新闻
构建 AeroGenie。
一份持续更新的日志，记录我们如何打造 AeroGenie 的智能体 AI 决策引擎——底层的运行时、AI 仿真、多智能体 AI 以及治理体系。
2026年6月
开放抢先体验。
我们开放了 AeroGenie 的候补名单，并开始为首批来自航空、金融、供应链和安全领域的设计合作伙伴提供入门支持。抢先体验聚焦于真实的高风险决策——定价调整、中断响应、现金预测以及事件分诊——这些决策可在同一个受治理的工作空间内端到端完成。
2026年5月
Mojo 加速运行时现已能在单个节点上持续支持每秒数千次的假设情景模拟。
以概率呈现决策，而非单点预测。
模拟引擎现在会为一项决策返回完整的结果分布——下界、上界、最可能的结果以及下行风险——而不再是单一数字。团队可以在做出承诺之前对假设进行压力测试、比较不同路径，并看清哪些变量真正影响着结果。
MCP 连接能力：无需任何定制胶水代码，即可将数据库、文件、API 和工具挂接到一项任务上。
2026年4月
能力锻造：为任务量身组建智能体。
AeroGenie 不再依赖固定的预构建智能体库，而是即时编排一项决策所需的智能体——一个负责读取数据，一个负责运行模拟，一个负责权衡取舍，一个负责准备决策方案。任务运行时将它们协调为一份单一、可审阅的计划。
可重放的审计追踪：每项任务都能逐步重放——涵盖数据、假设、审批和操作。
自带 LLM——提供方路由现已支持 Anthropic、OpenAI、Google 以及本地模型。
2026年3月
触发式决策。
任务不再必须以提示词开始。AeroGenie 现在可以接收事件、告警、指标阈值或系统信号，并自动启动工作流程——从信号到分析、到决策、再到操作，并在政策要求之处保留人工介入。
人工介入审批，配合基于政策的自主性——在安全之处自主运行，在关键之处加以管控。
2026年2月
任务工作空间。
首次端到端呈现该工作空间——一个类似 Cursor 或 Codex 风格的环境，但面向企业业务运营。一项任务从目标出发，找到合适的上下文与数据，构建从问题到决策的路径，并让每一步都清晰可见、可追溯至证据。
全上下文分析：完整读取整篇文档和数据集，而非抽样行或粗略浏览页面。
2026年1月
模拟 + ML：模拟现在会以概率区间对机器学习的输出进行压力测试与增强。
首个 Mojo 加速函数库：涵盖优化、预测、数值分析和不确定性建模。
2025年12月
科学级决策运行时。
我们构建了对话层之下的引擎：一个由 Mojo 加速的高性能数学运行时，专为模拟、优化、概率和预测而打造。LLM 负责处理意图与交互；繁重的推理则运行在经过优化的数学之上，以数据为根基，并可随时供审计。
发布了我们的讲解短片，介绍如何将企业数据转化为清晰、受治理的决策。
2025年11月
内部札记：为何模拟能跨众多问题扩展，而单一训练模型却会收窄。
2025年10月
一切始于航空航天。
IAG 向我们提出了一个来自商业领域最严苛运营环境之一的决策难题：航空业，其中飞机、航线、天气、机组、燃油和安全相互交织。它需要的远不止一个聊天机器人、一块仪表盘或一张电子表格。我们为那个世界打造了 AeroGenie——随后意识到，凡是需要做出高风险决策的地方，同样的模式都会重现。
AeroGenie 成立——致力于为复杂、高风险的工作打造一款智能体决策引擎。