旧金山人工智能初创公司 Halluminate 近日完成 3000 万美元 A 轮融资，由 Oak HC/FT 领投。本轮融资后，该公司总融资额达 3850 万美元。Halluminate 成立于 2024 年，团队规模 9 人，专注于构建面向金融领域的 AI 训练环境与基准测试平台。
Halluminate 的核心逻辑在于“垂直化数据研究”。通过在真实金融任务中对 AI 模型进行基准测试，识别其短板，并针对性构建模拟训练环境以强化模型能力。首席执行官吴杰瑞（Jerry Wu）指出，模拟投行工作与软件工程存在本质差异，未来 AI 训练数据将按行业高度专业化，企业会聚焦于金融、编程或医疗等特定领域，而非跨领域广泛布局。
今年 8 月，Halluminate 发布了一项基于匿名私募股权交易案例的基准测试，要求 7 个前沿模型完成模拟的公司收购尽职调查。在包含修订工作说明书等 88 项复杂任务中，模型平均得分仅为 51%。测试显示，智能体在处理多源信息（如数据室文件、邮件线程、会议纪要）时，常遗漏必要修改、误用分析方法或依赖过时信息，难以将指令准确贯彻至最终交付物。
此类基准测试旨在定位智能体在复杂金融工作流中的错误模式，并将其转化为强化学习环境。Oak HC/FT 普通合伙人马特·斯特莱斯菲尔德（Matt Streisfeld）表示，随着 AI 智能体承担的工作时长从数小时延伸至数天，高质量的专业训练环境愈发关键。Halluminate 在金融领域的专业积累及基础设施能力是其投资决策的重要依据。
市场对后训练基础设施的需求正在显现。Scale AI 今年 2 月透露，其近半新数据训练项目涉及强化学习环境；竞品 Deeptune 于今年 3 月完成 4300 万美元 A 轮融资，并于四个月后同意被 Mercor 收购。
吴杰瑞透露，美国排名前五大闭源 AI 实验室中，已有四家成为 Halluminate 的客户。基于已交付且已付款的季度收入计算，公司年经常性收入（ARR）已达中八位数水平，并实现盈利。
### 环境的“摩尔定律”
目前，Halluminate 策略性地将客户聚焦于少数前沿模型实验室，而非广泛拓展至企业端。吴杰瑞认为，通过与顶尖实验室合作，不仅能推动模型能力进步，也能完善自身构建训练环境的方法论。企业客户及其他行业拓展并非当前优先事项。
随着模型能力提升，训练环境必须同步增加复杂度以保持效用。吴杰瑞将此称为“环境的摩尔定律”：每 6 到 8 个月，环境复杂度需大致翻倍，体现为更长的推理轨迹、更难的任务及更多的文件处理量。公司的核心知识产权，即在于持续生成这种高复杂度环境的能力。
除 Oak HC/FT 外，Y Combinator、Orange Collective 和 Heavybit 等现有投资者参与了本轮融资。此外，来自 Anthropic、OpenAI 和 Meta 的个人研究人员也参与了投资。