深度：AI 数据公司凶猛

今年9月，一家创立不足一年的企业被曝出正在商谈一笔约3亿美元的融资，传闻中阿里巴巴担任领投方，腾讯与红杉中国也参与其中，交易后估值达25亿美元。

两年前，如今中国大语言模型领域的重要参与者、估值已高达500亿美元的月之暗面，在艰难寻求B轮融资时，所获金额也不过与此相当。

这家公司名为UniPat，即便在AI行业内，许多人对其也颇为陌生。实际上，它无需家喻户晓。关于其创始人李宽的背景，说法也各不相同。有报道称：阿里和腾讯投资了一位实习生。而事实上，在通义千问项目中，李宽负责的工作包括模型训练与训练材料的制作，并且是多项相关工作的主管。

类似的神秘企业在行业内部被频繁讨论，如智能知识、Copula Lab、Humanlaya等，名称都颇具特色，并在近几个月迅速出现在各家风投机构的投资名单上。有消息称，其中一些业务进展较快的公司，估值也在快速逼近20亿美元。

如同当初模型公司刚诞生时的激烈竞争，它们的融资角逐也正进入白热化阶段。而它们所做之事，与人们通常认为模型依赖的“天才、算法、架构突破”似乎关联不大。按照以往的理解，它们甚至可以被视为一群“外包”公司——

也就是数据公司。

这股浪潮依然比硅谷晚了大约半年才传到。在硅谷，数字已更加惊人。最知名的Mercor去年10月融资3.5亿美元，估值100亿美元，今年8月又被曝出正洽谈200亿美元估值的新融资，英伟达考虑入股。更为人熟知的Scale AI去年接受Meta投资时，估值已超过290亿美元。

在外界的理解中，算法突破和天才研究员仍是推动AI模型追逐前沿的燃料。而事实上，模型训练的日常，却越来越像数据工厂。这些做“外包”的数据公司，对模型竞争、商业化落地，乃至各种诸如RSI等新概念的演进，都起着决定性作用，这使得在某种程度上，今天的AI成了这些“数据新贵”的天下。

而这也意味着，了解数据公司，以及整个大模型背后数据产业的真实状况，是理解今天以及未来AI演进方式的最重要切入点。

当数据比产品还值钱

“别做产品了，出来卖数据吧。”

一位在业务进展中积累了大量AI应用行为数据的创始人，在与DeepSeek的朋友讨论技术趋势时，本想获得一些模型发展方面的建议，却很快演变成某种合作交流，对方直接建议他“出卖”数据。

即便这家应用公司已能自行盈利，但当他看到DeepSeek等模型公司给数据开出的价格时，还是有点“动心”。

据多位了解行业的人士透露：一些带有用户行为轨迹的数据，一条报价可达1000至3000元；带完整操作过程的工作场景数据，甚至可以卖到1万元左右。若按每条1000至3000元采购1万条，账单就是1000万至3000万元。对于数据公司来说，单笔订单做到百万、千万元已是常态。

要知道，数据供应商并非从一开始就在模型训练行业如此吃香。

很长一段时间里，“数据外包”意味着给图片和文字打标签。Mercor副总裁Chirag Mahapatra回忆道：Mechanical Turk时代的任务包括垃圾邮件分类、为自动驾驶图片标出停车标志，一批勤恳的人就能完成。这就是今天许多人仍会第一时间想到的“数据打标”模式。

后来，人们开始从模型给出的几个回答里挑选一个更好的，用这些偏好指导训练，也就是人类反馈强化学习，简称RLHF。

再往后，Mercor请来的已是MIT、哈佛的博士和数学奥赛奖牌得主，他们写解题步骤、定评分标准。Chirag对我们说：他看到了清晰的需求侧变化，但没想到供给侧也如此迅速跟上。“这些人愿意来做这份工作，赚学费或一份额外收入。”

“我觉得一部分是受疫情影响，这些人有了时间，也有了增加收入的需求。”

模型在预训练中阅读海量文字、代码等材料，学习语言和知识；进入后训练阶段，再用示范、反馈和反复练习调整行为。这些专家提供的材料，主要用于后一个阶段。律师修改合同、金融分析师查账时所做的许多取舍，并未完整留在公开网页上，需要找做过这些工作的人重新整理。

用这样的材料进行训练，也更容易较快看到投入的成果。

一位算法研究员向我们解释：模型规模已经很大，研究新算法、证明其有效性，需要更多精力、时间和金钱。而且，从头部实验室近期的模型发布可以看到，类似此前那种代际跨越越来越难以出现，模型进步开始更多来自其他方面。

更多真实场景的、复杂的、且未出现在互联网上的高质量数据，结合后训练方法，融入模型的能力，已成为最重要的进步方式之一。

这同样是Anthropic等机构率先发现的方向。这些更前沿的模型团队更早看到瓶颈，也更早行动。

它们更早地将任务拆解到各行业：OpenAI去年做职业能力评测GDPval，先选取美国GDP贡献最大的九个行业，再落实到44种职业。从它们的动作可以看出明显逻辑，Anthropic、OpenAI会参照经济价值由高到低，将金融、法律、网络安全和科学等方向逐个推进。

推进的方式就包括被称为FDE的形式。Anthropic会以驻场工程师（FDE）的方式进入企业，派人梳理流程、部署系统。金融机构不轻易开放业务，团队便逐个寻找头部机构。有的机构担心同行先用，自己落后，于是愿意先行尝试。

金融之后还有法律、医疗和科学，模型公司很难靠内部团队覆盖所有专业。Mercor估计：前沿实验室整体所需的数据，目前只完成了2%到5%。数据供应商承担的很大一部分工作，就是到各行各业找人、找任务，模型公司则保留内部的质量把关。

