前數學老師打救AI數據鏈：Poindexter Labs逆市自給自足賺160萬英鎊後，獲200萬英鎊種子輪融資

對尖端AI模型嚟講，訓練數據嘅質素同模型嘅規模同等重要。但係，現時大多數數據基礎設施都係為咗啲簡單任務而設，例如圖像標籤、情感分析、文字分類，而唔係而家先進系統要求嗰種複雜、多步驟嘅推理。總部位於倫敦嘅AI數據初創公司Poindexter Labs，啱啱完成咗一輪200萬英鎊嘅超額認購種子輪融資，就係為咗直接解決呢個缺口。

融資消息喺2026年6月2日公布，由Episode 1領投。其他投資者包括Yvonne Bajela嘅Evertrue Capital、Octopus Ventures嘅First Cheque Fund，仲有一班天使投資者，當中包括喺公司平台上好活躍嘅數學家同科學家。

先有收入，後攞創投資金

講到呢度有個好值得留意嘅地方：Poindexter Labs嘅創辦人Jocelyn D'Arcy（佢以前係數學老師）喺接受任何外來風險投資之前，已經靠自有資金將業務做到160萬英鎊嘅收入。公司冇靠機構資金就已經達到七位數收入，反映佢哋嘅產品同市場好啱key，呢種情況喺種子輪階段，特別係AI基礎設施領域，係好少見嘅。

問題核心：專家推理成為新嘅瓶頸

先進模型而家唔單止需要更多數據，佢哋更加需要「更好」嘅數據。要訓練一個模型去解決複雜嘅微積分問題、建構法律論據，或者推演多步驟嘅物理證明，就需要用到能夠捕捉到「真實專家推理過程」嘅數據集，而唔單單係一個正確嘅最終答案。傳統嘅數據標註平台好難做到呢樣嘢，因為佢哋嘅設計係為咗線性、單次嘅標籤工作流程，由單一工人提供簡單判斷。

Poindexter Labs認為，呢種舊有模式係AI供應鏈嘅弱點，佢哋直指呢個係尖端AI嘅「爛咗」嘅數據管道。公司專注於生產佢哋稱之為「高保真訓練同評估數據集」嘅產品，呢啲數據集涵蓋咗證明過程、思維鏈追蹤、多跳邏輯同詳細嘅步驟記錄，應用範疇橫跨STEM（科學、技術、工程、數學）、法律、醫療、金融同工程等領域。