Islo 获 Insight Partners 领投 1500 万美元,推出企业软件工厂平台
Islo Raises $15M to Scale Its Enterprise Software Factory
Islo 宣布获得 Insight Partners 领投的 1500 万美元投资,并发布 Enterprise Software Factory 平台,用 AI 智能体自动化重复性工程工作,同时保留安全、验证和部署方面的企业控制。该平台以 Factory Lines 把工程流程拆成可重复的智能体与非智能体步骤,构建、lint 和测试由脚本执行,失败时回退重试、高风险动作可等待人工审批;每台 Machine 提供硬件隔离的持久环境,默认拒绝出站连接并记录命令与文件改动。Databricks 将成为其后端推理合作伙伴,团队可在 Claude Code、Codex 等工具间切换模型,并用历史工单在模拟的 GitHub、Slack 和 Linear 环境中测试模型或提示词改动。
正文 · AI 翻译
Islo 于 2026 年 11 月 17 日宣布获得由 Insight Partners 领投的 1500 万美元投资,并推出其 Enterprise Software Factory 平台。作为 Incredibuild 产品家族的一部分,Islo 设计该系统旨在借助 AI 智能体自动化重复性工程工作,同时保留企业在安全、验证和部署方面的控制权。
这笔资金将用于支持产品开发、推广以及 Islo 作为 Incredibuild 旗下独立产品线的扩张。Incredibuild 于 2025 年收购了由 Islo 领导团队创立的初创公司 Kypso。该平台整合了 Incredibuild 的构建、测试和持续集成加速能力,将公司现有的流水线技术与针对智能体生成工作的控制机制相连接。
Factory Lines 与隔离执行
Factory Lines 将工程流程转化为由智能体步骤和非智能体步骤组成的可重复序列。团队可以将实现或审查环节保留给 AI 智能体,然后使用脚本执行构建、lint 和测试,使这些检查不依赖模型的判断。运行可由新工单、Slack 消息、webhook 或时间表触发。当某项检查失败时,流程会将工作退回以进行另一次尝试;当某项操作被认为有风险时,它可以等待人工审批。
执行环境也是产品的一部分。每台 Machine 提供一个持久、硬件隔离的环境,其中包含构建和运行客户软件所需的仓库、服务和依赖项。这使智能体能够针对实际技术栈验证更改,而云托管则让多台 Machine 无需工程师保持登录即可持续运行。
安全控制就位于该环境之中。除非获得许可,否则拒绝出站连接;网关注入使原始凭据不会进入沙箱;命令、文件修改和网络活动都会被记录。根据产品页面,客户还可以在自己的云中运行 Islo,为每条产线设置支出限额,并将会话、操作、出站调用和使用成本关联到可审计的运行记录中。
Islo 列出的早期客户用途包括重构、代码审查、质量保证、缺陷修复、问题分诊和长尾功能交付。团队可以为安全性、测试、功能、安全、性能和成本设置关卡,并决定哪些操作需要人工签核。
“AI 可以大幅提升一个工程组织产出的代码量,但这并不会自动转化为更多被安全交付的软件,”Islo 首席产品官 Adam Gold 表示。Islo 的应对之道,是让围绕一项变更的检查与审批变得像其生成过程一样可重复。
Databricks 合作与模型测试
Databricks 也将成为 Islo 的后端推理合作伙伴。Islo 表示,这一集成将使客户能够访问专有和开放的 AI 模型,并让联合客户能够基于自身数据运行工厂,而无需放弃隐私或控制权。模型执行以及对 Databricks 数据的访问将在 Software Factory 内提供,从而将这些资源置于与工程工作流相同的受控环境中。
模型独立性是设计的另一部分。团队可以使用 Claude Code、Codex 或其他智能体工具,并为各个阶段选择不同的模型,而无需在更改某个组件时重建整条产线。
Islo 表示,对模型、提示词或智能体框架的拟议更改,可以先在客户环境中针对历史工单进行测试。经过模拟、可保持状态的 GitHub、Slack 和 Linear 版本可防止智能体发现最终解决方案。随后,评估会检查结果、隐藏测试、副作用、尝试次数和成本,从而基于客户的实际工作而非通用供应商基准来提供证据。
Islo 报告称,Rite 使用该平台进行功能交付和缺陷修复,而 Incredibuild 则从自动化拉取请求审查扩展到缺陷修复、功能交付和持续集成分诊。ARIMLABS 的一项试点增长到每天约 50 万次评估执行。这些例子指向了该平台最初的工作负载:输入和验收检查可以预先指定的持续、重复性任务。
眼前的机遇是积压的维护、测试和分诊工作,这些工作都有客观的检查标准。对于这条新产品线而言,核心问题在于:随着客户提高智能体生成变更的规模和自主性,Islo 的控制措施能否防止审查和验证成为下一个瓶颈。
AI 热点