旧金山初创公司 Halluminate 宣布完成 3000 万美元 A 轮融资，由 Oak HC/FT 领投，使其总融资额达到 3850 万美元。这家成立于 2024 年、仅有九名员工的团队，正专注于为金融领域构建 AI 训练环境，并已拿下美国前五大闭源 AI 实验室中的四家作为付费客户。
Halluminate 的核心逻辑在于“垂直化数据研究实验室”。CEO Jerry Wu 认为，模拟投资银行家的工作与模拟软件工程师存在根本差异，AI 训练数据正按行业走向深度专业化。企业将聚焦于金融、编程或医疗等特定领域，而非跨域通用。
为验证这一假设，该公司于 8 月发布了一项基准测试，要求七个前沿模型模拟收购尽职调查流程。这项包含 88 项任务的测试基于匿名私募股权交易，由执业专业人士编写审核。结果显示，模型最高平均得分仅为 51%。在处理包含 160 个文件的数据室、多线邮件及会议纪要时，智能体常因无法识别最新指令、遗漏修改或依赖过时信息而失败。Halluminate 旨在通过此类测试识别智能体在复杂金融工作流中的崩溃点，并将其转化为强化学习环境。
环境的“摩尔定律”
Oak HC/FT 普通合伙人 Matt Streisfeld 指出，随着 AI 智能体承担的工作周期从小时级延长至天级，专业训练环境的质量至关重要。Halluminate 的金融专业知识及基础设施能力说服了投资方。
目前，Halluminate 刻意限制客户范围，优先服务于前沿模型实验室以推动模型能力迭代，而非广泛拓展企业客户。Wu 提出了“环境的摩尔定律”：为保持训练有效性，每六到八个月，其构建的环境复杂性需大致翻一番，包括更长的任务轨迹、更高难度的推理及更多文件。公司将这种持续生成复杂性的能力视为核心知识产权。
市场对该类后训练基础设施的需求正在显现。Scale AI 今年 2 月透露，近一半新数据训练项目涉及强化学习环境；竞品 Deeptune 则在 3 月完成 4300 万美元 A 轮融资后，于四个月后同意被 Mercor 收购。
财务方面，Halluminate 已实现盈利，年经常性收入（ARR）达到八位数中期水平。本轮融资参与者还包括 Y Combinator、Orange Collective、Heavybit，以及来自 Anthropic、OpenAI 和 Meta 的个人研究人员。