前数学老师创办的Poindexter Labs获200万英镑种子轮，要让AI学会“专家级思考”

对于尖端的AI大模型来说，训练数据的质量与模型本身的规模同等重要。但现在大多数数据基础设施是为简单的任务（如图像标记、情感分析、文本分类）而建的，无法满足高级系统如今所需的复杂、多步推理任务 。总部位于伦敦的AI数据初创公司Poindexter Labs刚刚完成了一轮超额认购的200万英镑种子轮融资，就是要直接填补这一空白。

这轮融资于2026年6月2日宣布，由Episode 1领投。参投方还包括Yvonne Bajela的Evertrue Capital、Octopus Ventures的First Cheque Fund，以及一批天使投资人——其中一些是本身就在该公司平台上工作的数学家和科学家 。

融资前就已实现盈利的“异类”

值得一提的是，Poindexter Labs的创始人Jocelyn D'Arcy曾是一位数学老师。在公司接受任何外部风险投资之前，她已经靠自己的力量将业务做到了160万英镑的营收 。在AI基础设施领域，能在种子轮阶段就实现七位数的营收，且没有任何机构资金支持，这极为罕见，也充分说明了其产品与市场的契合度。

新瓶颈：专家级推理能力

高级模型不再仅仅是需要“更多的数据”，而是需要“更好的数据”。要训练一个模型去解决复杂的微积分问题、构建法律论据或进行多步骤的物理论证，需要的数据集必须能捕捉到真实的专家推理链，而不仅仅是最终的正确结果。传统的标注平台很难胜任这项任务，因为它们的设计初衷是线性的、单人通过的标注工作流，即由单个工作人员给出一个简单的判断 。

Poindexter Labs认为，这种传统模式是AI供应链中的薄弱环节，并将其称为前沿AI的“坏掉的”数据管道 。该公司专注于生产所谓的“高保真训练与评估数据集”，这些数据集涵盖了STEM（科学、技术、工程、数学）、法律、医学、金融和工程等领域，其中包含证明过程、思维链、多跳逻辑和详细步骤日志 。

Syncronus：用“同行评审”取代“标注流水线”

公司的技术解决方案是一个名为 Syncronus 的平台。它用一种结构化的协作式同行评审流程，取代了孤立的标注员模式 。在这个平台上，任务不再是由一个承包商单独完成，而是由一个经过严格审核的专家网络——包括奥赛奖牌得主、博士和教授——来创建并相互评审 。

平台上一个典型的任务可能是，设计一道需要多步证明的原创计算机科学问题。解答过程需要包含完整的推演证据，例如草稿推理、步骤日志和LaTeX格式的修改记录，然后再由另一位专家对其正确性和清晰度进行评审 。这就创建了一份专家思考过程的完整记录，可以直接用于指令微调数据集和推理课程的制作，也可用于运行小到中等规模的模型微调 。

Poindexter的商业模式有两种：一是向希望创建自有专家数据集的企业和政府机构授权Syncronus平台；二是运营一个内部数据标注服务，直接向前沿AI实验室交付经同行评审的成品数据集 。

资金将花在哪里？

公司计划将这笔新资金主要用于加速Syncronus平台的研发，并扩大其专家贡献者网络 。随着AI实验室对高质量推理数据的需求日益增长（无论是用于训练还是评估），Poindexter Labs押注其“平台技术+精英人类专家网络”的混合模式，将成为下一代AI系统基础设施的关键一环。