公司 Labelbox
融资轮次 E轮
融资金额 超过 1 亿美元（含股权与信贷额度；公司未披露股权与信贷额度各自金额）
投资方 Infinitum Partners（领投）、Wipro Ventures、Andreessen Horowitz (a16z)、B Capital、Tau Ventures、Snowpoint Ventures
总部 San Francisco（美国）
创始人 Manu Sharma、Brian、Dan
官网 https://labelbox.com/

以下公司通稿与公司博客内容均为公司单方披露，尚无独立第三方验证。

从“卖标注”到“卖练习环境”，Labelbox 的产品重心已经不在数据标注

公司博客称，Manu Sharma 与 Brian、Dan 于 2018 年创立 Labelbox，最初的产品是帮助 AI 团队获取专家判断并将其转化为训练数据。公司博客对自身发展阶段的描述显示，Labelbox 已经把重心移到后两个阶段：为前沿实验室提供强化学习环境，以及为企业提供可自我改进的托管智能体。

公司博客称，Horizon 为前沿实验室构建强化学习环境，环境模拟编码、研究等多步骤复杂工作，使模型可以练习、获得反馈并通过强化学习改进。公司通稿称，Labelbox 与领先 AI 实验室和超大规模云厂商合作后训练项目，但未披露具体合作深度、合同金额或收入贡献。公司博客还称，WorldSim 覆盖数千个模拟世界与数百万条评分轨迹，该口径为公司单方披露，尚无独立第三方验证。

与上一代数据标注业务相比，Horizon 的产品逻辑发生了根本变化。数据标注解决的是“模型需要更多样本”的问题，而 Horizon 解决的是“模型需要更多练习和反馈”的问题。公司博客描述，在一个模拟世界中，模型需要完成一项跨多个工具的硬任务，每一步都被记录为轨迹；确定性检查负责判断正确性，专家偏好负责判断“什么是好的”。这种“正确性由规则验证、品味由专家判断”的双层评分机制，是 Horizon 与普通评测基准的关键差异。但需要说明的是，公司博客并未披露这些模拟世界的具体行业分布、任务难度分级或与真实企业环境的保真度验证方法。

从产品演进的角度看，这一转向可能意味着 Labelbox 的收入结构正在从按标注量计费的人力密集型服务，转向按基础设施使用或平台订阅计费的软件型业务。公司未披露两条产品线各自的收入占比，因此这一判断仍属编辑推断，需要后续财务披露验证。公司博客将自身发展概括为“数据、环境、智能体”三个章节，并称许多领先科技公司使用其平台开展企业级后训练项目；但“许多领先科技公司”的具体名单与合同性质均未披露。

Recursion 的定价与开放节奏，暴露了企业智能体商业化的两个未解问题

Recursion Managed Agents 是 Labelbox 面向企业客户的产品。公司通稿称，该产品让企业在团队已经使用的应用中部署智能体集群，智能体可由日程、告警、工单等触发启动，跨工具协同，产出按既定标准评估，每次运行结果可写入智能体记忆以改进后续任务。公司通稿称，Labelbox 内部已在工程、研究、产品、销售、市场、财务等职能中使用超过 50 个智能体；公司通稿称本月早些时候向企业客户开放 Recursion Managed Agents。公司博客则称，上周将该系统作为 Recursion Managed Agents 向内部各团队开放。两处口径差异在于：公司博客以“上周”描述向内部各团队开放，公司通稿以“本月早些时候”描述向企业客户开放，具体开放时间待确认。

公司未披露 Recursion 的定价方式、计算与模型支出是否合并计费，也未披露现有 Labelbox 企业客户是否获得试用额度。若公司采用按运行时长的计费方式，则客户成本与智能体运行时长直接挂钩，这在企业采购场景中会带来一个直接问题：如果智能体运行时间越长、消耗的计算资源越多，客户账单就越高，那么客户是否有动力让智能体承担更复杂、更耗时的任务？该计费方式尚未披露，属待验证假设。公司未披露定价是否包含计算资源的成本分摊，也未披露客户在试用额度用完后是否继续付费。

