- Bespoke Labs已完成种子轮与A轮合计4000万美元融资；A轮由风投机构Wing VC领投，Mayfield、House Fund、8VC参投，同时有Anthropic、OpenAI、Meta三大AI企业核心技术人员个人出资。
- 该公司主打企业级高仿真训练环境，可供AI智能体在正式上线前学习长周期复杂任务。
- 各大企业争相落地自主AI智能体，资本正持续加码用于训练、评测AI智能体的底层基础设施。
多家头部AI模型厂商的资深工程师纷纷个人出资，支持这家仅40人规模的初创企业。这家公司的业务和他们日常工作几乎背道而驰：在安全可控的环境中，反复让AI智能体试错、暴露缺陷。
这家初创企业名为Bespoke Labs，于2026年7月6日宣布完成种子轮加A轮总计4000万美元融资。A轮融资由Wing VC领投，Mayfield、House Fund、dbt Labs首席执行官特里斯坦·汉迪，以及多名任职于Anthropic、OpenAI、Meta的天使投资人共同参与。
此前的种子轮由8VC主导，投资方包含谷歌DeepMind杰夫·迪恩 (Jeff Dean)、DevRev首席执行官迪拉杰·潘迪 (Dheeraj Pandey)、Resolve AI首席执行官、斯皮罗斯·桑索斯（Spiros Xanthos）等行业知名人士。
Bespoke Labs联合创始人兼首席执行官马赫什·萨西亚穆尔蒂（Mahesh Sathiamoorthy）表示："前沿AI实验室、各类企业以及所有依赖可靠智能体的机构，都亟需高质量仿真训练环境。这是优化、迭代AI智能体不可或缺的核心环节。"
仅靠大模型远远不够
Bespoke Labs由萨西亚穆尔蒂（Sathiamoorthy）与亚历克斯·迪马基斯（Alex Dimakis）于2024年创立，总部位于加州山景城，现有员工约40至48人。公司搭建高度仿真的企业数字场景，用于AI智能体训练，场景涵盖大型代码库、团队聊天记录、工单、企业邮件、业务运行日志等，全方位复刻真实企业的业务形态与运行逻辑。
背后核心逻辑在于：如果AI智能体只接触规整标准化的基准测试任务，永远无法适应杂乱、跨多日的真实业务流程。举例来说，若智能体需要处理一份跨三套内部系统、留存一周聊天记录的客户投诉，它需要在贴近真实乱象的场景中反复演练，而非简单整洁的标准化提示词。
独立行业研究印证了这一逻辑的重要性：METR机构数据显示，过去六年里，AI智能体可完成任务的时长门槛大约每7个月翻一番，近期分析表明这一增速已提升至每4个月翻倍。仅依靠扩大模型规模无法实现这一性能跃升，训练环境已成为制约智能体能力提升的核心瓶颈。
赛道拥挤的基础设施争夺战
众多竞品正从不同赛道切入同一需求。Scale AI获Meta注资143亿美元，估值接近2900亿美元，其核心业务是标注数据集，而非交互式仿真训练环境；AI代码初创公司Poolside完成50亿美元B轮融资，估值300亿美元，主攻代码专用基础大模型；Reflection AI拿下1.3亿美元种子轮融资，聚焦自主软件工程智能体研发。
上述企业均聚焦模型或数据集赛道，而Bespoke Labs差异化定位：打造AI智能体专属训练"实训场"，以基础设施服务商身份入局，不与各大厂商竞争自研大模型。
Wing VC投资组合包含Cohesity、Gong、Snowflake等知名企业，在企业级基础设施赛道拥有成熟成功案例，深得资本市场认可。
Wing VC创始合伙人彼得·瓦格纳（Peter Wagner）表示："前沿AI实验室与原生AI企业不断突破长周期智能体的能力边界，市场亟需新一代数据与训练底层基础设施支撑发展。"
该公司兼具初创企业与专业研究实验室双重属性：团队是业内权威智能体评测基准Terminal-Bench的核心共建方，还联合斯坦福、加州大学伯克利分校等高校推出开源推理数据集项目OpenThoughts。
行业宏观格局
这条赛道市场空间广阔：全球AI智能体市场规模2026年为109亿美元，据Grand View Research预测，2033年将增至1829亿美元，复合年均增长率达49.6%。Meta豪掷巨资布局AI基础设施（其中AI数据中心融资规模创下行业纪录），足以体现当下全产业链资本都在疯狂押注AI智能体全栈各层技术。
"更优质训练环境能否真正胜过'更大规模大模型'"尚无定论，这一问题的答案或将决定一批基础设施企业能否在下一轮融资周期中存活下来。
#人工智能 #融资资讯 #行业新闻 #初创企业
关注"俯仰可拾"获取更多国际融资资讯，助力国内创业者和开发者探索井喷赛道