20/10/2026 · VietTechies · Biên tập
Theo các báo cáo từ Unite.AI và tài liệu chính thức của công ty được công bố vào tháng 10 năm 2026, startup Evolutionary Operating System, Inc. có trụ sở tại New York, được biết đến với tên gọi Evos, đã chính thức lộ diện sau thời gian hoạt động bí mật cùng khoản tài trợ 9 triệu USD vòng pre-seed. Được thành lập vào năm 2026 bởi CEO Urav Shah, công ty tập trung chuyển đổi kiến thức ngầm của các công nhân công nghiệp giàu kinh nghiệm thành các AI Agent phần mềm tự động. Vòng gọi vốn này do Uncork Capital và Field Ventures đồng dẫn dắt, với sự tham gia bổ sung từ Crosslink Capital, Utopia Capital Management, Sandwith Ventures và một số nhà đầu tư thiên thần.
Vòng gọi vốn và phạm vi thị trường đối với các ngành công nghiệp vật lý
Evos nhắm đến các doanh nghiệp vừa và nhỏ trên khắp các lĩnh vực vật lý, bao gồm logistics, sản xuất, xây dựng, phân phối sỉ, năng lượng và bán lẻ. Trong khi s1 nêu bật cột mốc thương mại nhanh chóng của startup—vượt mốc 1 triệu USD doanh thu định kỳ hàng năm chỉ bốn tuần sau khi đi vào hoạt động—các tài liệu nền tảng chính thức từ s2 nhấn mạnh khả năng ứng dụng rộng rãi trên hơn mười ngành công nghiệp truyền thống. Số vốn mới huy động được dùng để mở rộng tuyển dụng và quy mô triển khai trên toàn bộ nền kinh tế vật lý, mở đường cho việc triển khai dần nền tảng phần mềm cốt lõi của mình một cách chính thức.
Kiến trúc kỹ thuật và mô hình triển khai
Kiến trúc nền tảng dựa trên một lớp dữ liệu đồng bộ kết nối phần mềm doanh nghiệp hiện có, một bộ điều khiển trung tâm quản lý hơn 300 subagent chuyên biệt và một mô hình ngôn ngữ nhỏ tùy chỉnh được tinh chỉnh cho từng khách hàng. Theo s2, hệ thống tích hợp với hơn 300 công cụ hiện có mà không yêu cầu di chuyển dữ liệu hoặc thay thế phần mềm hoàn toàn. Các tuyên bố về việc triển khai có sự khác biệt nhỏ về cách diễn đạt: s2 quảng bá lịch trình triển khai nhanh chóng trong 24 giờ bao gồm một phiên trao đổi ngắn ban đầu với chuyên gia, tiếp theo là một bộ vận hành hoạt động vào ngày hôm sau. Trong khi đó, s1 lưu ý một tiến trình có cấu trúc thông qua giai đoạn khám phá, thiết kế, chế độ ẩn và tính tự chủ có giám sát, nhấn mạnh rằng sự độc lập hoàn toàn đòi hỏi phải có thành tích hiệu suất được chứng minh theo thời gian.
Các tuyên bố về hiệu suất ban đầu và tự động hóa quy trình làm việc
Các số liệu vận hành được cung cấp bởi các nguồn làm nổi bật những cải thiện hiệu quả cụ thể trong các tác vụ hành chính và logistics. Theo s1, một công ty môi giới vận tải sử dụng bộ vận hành của Evos để kiểm toán các hóa đơn nhà vận chuyển hàng lẻ đã đạt độ chính xác 97% trên gần 3.500 quyết định, hoàn tất hơn 600.000 USD giá trị hóa đơn trong hai tháng đầu tiên. Các số liệu nội bộ rộng hơn được trích dẫn trong s1 cho thấy độ chính xác quyết định khoảng 82% và khoảng 70% công việc thường xuyên được xử lý không cần sự can thiệp của con người. Tương tự, s2 báo cáo rằng nền tảng này có thể giảm tải khoảng 65% công việc điều phối cho các đội ngũ nội bộ. Cả hai nguồn đều nhấn mạnh rằng các con số này phản ánh các quy trình vận hành cụ thể chứ không phải là cam kết chung của toàn nền tảng.
Lý do việc nắm bắt kiến thức ngầm công nghiệp lại quan trọng
Sự xuất hiện của các nhà vận hành AI chuyên biệt trong các ngành công nghiệp vật lý nêu bật một sự chuyển dịch quan trọng trong cách phần mềm doanh nghiệp giải quyết các quy trình làm việc thủ công. Không giống như các chatbot đa năng, các nền tảng như Evos cố gắng số hóa chuyên môn tổ chức—các quy tắc bất thành văn, việc xử lý các ngoại lệ của nhà vận chuyển và đối soát hóa đơn vốn thường phụ thuộc nhiều vào một số ít nhân viên giàu kinh nghiệm. Bằng cách neo giữ quyền tự chủ vào các cổng phê duyệt nơi phản hồi của con người liên tục huấn luyện hệ thống, nền tảng này giải quyết rủi ro vốn có của hiện tượng ảo giác hoặc dữ liệu cũ trong các môi trường có rủi ro cao. Tuy nhiên, phương pháp này cũng mang lại những thách thức quản trị tinh vi. Việc dựa vào các quyết định lịch sử của con người có nguy cơ thể chế hóa các lỗi trong quá khứ hoặc các ngoại lệ vận hành lỗi thời. Đối với các doanh nghiệp vừa và nhỏ, nơi khả năng phục hồi hoạt động phụ thuộc vào sự phán đoán của chuyên gia, tính khả thi thương mại của các hệ thống này cuối cùng sẽ phụ thuộc vào việc liệu các công ty có thể cân bằng thành công giữa tự động hóa và sự giám sát chặt chẽ đối với các ngoại lệ quan trọng hay không.
Ảnh bìa: minh họa do AI tạo, kèm chữ tiêu đề; không phải ảnh tư liệu.
Nguồn: Evos Raises $9M Pre-Seed to Turn Industrial Expertise Into Autonomous AI Operators · Evos | The Agentic Operations Platform