另一个未解问题是智能体的“自我改进”如何在多租户环境中实现。公司博客称，每次评分运行都会写入智能体记忆，供下一次运行使用。但公司未披露记忆是租户隔离的还是跨客户共享的，也未披露企业客户是否能够查看、导出或删除智能体记忆。对于金融、医疗、法律等受监管行业，智能体记忆的治理方式将直接影响采购决策。公司通稿称其客户包括财富 500 强企业等类型，该客户列举为公司单方披露，不构成 Recursion 已进入高合规行业的证据。

从采购逻辑看，企业智能体产品的付费意愿可能取决于三个条件：智能体是否能在现有工作流中稳定触发、评分标准是否能与团队既有考核对齐、以及记忆机制是否能满足合规审计要求。公司通稿与公司博客只描述了产品能力，未披露上述任一条件的客户验证数据。因此，Recursion 从“内部使用超过 50 个智能体”到“企业客户规模化付费”之间，仍存在一段未被公开信息覆盖的距离。

竞争不在“标注”赛道，而在后训练基础设施与企业智能体平台之间

把 Labelbox 放在数据标注赛道里比较，会低估它的竞争烈度，也会误判它的对手。公司通稿与公司博客未披露主要竞争对手名单。基于公司已披露的产品形态与客户类型，可核验的竞争维度包括：前沿实验室是否自建后训练基础设施、企业智能体平台在跨工具协同与独立评分器上的功能对比。公司未披露 Horizon 在前沿实验室后训练流程中的嵌入方式与合同结构，因此无法判断其在前沿实验室中的实际嵌入深度。如果前沿实验室将 Horizon 视为外部评测与反馈工具，而非后训练流程中的核心环节，那么其收入可预测性可能低于平台型产品；这一判断仍需公司披露合同续约率或收入留存数据来验证。

在企业智能体方向，Recursion 的差异化在于跨工具协同与独立评分器，但公司未披露其支持的具体应用集成数量、与主流 SaaS 产品的连接方式，或与平台型产品的功能对比。公司通稿称 Recursion 让智能体在“团队已经使用的应用”中运行，但未列出具体的集成清单，这使得“跨工具”的能力边界难以被外部验证。

公司博客强调其自建了每一层基础设施：从面向超长周期智能体的执行框架，到运行数百万台虚拟机的沙箱基础设施，再到自营的强化学习后训练基础设施。这种全栈自建策略可能意味着更高的研发投入与更长的迭代周期，但也可能构成对第三方基础设施的依赖降低。公司未披露自建基础设施的资本开支规模、利用率或与外部云服务的成本对比，因此无法判断这一策略在商业上是否优于采购或租用外部能力。

投资逻辑：Infinitum 的算力背景与 Labelbox 的资本结构，指向同一个问题

本轮领投方 Infinitum Partners 的背景值得注意。公司博客称，Infinitum 的 John Yetimoglu 曾早期投资 Groq 并参与 GroqCloud 算力基础设施建设；公司未披露 Infinitum 的算力背景是否与本次融资用途相关。公司博客称算力获取在每一阶段都愈发重要，并称其将是下一阶段的中心。该观点来自公司博客，属于公司对算力战略的单方表述，不构成对融资用途的独立验证。

本轮融资包含股权与信贷额度，但公司未披露信贷额度的具体用途，算力采购是否为用途之一尚待验证。从资本结构看，信贷额度通常用于可预测的运营支出或资产采购，而股权融资更多用于研发与团队扩张。公司通稿称，E 轮融资将支持 Horizon 与 Recursion Managed Agents 的持续研究与工程投入，以及扩充将这些产品带给客户的团队。该用途为公司单方披露，公司未披露资金在两条产品线及算力采购之间的具体分配。

公司博客披露本轮投前估值为 12.5 亿美元。与公司博客中提到的 2026 年盈利和同比增长超过五倍相比，这一估值对应的估值/收入倍数无法计算，因为公司未披露收入绝对值。公司通稿称其服务超过 400 家客户，包括超过 90% 的美国领先 AI 实验室，但“领先 AI 实验室”的定义和分母未披露。如果这 400 家客户中大部分是低客单价的中小企业，而收入集中在少数几家前沿实验室，那么客户数量本身并不能反映收入质量。公司未披露客户集中度、净收入留存率或毛利率，因此无法从公开信息判断 12.5 亿美元投前估值是否合理。

