从数据标注到「会自己进步」的 agent：Labelbox 拿下超 1 亿美元 E 轮，投前估值 12.5 亿美元

2026 年 10 月 14 日，旧金山的数据公司 Labelbox 宣布完成超过 1 亿美元的 E 轮融资，投前估值 12.5 亿美元。本轮由 Infinitum Partners 领投，Wipro Ventures、a16z、B Capital、Tau Ventures、Snowpoint Ventures 等参投，结构是股权加信贷额度的组合——股权和债权的拆分没有披露。

数字本身值得咀嚼，但更值得看的是钱的去向。Labelbox 把这一轮的用途说得很直白：两个核心产品，Horizon 与 Recursion Managed Agents。一个管"训练"，给前沿 AI 实验室做强化学习（RL）环境和评估基建；一个管"执行"，让企业部署会"从自己的工作中学习"的托管 agent。agent infra 的钱，正在从"更好的模型"流向"让模型在真实工作里练功的地方"。

本轮最大的细节：领投方的算力背景

先把融资结构说清楚。这轮不是纯股权：PR Newswire 的通稿里明确写了 "equity and a credit facility"，即股权加信贷额度。两种钱的比例没有公开，Forge 上留下的 Series E-1/E-2 两笔登记（92.9M + 10M，投后估值 13.5 亿美元）与投前 12.5 亿的口径互相印证——数字对得上，但信贷额度的动用条件、利率一概未披露，解读时只能按"总额超 1 亿美元"处理，不宜把信贷额度当成已到账的现金。

领投方 Infinitum Partners 是本轮最有意思的注脚。CEO Manu Sharma 在公司博客里专门提到，算力（compute）会是 Labelbox 下一章的核心，而 Infinitum 的 John Yetimoglu 是 Groq 的早期投资人，现在还在做 GroqCloud 的大规模算力基建。翻译一下：Horizon 这类 RL 训练环境是算力饕餮，融资的很大一部分会烧在沙箱和训练跑上，选一个懂算力基建的领投方，是故事逻辑自洽的一步。

为什么"沙箱生意"值 12.5 亿

Horizon 的形态值得单独说，因为它代表了一种正在独立成行的生意：给模型造"练功房"。按公司的描述，Horizon 的 WorldSim 系统会生成"仿真公司"——代码库、看板、表格、文档俱全，填满逼真业务数据。模型在里面端到端完成困难的多步任务（coding、research、computer use 等），每一步都被记录成一条轨迹（trajectory）。确定性验证器（deterministic verifiers）给每条轨迹打分——同一条轨迹每次跑分都一样；当两条轨迹都正确时，专家偏好（expert preference）再教模型什么是 Sharma 所谓的"taste"。

公司自称的规模是：数千个仿真世界、数百万条评分轨迹，按实验室的 pass@k 目标调优。注意口径——"公司自称"，第三方无从独立核验。但这套逻辑本身是对的：post-training 的竞争已经从"标更多数据"转向"造更真的环境"。RLHF 时代需要的是标注员；RL 时代需要的是一个能让 agent 反复试错、且每次试错都有稳定反馈的沙箱。大厂原来只能自己搭这套东西，现在 Labelbox 把它做成商品卖给 90% 以上的美国顶尖 AI 实验室（公司自称）。"沙箱即服务"的估值，赌的是前沿实验室愿意持续为训练环境付费。

对 vibe 开发者来说，这件事的意义不在 Labelbox 本身，而在"训练场商品化"这个趋势。RL 环境一旦变成可租用的基础设施，小团队也能租到以前只有大厂才建得起的训练场。今天你租的是云 GPU，明天你租的可能就是"一个装满仿真公司的练功房"。这也是为什么这一轮融资值得 vibe coding 社区关注：它定义了下一代 coding agent 是怎么被"练"出来的。

三章叙事：从标注工具到"会自己进步"的 agent

Sharma 在创始人手记里把公司历史切成三章，读起来像一份刻意的转身声明。第一章（2018 年起）：做数据标注工具，帮建 AI 的人处理训练数据——这是 Labelbox 的出身。第二章：ChatGPT 时刻之后，最强的模型开始"靠练习真实工作来变强"，公司转向 RL 环境。第三章：agent，先给自己用，再开放给客户。

第三章的"先自用"是本轮新闻里最有说服力的部分，也是最需要打折的部分。公司称内部已有 51 个 agent 在 11 个团队运行（工程、研究、销售、财务等），而 Recursion Managed Agents 本月早些时候才向全部企业客户开放。自己先当小白鼠再卖产品，逻辑成立；但"51 个 agent"的运行质量、覆盖的真实工作量，通稿里没有细节，只能记为公司自报。

