tự động hóa

Runloop tập trung ban đầu vào lĩnh vực mã hóa dựa trên một hiểu biết chiến lược về bản chất của ngôn ngữ lập trình so với ngôn ngữ tự nhiên. Wall giải thích: “Ngôn ngữ mã hóa hẹp hơn và chặt chẽ hơn nhiều so với một thứ như tiếng Anh. Chúng có cú pháp rất nghiêm ngặt. Chúng rất hướng đến mẫu. Đây là những điều mà LLM thực sự giỏi.”

Quan trọng hơn, mã hóa cung cấp cái mà Wall gọi là “các chức năng xác minh tích hợp”. Một AI agent viết mã có thể liên tục xác thực tiến trình của nó bằng cách chạy thử nghiệm, biên dịch mã hoặc sử dụng các công cụ linting. “Những loại công cụ đó không thực sự có sẵn trong các môi trường khác. Nếu bạn đang viết một bài luận, tôi đoán bạn có thể kiểm tra chính tả, nhưng việc đánh giá chất lượng tương đối của một bài luận khi bạn đang viết dở dang - không có trình biên dịch.”

Lợi thế kỹ thuật này đã được chứng minh là có tầm nhìn xa. Thị trường công cụ mã hóa AI thực sự đã nổi lên như một trong những phân khúc phát triển nhanh nhất trong AI doanh nghiệp, được thúc đẩy bởi các công cụ như GitHub Copilot, mà Microsoft báo cáo là được hàng triệu nhà phát triển sử dụng và những cải tiến Codex được OpenAI công bố gần đây.

Bên trong devbox dựa trên đám mây của Runloop: cơ sở hạ tầng AI agent doanh nghiệp

Sản phẩm cốt lõi của Runloop, được gọi là “devbox”, cung cấp các môi trường phát triển dựa trên đám mây, biệt lập, nơi các AI agent có thể thực thi mã một cách an toàn với quyền truy cập đầy đủ vào hệ thống tệp và công cụ xây dựng. Các môi trường này là tạm thời - chúng có thể được tạo và phá hủy động dựa trên nhu cầu.

Wall cho biết: “Bạn có thể dựng chúng lên, phá hủy chúng. Bạn có thể tạo 1.000, sử dụng 1.000 trong một giờ, sau đó có thể bạn đã hoàn thành một nhiệm vụ cụ thể nào đó. Bạn không cần 1.000 nên bạn có thể phá hủy chúng.”

Một ví dụ về khách hàng minh họa tính hữu dụng của nền tảng: một công ty xây dựng các AI agent để tự động viết các unit test để cải thiện phạm vi phủ sóng mã. Khi họ phát hiện các vấn đề sản xuất trong hệ thống của khách hàng, họ triển khai hàng nghìn devbox đồng thời để phân tích kho lưu trữ mã và tạo ra các bộ thử nghiệm toàn diện.

Wall giải thích: “Họ sẽ giới thiệu một công ty mới và nói, ‘Này, điều đầu tiên chúng ta nên làm là xem xét phạm vi phủ sóng mã của bạn ở mọi nơi, nhận thấy những nơi nào còn thiếu. Hãy viết một loạt các bài kiểm tra và sau đó chọn ra những bài có giá trị nhất để gửi cho các kỹ sư của bạn để xem xét mã.”

Thành công của khách hàng Runloop: tiết kiệm thời gian sáu tháng và tăng trưởng khách hàng 200%

Mặc dù chỉ mới ra mắt tính năng thanh toán vào tháng 3 và đăng ký tự phục vụ vào tháng 5, Runloop đã đạt được động lực đáng kể. Công ty báo cáo “một vài chục khách hàng”, bao gồm các công ty Series A và các phòng thí nghiệm mô hình lớn, với mức tăng trưởng khách hàng vượt quá 200% và tăng trưởng doanh thu vượt quá 100% kể từ tháng 3.