从融资结构看，股权与信贷额度混合融资可能意味着公司希望在稀释股权与控制资本成本之间取得平衡。但公司未披露信贷额度的利率、期限、抵押条件或贷款方，也未披露股权部分是否包含优先清算权、反稀释条款或其他特殊权利。这些未披露项使得外部观察者无法评估本轮融资对现有股东的实际稀释程度，也无法判断信贷额度是否会对公司未来的现金流形成刚性约束。

盈利与增长数据亮眼，但统计口径与可持续性仍未披露

公司通稿称 2026 年实现盈利、同比增长超过五倍；公司博客亦称当年实现盈利、同比增长超过 5 倍。上述数据均为公司单方声明，未经独立审计验证。公司未披露“盈利”是指净利润、经营利润还是调整后 EBITDA，也未披露“同比增长超过五倍”的基期和收入口径，因此无法判断其与上市公司财务报告准则的差异。

更关键的问题是增长是否可持续。公司通稿称超过 90% 的美国领先 AI 实验室与其合作，这意味着收入可能高度集中于少数几家前沿实验室。公司未披露前十大客户收入占比与 Horizon 合同期限，因此无法判断前沿实验室采购波动对 Labelbox 收入的具体影响。公司未披露 Horizon 与 Recursion 两条产品线各自的收入贡献，因此无法评估增长的集中度风险。

公司博客称其运营超过 400 万人的专家网络；公司未披露专家网络的活跃度、留存率或响应时间，因此无法判断该规模口径与实际可用于评分的专家供给之间的关系。公司未披露专家网络的地区分布、专业领域构成或质量控制流程，因此无法判断其是否能稳定支撑 Horizon 的专家偏好评分需求。

从增长质量的角度看，公司通稿与公司博客均未披露收入确认政策、合同期限结构或递延收入变化。对于一家同时服务前沿实验室与企业客户的公司，合同制收入与订阅制收入的占比会直接影响增长的稳定性。公司未披露这些信息，因此“同比增长超过五倍”只能作为公司单方声明的增长信号，不能作为可验证的财务事实。

内部智能体实验的样本局限，不能直接外推为企业客户效果

公司通稿称，Labelbox 内部已在工程、研究、产品、销售、市场、财务等职能中使用超过 50 个智能体。公司博客进一步描述，这些智能体从日程、告警和工单中自动启动，全天候工作，每一个都被评分，每一个都在改进。这一内部实验是 Recursion 产品逻辑的最佳展示，但它的说服力受限于样本设计。

公司未披露内部智能体实验的对照组、任务类型、模型版本、成功率、人工干预频率等设计信息，因此不能外推到其他任务或模型。“超过 50 个智能体”这一数字只能说明部署规模，不能说明运行质量。公司未披露内部智能体实验的任务类型与难度分布，因此无法判断其能否外推到企业客户环境。

从已披露的信息看，Recursion 的自我改进机制依赖三个层次：智能体反思之前的会话并从中学习；保留经过整理的记忆，使下一次运行从上一次学习的结果开始；随着时间推移，可以在自身最佳工作上微调模型。公司博客称 Recursion 拥有所有这些层次，从智能体工作的沙箱、检查工作的子智能体和评分器，到承载学习成果的记忆和模型。这一描述来自公司单方披露，尚无独立第三方验证。如果这些层次中的任何一个在实际运行中失效——例如记忆写入不一致、评分器标准漂移或微调数据污染——整个自我改进循环就会退化。公司未披露其在生产环境中对这些层次的监控和故障恢复机制。

内部实验的另一个局限在于评分标准的一致性。公司博客称“每一个都被评分，每一个都在改进”，但未披露评分标准由谁设定、如何校准、以及不同团队之间的评分尺度是否统一。如果评分标准本身存在漂移或主观性，那么“改进”可能只是相对于一个不稳定的基准而言。公司未披露评分器的校准频率、评分者间一致性指标或评分争议的解决流程，因此内部实验的结果在方法论上仍存在未披露的局限。

