融资
Islo 融资 1,500 万美元,扩大企业软件工厂规模

要点Islo 利用 AI 智能体自动化工程工作,同时将安全与部署置于企业控制之下。
查看更多
- Islo 利用 AI 智能体自动化工程工作,同时将安全与部署置于企业控制之下。
- Factory Lines 使检查和审批像代码生成本身一样可重复。
- 该平台根据历史工单测试模型变更,以生成针对具体客户的证据。
Islo 宣布获得由 Insight Partners 领投的 1,500 万美元投资,并于 2026 年 11 月 17 日推出 Enterprise Software Factory 平台。作为 Incredibuild 产品系列的一部分,Islo 设计这套系统,旨在利用 AI 智能体自动处理重复性工程工作,同时保留企业对安全、验证和部署的控制。
这笔资金将用于支持产品开发、推广应用,以及将 Islo 作为 Incredibuild 旗下的独立产品线拓展业务。Incredibuild 于 2025 年收购了 Kypso;这家初创公司由 Islo 的管理团队创立。该平台整合了 Incredibuild 在构建、测试和持续集成加速方面的技术,将公司现有的流水线技术与针对智能体生成内容的控制机制相结合。
Factory Lines 与隔离式执行
Factory Lines 可将工程流程转化为由智能体步骤和非智能体步骤组成、可重复执行的序列。团队可以指定由 AI 智能体负责实现或审查,再使用脚本执行构建、代码检查和测试,确保这些检查不依赖模型的判断。运行任务可以由新问题、Slack 消息、webhook 或预定时间触发。检查失败时,流程会将任务退回重试;如果某项操作被认为存在风险,则可以暂停并等待人工批准。
执行环境也是产品的一部分。每个 Machine 都提供持久化且在硬件层面隔离的环境,其中包含构建和运行客户软件所需的代码库、服务和依赖项。这样一来,智能体就能依据实际技术栈验证变更;借助云托管,多个 Machine 还可以持续运行,无需工程师一直保持登录状态。
该环境内置了安全控制。除非获得许可,否则系统会拒绝出站连接;通过网关注入机制,原始凭证不会进入沙箱;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环境中运行 Islo,为每条流水线设置支出上限,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 列出的早期客户应用场景包括重构、代码审查、质量保证、错误修复、问题分类处理和长期功能交付。团队可以针对安全、测试、功能、安全性、性能和成本设置关卡,并决定哪些操作需要人工签字批准。
Islo 首席产品官 Adam Gold 表示:“AI 可以大幅增加工程组织产出的代码量,但这并不意味着能够安全交付的软件也会随之增加。”Islo 的应对方式,是让变更周边的检查和审批流程与代码生成一样可重复执行。
Databricks 合作关系与模型测试
Databricks 还计划成为 Islo 的后端推理合作伙伴。Islo 表示,这项集成将让客户能够使用专有和开放式 AI 模型,并使双方的共同客户能够基于自己的数据运行工厂流程,同时不牺牲隐私或控制权。模型执行和 Databricks 数据访问功能将在 Software Factory 内提供,使这些资源与工程工作流处于同一个受控环境中。
模型独立性也是这项设计的一部分。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,无需在更换某个组件时重建整条流水线。
Islo 表示,模型、提示词或智能体框架的拟议变更,可以先在客户环境中使用历史工单进行测试。GitHub、Slack 和 Linear 的模拟版本会保留状态,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、附带影响、尝试次数和成本,依据客户自身的工作产出证据,而不是依赖供应商的通用基准测试。
Islo 表示,Rite 使用该平台交付功能和修复错误;Incredibuild则将应用范围从自动审查拉取请求,扩展到错误修复、功能交付和持续集成问题分类处理。ARIMLABS 的试点项目已发展到每天约 50 万次评估执行。这些案例展现了该平台初期面向的工作负载:持续、重复执行,且输入内容和验收检查都能预先明确规定的任务。
眼下的机会在于积压的维护、测试和问题分类工作,这些任务都具有客观的检查标准。对于这条新产品线,核心问题是:随着客户增加智能体生成变更的数量和自主程度,Islo 的控制机制能否避免审查和验证成为下一个瓶颈。












