近日，前沿AI数据实验室Humanlaya完成数亿元Pre-A轮融资。本轮融资由鼎晖香港基金领投，红杉中国、今日资本、BAI资本等原有股东继续追投。
鼎晖香港基金管理合伙人许志坚表示："当大模型逐渐走向智能体和复杂长程任务执行，仅依赖公开语料或生成数据已经不够。包括专家数据、企业工作流轨迹数据在内的真实数据稀缺性越来越大。谁能定义最难、最有价值的任务，组织最合适的专家，并把真实世界转化为可验证的训练信号，谁就可能为模型提升能力上线做贡献。我们相信，Humanlaya所处的交叉点——模型研究理解、专家网络、环境工程、Benchmark研究——将成为大模型从通用智能走向真实生产力的重要基础设施。"
过去很长一段时间，算力和参数量都是大模型产业链的关注重点。Scaling Law的核心支撑是算力和人类社会的公开数据。但当头部模型几乎把公开网页、百科、代码和论文读了之后，互联网上能被爬取清洗的高质量通用文本正在逼近瓶颈。
根本性的变化正在发生：大模型正从基础通识能力竞争走向智能体和复杂任务执行。想要完成长链路、多步骤的真实任务，仅依赖公开语料或生成数据已经不够——模型需要理解业务环境、拆解目标、调用工具，并在出错后纠正。这意味着训练数据必须越来越贴近真实工作流程，包含任务过程、反馈轨迹、专业判断和可验证的结果。后训练的私域数据，正在成为进一步提升模型智能和解决长程任务的关键。
为了给模型提供更好的数据，Humanlaya旗下的Talents-AI专家平台已积累超10万名专家，覆盖投资并购、法律、临床医学、合成生物、基础科学和工业工程等多个领域。公司目前支付给专家的费用总额已超过数千万。
鼎晖认为，独立专家平台的价值在于——根据任务快速组织不同领域的专业人才，把专家招募、培训、任务设计、答疑、验收和结算沉淀为一套可以跨客户复用的交付体系，保证高质量持续产出。
除了人类专家数据之外，企业端Humanlaya还侧重通过真实数据提升模型能力，将来自实际用户、业务流程和线上环境的数据，例如真实对话、工单、操作记录和用户反馈；进行脱敏、清洗和高质量标注，将数据用于多个模型提升场景，形成“真实数据—改进模型—评测—上线反馈”的迭代闭环。
对模型迭代和数据工程的理解，是Humanlaya团队积累的重要资产。团队接连发布了一系列模型能力评测集的相关论文，包括评测模型Agent在真实高薪专业场景的综合能力的One-Million Bench、评测生物医药Agent能力的BiominiBench、评测Excel建模Agent能力的ExcelBench等。
下一阶段，Humanlaya计划与不同行业的企业开展更广泛合作，在合规前提下提取真实任务意图、操作轨迹和失败模式，再由专家补全评分标准与验证器，将原始工作记录加工成高保真的训练环境。相比完全"演"出来的任务，这条路径更接近真实生产分布，也更有机会让Agent从"看起来会做"迈向"稳定交付"。
鼎晖香港基金期待与Humanlaya团队长期同行，支持公司持续拓展高质量数据供给，并让更多来自中国的专业知识和真实工作场景，成为推动下一代人工智能向前跃迁的关键燃料。
近日，前沿AI数据实验室Humanlaya完成数亿元Pre-A轮融资。本轮融资由鼎晖香港基金领投，红杉中国、今日资本、BAI资本等原有股东继续追投。
鼎晖香港基金管理合伙人许志坚表示："当大模型逐渐走向智能体和复杂长程任务执行，仅依赖公开语料或生成数据已经不够。包括专家数据、企业工作流轨迹数据在内的真实数据稀缺性越来越大。谁能定义最难、最有价值的任务，组织最合适的专家，并把真实世界转化为可验证的训练信号，谁就可能为模型提升能力上线做贡献。我们相信，Humanlaya所处的交叉点——模型研究理解、专家网络、环境工程、Benchmark研究——将成为大模型从通用智能走向真实生产力的重要基础设施。"
过去很长一段时间，算力和参数量都是大模型产业链的关注重点。Scaling Law的核心支撑是算力和人类社会的公开数据。但当头部模型几乎把公开网页、百科、代码和论文读了之后，互联网上能被爬取清洗的高质量通用文本正在逼近瓶颈。
根本性的变化正在发生：大模型正从基础通识能力竞争走向智能体和复杂任务执行。想要完成长链路、多步骤的真实任务，仅依赖公开语料或生成数据已经不够——模型需要理解业务环境、拆解目标、调用工具，并在出错后纠正。这意味着训练数据必须越来越贴近真实工作流程，包含任务过程、反馈轨迹、专业判断和可验证的结果。后训练的私域数据，正在成为进一步提升模型智能和解决长程任务的关键。
为了给模型提供更好的数据，Humanlaya旗下的Talents-AI专家平台已积累超10万名专家，覆盖投资并购、法律、临床医学、合成生物、基础科学和工业工程等多个领域。公司目前支付给专家的费用总额已超过数千万。
鼎晖认为，独立专家平台的价值在于——根据任务快速组织不同领域的专业人才，把专家招募、培训、任务设计、答疑、验收和结算沉淀为一套可以跨客户复用的交付体系，保证高质量持续产出。
除了人类专家数据之外，企业端Humanlaya还侧重通过真实数据提升模型能力，将来自实际用户、业务流程和线上环境的数据，例如真实对话、工单、操作记录和用户反馈；进行脱敏、清洗和高质量标注，将数据用于多个模型提升场景，形成“真实数据—改进模型—评测—上线反馈”的迭代闭环。
对模型迭代和数据工程的理解，是Humanlaya团队积累的重要资产。团队接连发布了一系列模型能力评测集的相关论文，包括评测模型Agent在真实高薪专业场景的综合能力的One-Million Bench、评测生物医药Agent能力的BiominiBench、评测Excel建模Agent能力的ExcelBench等。
下一阶段，Humanlaya计划与不同行业的企业开展更广泛合作，在合规前提下提取真实任务意图、操作轨迹和失败模式，再由专家补全评分标准与验证器，将原始工作记录加工成高保真的训练环境。相比完全"演"出来的任务，这条路径更接近真实生产分布，也更有机会让Agent从"看起来会做"迈向"稳定交付"。
鼎晖香港基金期待与Humanlaya团队长期同行，支持公司持续拓展高质量数据供给，并让更多来自中国的专业知识和真实工作场景，成为推动下一代人工智能向前跃迁的关键燃料。