档案库 · AI 与模型 · 战略决策 · 2025–2026
Pramaana Labs押注可证明正确的AI胜过貌似正确的AI；获Khosla 2700万美元种子投资
前Gemini和Glean工程师将税法编码为机器可检查的证明，使得高风险AI在无法自我证明时拒绝回答。
Pramaana Labs
做的是什么生意
An AI verification layer for high-stakes domains — tax, law, drug discovery and financial compliance — that runs LLM answers through formal proof engines.
启动资金：$27M seed led by Khosla Ventures (June 2026), with Accel, BoldCap, Nexus Venture Partners, Premji Invest and Unbound.
起因
Founded in 2025 in Palo Alto by three IIT Madras alumni: Ranjan Rajagopalan (ex-Google Maps), Krishnan Raghavan (built Glean's first assistant) and Sanjay Ganapathy (Gemini at Google DeepMind). Their shared conclusion was that in law, tax or medicine, an AI that is only 'probably right' is unusable — and that fighting hallucinations is a research problem, not a product problem.
经过
On 2026-06-17 the company announced the $27M seed. Its tax formalisation effort is advised by former IRS Commissioner Danny Werfel and built with Yale law and Stanford researchers; professors from IIT Delhi, IIT Madras and UC Berkeley oversee cybersecurity and drug discovery, with sponsored research at Stanford's Centaur Lab. The funding trains formalisation and prover models and scales domain experts across regulated verticals.
结果
Still building: the June 2026 seed funds model training and hiring; no commercial deployment announced as of September 2026.
背景
Pramaana Labs正在构建高风险AI的验证层：一个用于自然语言问题的LLM，包裹在确定性的形式化验证层中，要么返回答案正确的机器可检查证明，要么指出违反的规则。公司表示，在证明之前它拒绝回答。其赌注是，法律、税务、药物发现和金融合规领域在答案可被问责之前不会部署AI。
公司于2025年在帕洛阿尔托成立，创始人为三位IIT Madras校友——Ranjan Rajagopalan（曾负责Google Maps内容审核）、Krishnan Raghavan（构建了Glean的首个助手，并得出结论：对抗幻觉是研究问题）以及前Google DeepMind员工工程师Sanjay Ganapathy（曾参与Gemini）。2026年6月17日，公司宣布获得由Khosla Ventures领投、Accel、BoldCap、Nexus Venture Partners、Premji Invest和Unbound参投的2700万美元种子轮。
Pramaana为每个领域配备专家：前IRS专员Danny Werfel为税务工作提供建议，IIT Delhi、IIT Madras和UC Berkeley教授监督网络安全和药物发现，并在斯坦福Centaur Lab赞助研究。Google DeepMind副总裁Pushmeet Kohli和Microsoft CoreAI副总裁Sriram Rajamani是早期支持者。截至2026年9月，公司处于产品前阶段，将资金用于训练形式化和证明器模型。
这件事要成立，得有什么
- 受监管领域已有成文规则——税法、临床协议——因此最容易形式化，也是自然的切入点。
- 团队结合了Gemini和Glean的LLM工程经验以及形式化方法的可信度，还有前IRS专员这样的顾问。
- 确定性的证明层将LLM的灵活性转化为可问责性，这是法律、税务和健康领域企业在部署前必须具备的属性。
- Khosla和领先的形式化验证研究者的支持表明这是一个值得解决的研究级问题，而非简单的功能附加。
可借鉴之处
当犯错代价高昂时，“貌似正确”行不通——机器可检查的证明才有市场；最便宜的切入点是规则已成文的领域。
后续进展
截至2026年9月，Pramaana仍处于产品前阶段，利用2700万美元种子轮训练形式化和证明器模型，并扩展税务、诊断、网络安全和金融合规领域的专家。税务工作由前IRS专员Danny Werfel提供建议，赞助研究在斯坦福Centaur Lab进行，IIT Delhi、IIT Madras和UC Berkeley教授监督其他垂直领域。公司声称其系统要么返回机器可检查的证明，要么明确指出违反的规则，并且它在证明前拒绝回答。
资料来源
- Pramaana Labs raises $27M seed round from Khosla Ventures to bring formal verification to AI
- Pramaana Labs Raises $27M Led by Khosla Ventures to Build the AI Layer That Proves It Is Telling the Truth
发现哪里写错了？告诉我们。
轮到你了
你刚读完一家。说说你在做什么，看看谁在赌同一件事。
免费账号 · 3 次免费提问 · 不用绑卡