Wall lưu ý: “Khách hàng của chúng tôi có xu hướng có quy mô và hình dạng của những người rất sớm trên đường cong AI và khá tinh vi về việc sử dụng AI. Ít nhất là hiện tại, có xu hướng là các công ty Series A - các công ty đang cố gắng xây dựng AI như năng lực cốt lõi của họ - hoặc một số phòng thí nghiệm mô hình, những người rõ ràng là tinh vi nhất về nó.”

Tác động của khách hàng dường như là đáng kể. Dan Robinson, Giám đốc điều hành của Detail.dev, một khách hàng của Runloop, cho biết trong một tuyên bố: “Runloop đã trở thành sát thủ cho doanh nghiệp của chúng tôi. Chúng tôi không thể đưa sản phẩm ra thị trường nhanh chóng như vậy nếu không có nó. Thay vì đốt hàng tháng để xây dựng cơ sở hạ tầng, chúng tôi đã có thể tập trung vào những gì chúng tôi đam mê: tạo ra các agent nghiền nát nợ công nghệ… Runloop về cơ bản đã rút ngắn thời gian đưa sản phẩm ra thị trường của chúng tôi đi sáu tháng.”

Kiểm tra và đánh giá mã AI: vượt ra ngoài các tương tác chatbot đơn giản

Sản phẩm lớn thứ hai của Runloop, Public Benchmarks, giải quyết một nhu cầu quan trọng khác: kiểm tra tiêu chuẩn cho AI coding agent. Đánh giá AI truyền thống tập trung vào các tương tác đơn lẻ giữa người dùng và mô hình ngôn ngữ. Cách tiếp cận của Runloop về cơ bản là khác.

Wall giải thích: “Những gì chúng tôi đang làm là chúng tôi đang đánh giá hàng trăm lần sử dụng công cụ tiềm năng, hàng trăm cuộc gọi LLM và chúng tôi đang đánh giá kết quả tổng hợp hoặc theo chiều dọc của một lần chạy agent. Nó theo chiều dọc hơn nhiều và rất quan trọng, nó giàu ngữ cảnh.”

Ví dụ: khi đánh giá khả năng vá mã của một AI agent, “bạn không thể đánh giá diff hoặc phản hồi từ LLM. Bạn phải đặt nó vào ngữ cảnh của toàn bộ cơ sở mã và sử dụng thứ gì đó như trình biên dịch và các bài kiểm tra.”

Khả năng này đã thu hút các phòng thí nghiệm mô hình với tư cách là khách hàng, những người sử dụng cơ sở hạ tầng đánh giá của Runloop để xác minh hành vi mô hình và hỗ trợ các quy trình đào tạo.

Cạnh tranh với Microsoft, Google và OpenAI trên thị trường công cụ phát triển AI

Thị trường công cụ mã hóa AI đã thu hút các khoản đầu tư và sự chú ý lớn từ các gã khổng lồ công nghệ. GitHub Copilot của Microsoft dẫn đầu về thị phần, trong khi Google gần đây đã công bố các công cụ phát triển AI mới và OpenAI tiếp tục phát triển nền tảng Codex của mình.

Tuy nhiên, Wall coi sự cạnh tranh này là sự xác nhận hơn là mối đe dọa. Ông nói: “Tôi hy vọng nhiều người xây dựng bot mã hóa AI”, đồng thời đưa ra một phép tương tự với Databricks trong không gian máy học. “Spark là mã nguồn mở, đó là thứ mà bất kỳ ai cũng có thể sử dụng… Tại sao mọi người sử dụng Databricks? Chà, bởi vì việc triển khai và chạy nó thực sự khá khó khăn.”

Wall dự đoán thị trường sẽ phát triển theo hướng các AI coding agent dành riêng cho từng lĩnh vực thay vì các công cụ đa năng. “Tôi nghĩ những gì chúng ta sẽ bắt đầu thấy là các agent dành riêng cho từng lĩnh vực có phần vượt trội hơn những thứ đó cho một tác vụ cụ thể”, chẳng hạn như các AI agent chuyên về kiểm tra bảo mật, tối ưu hóa hiệu suất cơ sở dữ liệu hoặc các framework lập trình cụ thể.