唯一给出的量化例子是内部 PR review agent：同一版本 agent 跑了 39 次评分 review，通过 grader 的 33 次里，中位成本从前 11 次的 13.15 美元降到后 11 次的 8.90 美元，自称下降约 32%，单次耗时稳定在约 27 分钟，记忆被更新了 15 次。这个数字**只能按公司自报口径理解，不可泛化**——它是单个内部场景、单版本 agent 的受控测量，不是产品在客户环境的承诺。把它当"记忆机制确实在起作用"的存在性证明可以，当 ROI 承诺不行。

Recursion：把"进步"做成产品机制

Recursion Managed Agents 的设计，核心是把"从经验中学习"机制化，而不是玄学。一个托管 agent 接到三样东西：目标（Goal）、触发器（排期、告警、Slack 消息、webhook、API 调用）和评分标准（Rubric，定义什么叫"做得好"）。执行后，一个独立的 grader agent 逐行对照 rubric 打分、指出证据；没达标就返工修改。记忆的更新有明确节拍：攒够 5 份新的会话报告、且最多每小时一次，curator agent 才提炼经验教训写进记忆；客户可以浏览 agent 学到了什么，也能删掉过时的教训。

执行层面有三档模式：multi-agent（协调者串联各带自己模型、指令、工具和权限的专家）、team（同一 agent 的多个副本在共享看板上分工并互查）、auto（默认，agent 自己决定何时需要专家或团队）。安全设计是企业买单的前提：100 多个业务应用和任意 MCP 服务器接入；每个工具按"只读 / 改数据 / 破坏性"分级授权；凭证进 vault，模型看不到；会话跑在隔离沙箱里；公司宣称在所有 LLM 提供商处零数据留存。合规清单列了 SOC 2 Type II、GDPR、CCPA、NIST 800-171、PCI DSS。定价按 agent 会话小时计费，算力和模型开销合并在一个预估里，老企业客户给一次性 100 美元 credit——to B 的味道很正。

这套机制的真正考验不在技术，而在 rubric 文化。grader 再公正，也只能照着 rubric 打分；企业能不能把"什么叫做好工作"写成机器可执行的标准，决定了 agent 是越用越强还是越用越偏。Labelbox 把"记忆可视化、可删除"做进产品，是对的——不可解释的自我改进，在企业场景里等于不可审计。

基本盘：漂亮，但全是自报口径

通稿里 Labelbox 给自己画的基本盘很漂亮：400+ 客户、覆盖 90% 以上美国顶尖 AI 实验室、2026 年实现盈利、同比增长 5 倍以上。必须逐条标注：**以上全部为公司自称**。盈利没有经审计的财报支撑，"增长 5 倍"的基数没有披露，"顶尖 AI 实验室"的定义权在公司手里。融资新闻稿里的基本盘，永远是"公司希望你相信的版本"——信趋势，不信小数点。

Sharma 的引语倒是可以当纲领读："Every company will soon run on AI systems that learn from their own work."（每家公司很快都会运行在能从自身工作中学习的 AI 系统上。）从沙箱基建、agent harness 到 RL post-training，Labelbox 想把每一层都攥在自己手里：自研 ultra-long-horizon 的 agent harness、跑数百万虚拟机的沙箱、自家的 RL post-training 基建，外加 400 万+ 人的专家网络。这是它相对纯基建玩家的差异化——从标注时代攒下的"知道什么是好的工作"的know-how，是 WorldSim 和 rubric 体系的原材料。

判断：钱在投票给"训练场"，但别急着下注

把这轮融资放进 2026 年 10 月的坐标系里看：同一周，Modal 拿了 7.5 亿美元做 AI 云沙箱。两笔钱赛道不同——Modal 是 serverless 算力基建，Labelbox 是 RL 训练环境加 agent 托管平台——但指向同一个判断：agent 时代的基建钱，正在从"跑模型的算力"分流到"练 agent 的环境"和"管 agent 的平台"。12.5 亿的估值，买的是"训练场"这个品类能独立成立。

对 vibe 开发者的实操启示有三条。第一，关注 RL 环境商品化的进度——当训练场可以按需租用，小团队做垂直 agent 的门槛会从"有没有数据和算力"变成"会不会设计好的 rubric 和验证器"。第二，Recursion 的机制设计（grader + 可审计的记忆）是值得抄的作业：自己搭 agent 工作流时，先写 rubric 再跑 agent，别反过来。第三，对融资新闻里的自报数字保持口径意识：32% 的成本下降、5 倍增长、90% 覆盖率，都是"公司自称"，做决策时按"方向可信、数字打折"处理。

最后泼一瓢冷水：Horizon 服务的是前沿实验室的 post-training，这门生意的续费逻辑极度依赖"实验室持续需要外部训练环境"这个假设。一旦头部实验室把 WorldSim 这类能力内化成自己的核心基建（他们完全有动机这么做），Labelbox 的护城河就只剩下专家网络和 rubric 方法论。12.5 亿估值里，有多少是给"沙箱"的，有多少是给"400 万专家"的，市场会在下一轮用真金白银重新定价。