风险与待验证假设：客户集中、定价冲突与记忆治理是三个关键瓶颈

Labelbox 本轮融资的叙事建立在三个假设之上，分别对应公司已披露的具体口径：第一，公司通稿称超过 90% 的美国领先 AI 实验室与其合作，但前沿实验室是否愿意为外部强化学习环境持续付费，需以 Horizon 合同续约率与收入留存数据验证；第二，公司通稿称内部使用超过 50 个智能体，但企业客户是否愿意为智能体付费并接受智能体记忆的治理方式，需以 Recursion 企业客户付费转化与记忆治理条款验证；第三，公司通稿称 2026 年实现盈利且同比增长超过五倍，但公司能否在保持盈利的同时继续投入自建基础设施与研发，需以资本开支规模与信贷额度用途验证。

第一个假设的风险在于后训练合作的具体性质未披露，公司未披露这些合作是项目制还是平台制，因此无法判断收入的可预测性。第二个假设的风险在于定价与客户利益的潜在冲突。如前所述，定价方式未披露，因此无法判断客户成本与智能体运行时长是否直接挂钩。第三个假设的风险在于资本支出与盈利之间的平衡。公司博客称算力获取在每一阶段都愈发重要，并称其将是下一阶段的中心，但公司未披露信贷额度的具体用途与规模，因此无法判断算力采购是否会影响其资本结构。

前述客户集中度、专家网络口径与 Recursion 开放时间差异均属未披露或未统一事项。这些未披露或未统一的细节，并不必然意味着公司陈述不实，但它们提醒外部观察者：在缺乏独立审计和第三方验证的情况下，Labelbox 的运营数据只能作为公司单方声明来理解。

在后续融资或上市披露出现之前，外部观察者仍无法核验客户集中度、净收入留存率、毛利率、Horizon 与 Recursion 各自收入贡献等关键指标，这些信息缺口将持续限制对 Labelbox 商业质量的判断。

融资信息

公司Labelbox

轮次E轮

金额超过 1 亿美元（含股权与信贷额度；公司未披露股权与信贷额度各自金额）

投前估值12.5 亿美元（公司博客称）

领投方Infinitum Partners

参投方Wipro Ventures、Andreessen Horowitz (a16z)、B Capital、Tau Ventures、Snowpoint Ventures 等

资金用途公司通稿称，E 轮融资将支持 Horizon 与 Recursion Managed Agents 的持续研究与工程投入，并扩充将这些产品带给客户的团队

业务定位为前沿 AI 实验室提供强化学习环境与评估基础设施，为企业提供可自我改进的托管智能体

产业链关系公司通稿称其与领先 AI 实验室和超大规模云厂商合作后训练项目；公司博客称 Infinitum 的 John Yetimoglu 曾早期投资 Groq 并参与 GroqCloud 算力基础设施建设，但公司未披露该背景是否与本次融资用途相关

竞争比较公司未披露竞品名单；可核验维度包括前沿实验室自建后训练基础设施、企业智能体平台在跨工具协同与独立评分器上的功能对比

商业约束公司未披露客户集中度、净收入留存率、毛利率、Horizon 与 Recursion 各自收入贡献，以及信贷额度的利率、期限、抵押条件或贷款方

资本逻辑股权与信贷额度混合融资可能意在平衡稀释与控制资本成本，但公司未披露股权部分是否包含优先清算权、反稀释条款或其他特殊权利

RecodeX 极客视：Labelbox 的 E 轮融资真正值得关注的地方，不是 1 亿美元的数字，而是一家数据标注公司如何把自己重新定义为强化学习环境与智能体基础设施提供商。Horizon 和 Recursion 的产品逻辑在纸面上是自洽的：让模型在模拟世界中练习，让智能体在企业应用中从自己的工作中学习。但从自洽到可验证，中间隔着客户集中度、定价机制与记忆治理三个未解问题。如果 Labelbox 不能证明前沿实验室的付费是持续的、企业客户的成本与价值是匹配的、智能体记忆是可控的，那么“从经验中学习”就仍然是一个比商业现实更动人的技术叙事。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。