AI智能体训练平台 Bespoke Labs 今日宣布完成总计4000万美元的融资，涵盖由 Wing VC 领投的 A 轮融资，以及此前由 8VC 领投的种子轮融资。A 轮融资的跟投方包括 Mayfield、The House Fund、dbt Labs CEO Tristan Handy，以及来自 Anthropic、OpenAI 和 Meta 的多位天使投资人；种子轮投资方则包括 Google DeepMind 元老 Jeff Dean、Resolve AI CEO Spiros Xanthos 和 DevRev CEO Dheeraj Pandey 等。本轮募集资金将用于扩充研究团队、扩展环境构建基础设施，并加速商业化进程。
随着 AI 智能体从演示阶段迈向生产部署，业界正面临一个核心瓶颈——制约可靠性的已不再是模型本身，而是训练与评估环境。要实现能力跃升，智能体需要真实的环境来进行实践、学习和测评。来自 METR 的独立基准测试数据显示，AI 智能体能够可靠完成的任务时长大约每七个月翻一番。需要复杂度同步提升的训练环境正是 Bespoke Labs所处的细分赛道，这一方向直接瞄准当前 AI 智能体落地的核心痛点——从"能用"到"可信赖地规模化部署"。
"前沿实验室、企业客户以及所有依赖可靠智能体的组织，都需要获取高质量的训练环境，"Bespoke Labs 联合创始人兼 CEO Mahesh Sathiamoorthy 表示，"这是优化和开发智能体的关键环节。因此，我们专注于围绕环境开展研究、构建基础设施，并亲手打造这些环境本身。"
Bespoke Labs 成立于2024年，总部位于加利福尼亚州山景城，由 Mahesh Sathiamoorthy 和 Alex Dimakis 共同创立，专注于构建让 AI 智能体实现可靠运行的强化学习环境与基础设施。公司设计并搭建高度仿真的企业级环境，涵盖大型代码库、微服务架构、真实日志、工单系统、电子邮件、Slack 等场景，使智能体能够在其中学习具有实际经济价值的长链路工作流。
Bespoke Labs 的核心主张是：可靠的智能体需要真实的环境。公司面向前沿实验室（Frontier Labs）、新兴 AI 实验室（Neo Labs）与企业客户提供三大核心能力：
- 强化学习（RL）环境与基础设施
构建公司级规模的仿真系统，涵盖真实代码库与微服务，使智能体能够掌握生产环境所需的复杂、长周期工作流。 - 智能体评估与优化
通过 Genetic-Pareto Agent Optimizer（GEPA） 优化器执行自动化提示词（Prompt）与策略搜索，相较传统人工提示工程，能显著更快地实现更高精准度。 - 生产级 RL 与基准测试
围绕强化学习、数据筛选与基准评测开展协作研究，确保训练环境持续跟上模型能力前沿的快速演进。
Bespoke Labs 坚持研究驱动的发展路径，团队由研究科学家和工程师组成，已发布多项具有行业影响力的研究成果，均入选 ICLR 2026。公司是 Terminal-Bench 的核心贡献者——这是当前引用最广泛的智能体能力基准测试之一；公司还是 OpenThoughts 背后的团队，这一开放推理数据集下载量已突破50万次，被 Thinking Machines Lab、Meta 和 Amazon 等机构广泛使用。这种研究能力同样驱动着公司的环境建设工作：从新颖的策划流程、合成生成环境的方法，到对真实世界基础设施进行快照并将其重建为训练环境的技术，Bespoke Labs 在多个维度持续拓展技术边界。
对于前沿与新兴 AI 实验室，Bespoke Labs 提供贴近生产的训练环境，支持新任务学习与可靠性提升；对于企业客户，公司帮助其构建不会在生产环境中失效的 AI 能力，通过镜像企业真实系统与流程的环境进行智能体评估，并借助 GEPA 与强化学习实现提示词与策略的自动化优化。
"我们与各大实验室合作，围绕强化学习、环境策划、基准测试和长链路建模开展研究项目，确保环境建设始终与智能体能力的前沿保持同步，"Bespoke Labs 联合创始人兼首席科学官 Alex Dimakis 表示，"我们是一家真正在推动环境基础设施与策划前沿发展的研究机构，这让我感到自豪。" 公司正面向研究人员、工程师及领域专家积极招募，并持续与有意提升智能体可靠性的实验室及企业展开合作。
Saasverse Insights
随着大模型能力趋于饱和，AI 智能体的真正瓶颈正在从"模型智能"转移至"环境可信度"——如何让智能体在复杂、真实的业务系统中稳定运行，已成为决定商业化落地成败的关键变量。Bespoke Labs 获得来自 Anthropic、OpenAI 和 Meta 天使投资人的联合背书，也折射出行业头部玩家对"智能体可靠性"这一关键命题的高度关注——能构建智能体只是起点，让智能体在真实企业环境中稳定运行才是壁垒所在。对于布局 AI 智能体方向的中国创业者和 VC 而言，"面向智能体的训练基础设施（RL 环境、评估框架、数据策略）"正在成为继模型层之后的下一个核心卡位点，谁能率先解决生产环境的仿真与验证问题，谁就掌握了智能体规模化落地的关键钥匙。
#AI智能体 #强化学习 #智能体基础设施 #融资动态 #AI训练环境
☁️ 7月云动态 » AI | SaaS | Cloud
【AI原生3D模型&世界模型】Tripo AI 完成1.5亿美元A3轮融资，吉利等汽车、游戏和互联网科技多元战略资方入局，加速世界模型商业化
【83亿美元估值 | 开源AI云平台】Together AI完成8亿美元C轮融资，ARR突破11亿美元，开源AI基础设施赛道迎来里程碑时刻
【31亿美元战略收购 | 工业AI】Schneider Electric 收购工业AI平台 Cognite，加速布局工业智能化
【80亿美元战略收购 | 太空经济】Rocket Lab 官宣收购卫星通信公司 Iridium，补全太空全栈服务「运载能力+在轨服务+地面云端数据处理」
【10亿美元估值 | AI开发者云平台】Runpod 完成1亿美元A轮融资融资，拥有百万开发者，加速构建AI开云基础设施