Mô hình doanh thu và chiến lược tăng trưởng của Runloop cho cơ sở hạ tầng AI doanh nghiệp

Runloop hoạt động trên mô hình định giá dựa trên mức sử dụng với một khoản phí hàng tháng khiêm tốn cộng với phí dựa trên mức tiêu thụ tính toán thực tế. Đối với các khách hàng doanh nghiệp lớn hơn, công ty đang phát triển các hợp đồng hàng năm với các cam kết sử dụng tối thiểu được đảm bảo.

Khoản tài trợ 7 triệu đô la sẽ chủ yếu hỗ trợ kỹ thuật và phát triển sản phẩm. Wall lưu ý: “Việc ươm tạo một nền tảng cơ sở hạ tầng lâu hơn một chút. Chúng tôi chỉ mới bắt đầu thực sự tung ra thị trường một cách rộng rãi.”

Đội ngũ 12 người của công ty bao gồm các cựu chiến binh từ Vercel, Scale AI, Google và Stripe - kinh nghiệm mà Wall tin là rất quan trọng để xây dựng cơ sở hạ tầng cấp doanh nghiệp. “Đây là những người có kinh nghiệm cơ sở hạ tầng khá dày dặn và khá cao cấp. Sẽ khá khó khăn để mọi công ty tập hợp một nhóm như thế này để giải quyết vấn đề này và họ ít nhiều cần phải làm như vậy nếu họ không sử dụng thứ gì đó như Runloop.”

Điều gì tiếp theo cho các AI coding agent và nền tảng triển khai doanh nghiệp

Khi các doanh nghiệp ngày càng áp dụng các công cụ mã hóa AI, cơ sở hạ tầng để hỗ trợ chúng trở nên quan trọng. Các nhà phân tích ngành dự báo sự tăng trưởng nhanh chóng liên tục, với thị trường công cụ mã AI toàn cầu mở rộng từ 4,86 tỷ đô la vào năm 2023 lên hơn 25 tỷ đô la vào năm 2030.

Tầm nhìn của Wall mở rộng ra ngoài lĩnh vực mã hóa sang các lĩnh vực khác, nơi các AI agent sẽ cần môi trường làm việc phức tạp. Ông nói: “Theo thời gian, chúng tôi nghĩ rằng có thể chúng tôi sẽ đảm nhận các ngành dọc khác”, mặc dù mã hóa vẫn là trọng tâm trước mắt do những lợi thế kỹ thuật của nó đối với việc triển khai AI.

Câu hỏi cơ bản, như Wall trình bày, là thực tế: “Nếu bạn là CSO hoặc CIO tại một trong những công ty này và nhóm của bạn muốn sử dụng… mỗi người năm agent, làm thế nào bạn có thể giới thiệu và đưa vào môi trường của bạn 25 agent?”

Đối với Runloop, câu trả lời nằm ở việc cung cấp lớp cơ sở hạ tầng giúp các AI agent dễ triển khai và quản lý như các ứng dụng phần mềm truyền thống - biến tầm nhìn về nhân viên kỹ thuật số từ nguyên mẫu thành hiện thực sản xuất.

Wall nói: “Mọi người đều tin rằng bạn sẽ có cơ sở nhân viên kỹ thuật số này. Làm thế nào để bạn giới thiệu họ? Nếu bạn có một nền tảng mà những thứ này có khả năng chạy trên đó và bạn đã kiểm tra nền tảng đó, thì đó sẽ trở thành phương tiện có thể mở rộng để mọi người bắt đầu sử dụng rộng rãi các agent.”

Link bài viết gốc

• Tags:
• Ai
• 31 July 2025
• Venturebeat.com