Labelbox 完成超 1 亿美元 E 轮融资，投前估值 12.5 亿美元：已盈利、年增 5 倍，九成头部 AI 实验室在用它的 RL 训练环境

10 月 14 日（美西时间），Labelbox 联合创始人兼 CEO Manu Sharma 宣布完成超 1 亿美元 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；官方特别说明这笔钱「包含股权和信贷额度」，并非全部是股权融资。公司披露：今年已实现盈利，收入同比增长超 5 倍，客户超 400 家，美国 90% 以上的头部 AI 实验室和云厂商与其合作，背后还有超 400 万人的专家网络。

业务已经从「卖标注」转成两条线：面向前沿实验室的 Horizon，用 WorldSim 搭出带真实业务数据的模拟公司（代码、看板、表格、PPT、文档），让模型端到端完成任务，再用确定性校验加专家偏好打分，产出可直接用于强化学习后训练的轨迹；面向企业的 Recursion 托管智能体，上周刚对所有团队开放，Labelbox 内部已有 50 多个 Agent 在工程、销售、财务等部门按排期、告警和工单自动开工，每次运行都会被评分并写回记忆。新资金将投向这两条产品线的研发，以及算力——领投方 Infinitum 的 John Yetimoglu 是 Groq 早期投资人，目前参与 GroqCloud 大规模算力建设。

谁能用：Horizon 面向前沿模型实验室和云厂商，走企业合作，不公开售卖；Recursion 托管智能体面向企业团队，官网提供「Try Recursion」入口，本次公告未披露具体价格或免费额度。

解读：大模型竞争的瓶颈正从「喂多少数据」转向「给模型多少可练习的真实工作场景」。Labelbox 用盈利加 5 倍增长讲了一个很直接的故事：在 RL 后训练时代，最赚钱的可能不是模型本身，而是给模型搭「驾校」的人。融资里掺了信贷额度、估值按投前计，也提醒我们这一轮并非全靠股权溢价。 讨论：1. 当 90% 的头部实验室用同一家供应商的训练环境，模型能力会不会越来越同质化？2. 企业愿意把真实工单交给「越跑越聪明」的托管智能体吗，评分标准该由谁来定？