Poindexter Labs Raih Pembiayaan £2M untuk Bina Data Latihan Pakar bagi AI Termaju

Dalam perlumbaan membina model Kecerdasan Buatan (AI) yang semakin pintar, kualiti data latihan kini sama pentingnya dengan saiz model itu sendiri. Namun, kebanyakan infrastruktur data sedia ada dibina untuk tugas-tugas mudah seperti penandaan imej dan analisis sentimen, bukannya penaakulan kompleks pelbagai langkah yang diperlukan oleh sistem termaju masa kini . Poindexter Labs, sebuah syarikat permulaan data AI yang berpangkalan di London, telah berjaya mengumpul dana pusingan seed sebanyak £2 juta yang terlebih langgan (oversubscribed) untuk menangani jurang ini secara langsung.

Pusingan pembiayaan ini diumumkan pada 2 Jun 2026 dan diketuai oleh firma modal teroka Episode 1. Ia turut menerima penyertaan daripada Evertrue Capital (kendalian Yvonne Bajela), Octopus Ventures’ First Cheque Fund, dan sekumpulan pelabur malaikat yang terdiri daripada ahli matematik serta saintis yang juga merupakan penyumbang aktif pada platform syarikat itu sendiri .

Jana hasil sebelum modal teroka

Dalam perkembangan yang menarik, pengasas Poindexter Labs, Jocelyn D’Arcy—seorang bekas guru matematik—berjaya membangunkan perniagaan ini secara bootstrap sehingga menjana hasil sebanyak £1.6 juta sebelum menerima sebarang pembiayaan luar . Keupayaan syarikat untuk mencecah hasil tujuh angka tanpa modal institusi mencadangkan satu keserasian produk-pasaran (product-market fit) yang jarang berlaku pada peringkat permulaan, terutamanya dalam ruang infrastruktur AI.

Masalahnya: Penaakulan pakar adalah kesesakan baharu

Model AI termaju bukan sekadar memerlukan lebih banyak data; mereka memerlukan data yang lebih bernas. Untuk melatih model menyelesaikan masalah kalkulus yang rumit atau menaakul melalui bukti fizik pelbagai langkah, ia memerlukan set data yang menangkap rantaian pemikiran pakar yang autentik, bukan sekadar jawapan akhir yang betul. Platform anotasi tradisional tidak sesuai untuk tugas ini kerana ia direka untuk aliran kerja linear dan sekali imbas, di mana seorang pekerja memberikan pertimbangan ringkas .

Poindexter Labs berpendapat model warisan ini adalah ‘mata rantai lemah’ dalam rantaian bekalan AI, malah menyifatkannya sebagai saluran paip yang “rosak” untuk AI termaju . Syarikat itu memberi tumpuan kepada penghasilan apa yang disifatkannya sebagai “set data latihan dan penilaian berketepatan tinggi” yang menggabungkan bukti, jejak rantaian pemikiran (chain-of-thought), logik pelbagai lompatan (multi-hop), dan log langkah terperinci merentasi domain STEM, perundangan, perubatan, kewangan dan kejuruteraan .

Syncronus: Platform semakan rakan setara, bukan kilang label

Jawapan teknikal syarikat ini adalah sebuah platform bernama Syncronus, yang menggantikan model anotator terpencil dengan proses semakan rakan setara (peer-review) yang berstruktur dan kolaboratif . Daripada seorang kontraktor menyelesaikan tugas secara bersendirian, masalah dicipta dan kemudian disemak oleh rangkaian pemenang pingat Olimpik, pemegang PhD, dan profesor yang telah ditapis .

Contoh tugas biasa di platform ini mungkin melibatkan penghasilan satu masalah sains komputer asli yang memerlukan bukti pelbagai langkah. Penyelesaiannya dirakam dengan bukti proses penuh—termasuk penaakulan kasar, log langkah, dan perubahan dokumen LaTeX—yang kemudiannya disemak oleh seorang pakar lain untuk ketepatan dan kejelasan . Ini menghasilkan jejak kertas kognisi pakar yang boleh digunakan secara langsung untuk set penalaan arahan (instruction-tuning sets) dan kurikulum penaakulan, atau untuk menjalankan penalaan halus (fine-tune) model berskala kecil hingga sederhana .

Poindexter melesenkan platform Syncronus kepada perusahaan dan badan kerajaan yang ingin mencipta set data pakar tersusun mereka sendiri. Mereka juga menjalankan perkhidmatan anotasi data dalaman yang menyampaikan set data siap semak secara terus kepada makmal AI termaju .

Ke mana dana ini akan disalurkan

Syarikat merancang untuk menggunakan modal baharu ini terutamanya bagi mempercepatkan pembangunan platform Syncronus dan mengembangkan rangkaian penyumbang pakarnya . Dengan permintaan yang semakin meningkat daripada makmal AI yang memerlukan data penaakulan berkualiti tinggi untuk latihan dan penilaian, syarikat ini bertaruh bahawa model perniagaan mereka—yang menggabungkan teknologi platform dengan rangkaian elit manusia—boleh menjadi infrastruktur kritikal untuk sistem AI generasi akan datang.