九人团队融3000万美元 四大美国AI实验室买单

AI训练基础设施赛道又落一子。旧金山创企Halluminate完成3000万美元A轮融资，由专注金融科技的Oak HC/FT领投，公司总融资额升至3850万美元。YC、Orange Collective、Heavybit等老股东跟投，Anthropic、OpenAI和Meta的个别研究人员也以个人身份参与——而这些人所在的公司，正是它的客户。

Halluminate成立于2024年，创始人为CEO吴杰瑞（Jerry Wu）和CTO怀亚特·马歇尔（Wyatt Marshall），全职团队只有9个人。它的生意模式是：先测出AI模型在复杂金融任务上的短板，再针对这些失败场景搭建仿真训练环境，供实验室做强化学习。"模拟一个投资银行家的工作，和模拟一个软件工程师的工作完全是两回事，"吴对《财富》表示，并把公司定位为"垂直行业的数据研究实验室"。

公司8月发布的基准测试颇有说服力：7个前沿模型完成88项基于匿名真实私募交易的任务，由在职交易专业人士出题和评审，最高平均得分只有51%。其中一项任务要求智能体在160份文件的资料室、9个邮件线索的21封邮件和4份会议纪要中，给一份工作说明书做红线修订，还要在交易条款不断变化时识别最新指令、保留不该改的条款。模型的通病是"半路丢指令"——漏掉必改项、用错分析方法、引用已被取代的信息。

商业化进展也超出常见早期创企的剧本：美国五大闭源AI实验室中有四家是付费客户，公司年化收入运行率已达中八位数（美元），并且已经盈利。这背后的行业背景是，强化学习环境正成为后训练基础设施的热门品类——Scale AI今年2月称其近一半新数据项目涉及RL环境；同类公司Deeptune今年3月获a16z领投4300万美元A轮，四个月后就被Mercor收购。

吴还提出了一个"环境版摩尔定律"：要让训练环境继续对前沿模型有效，其复杂度大约每6到8个月就得翻一倍——更长的任务轨迹、更难的推理、更大的文件量。他现阶段刻意只服务头部实验室、不急于扩展企业客户，赌的是训练数据会越来越按行业垂直化，而金融恰恰是验收标准最苛刻的那个行业。

编译自 Fortune，原标题："Exclusive: Nine-Person Halluminate Raises $30 Million, Counts Four Top U.S. AI Labs as Customers"