外包味依然很浓，但单价涨了很多。

而中国同样的趋势发生，大约晚了半年到一年。但一旦搞清楚，各家的动作都很快。

有模型训练团队对我们称：在某些垂直领域，1万到10万条足够好的数据，就能把模型训练到相当不错的水平。

而且，如今各个模型公司也已基本掌握了将不同领域数据带来的能力提升，“融入”同一个模型的方法。不同领域可以分别做后训练，再将能力汇入最终版本，业内有人称之为“并版”。例如，DeepSeek的一条公开路线，就是让多个领域的教师模型将能力传授给同一个学生模型，某种程度上与蒸馏的逻辑也很相似。

一位参与后训练与评测的研究员，向我们描述过他接触的一个全模态团队。团队将模型拆解成二十多个基本能力、八九十个垂直场景，画成一棵“能力树”。研究人员沿着节点补充数据、调配比例、运行实验，检查哪项能力已形成，哪项尚未变化。

据知情人士称，DeepSeek九成的研究员都在做数据相关工作，“其实很少一部分人在研究算法”。这些模型厂商内部也会像工厂工人那样安排节奏，当一个组在等待自己的计算资源、无事可做时，那么就可以都去参与标注数据。

公开信息显示，字节已把多处采购、质检团队整合为一级部门“AI数据与安全”；腾讯也让提出数据将是AI下半场最重要竞争方向的姚顺雨兼管AI Data部；而阿里模型团队此前一系列动荡和调整后，数据相关业务的话语权也完成了“分权”，内部都交由最有潜力的研究员掌握。

而这些团队的数据需求，在这个竞争激烈的时点，显然无法全部自行解决。外部数据公司成了最关键的合作伙伴。一位数据商提到，DeepSeek已设立专门的数据采购岗位，而Kimi很少对外采买，MiniMax近期才开始搭建采购管线流程；字节、腾讯、阿里则在今年加大了外采力度。

成立较早的智能知识回忆，创业初期他们还得四处向投资人解释这门生意。但后来硅谷的样板被更多人看到后，情况就变了。数据已成为今年最重要的投资方向。

甚至有从业者透露，有的数据公司创始人如今连投资人的消息都未必回复。毕竟在今天AI行业大环境下，既能参与决定智能演进方向、在这个主线上起关键作用，同时又因供需的突然变化而能上来就跑通商业模式“赚大钱”，这样的标的哪里还能找到，他们又为何一定需要那么多融资。

在一片愁容的AI创投圈，这些数据新贵自然有了高傲的底气。

好的数据公司必须是研究型公司

花了如此大的价钱，模型公司到底买的是什么？

其实本质上，这些数据都是强化学习数据。它们拆开来看，往往需要由任务、环境和验证器（verifier）组成。

供应商要交付的，是一件模型可以尝试完成的事、一套供它操作的系统，以及判断它做得怎样的标准。模型在环境中读取信息、调用工具，会留下操作轨迹；验证器评分，训练再利用反馈调整模型。

这些任务也有难易之分。

简单的，比如让模型将几张发票录入报销系统，金额和日期对上，就可以判断是否做好。复杂的，比如老板只留下一句“下周想去上海见个人，帮我安排一下”。模型得翻聊天记录、日历和邮件，先弄清要见谁、何时见，再作安排。

为了让模型完成这趟行程，供应商得准备“公司”的邮箱、日历和订票系统。模型要能从通信中找到会面对象，从日历中查出时间冲突；发出一封邮件后，系统也要发生相应变化。这套与真实业务隔离、可以反复试错的运行空间，通常称为沙箱。

发过的邮件、改过的记录，在下一轮练习前要恢复，多批任务同时运行还不能互相串数据。据了解，去年一些团队运行评估时，模型常因底层系统故障完不成任务，高并发甚至会把环境跑挂；今年遇到这类问题的就已少了很多。

搭进系统里的业务资料，也会有人直接去购买。比如那些已破产清算或业务频繁转型的公司的内部资料——今天找起这样的AI创业公司，实在太多。

但数据商的购买标准提出了更高要求：例如Humanlaya在寻找破产公司的资料时，要求被收购数据的破产清算企业，巅峰时大约有100人。邮件、聊天和业务记录，能留下公司过去如何运转的线索。供应商还要把工单系统、内部沟通和记录之间的关系，在模拟环境中重新搭建起来，让模型能够进去操作。

能否随着模型的操作给出后果，又会拉开供应商之间的差距。市面上不少公司仍交付静态材料，轨迹由人走好，每一步预先标定。而模型换一种操作方式，环境未必能给出接下来的状态和反馈。模型自己尝试不同路线，供应商也得把这些变化也做出来。

接下来，环境还原得再像，也缺少一部分真实业务的反馈。驻场工程师可以继续观察企业如何使用系统，预算有没有花得更好；而冻结下来的训练环境，无法继续从真实业务中获取这些反馈。历史记录能显示员工当时做了什么，很难完整解释他为何作出那种取舍。这部分要继续找人补充。

这就是评分环节。比如，邮件显示“发送成功”仍不够，模型可能发错人、漏掉附件。发票金额可以核对，行程安排得好不好，还涉及老板和会面对象的体验。这里需要数据公司建立专家网络，让这些专家把要求拆成rubric，也就是一项项评分条件。据我们了解，有些任务能拆出四五十条，甚至上百条。这些当然也就对应着价格的增长。

能把这些问题拆清楚的专家，并不好找。组织专家和生产材料，也需要一套系统。

比如“智能知识”，它用“一面千识”寻找和组织专家，用Xpert Studio配置任务、分发工作，再做审核与质检。而从MiniMax出来的Copula Lab，正在开发中文金融长流程任务，同样需要专家提供参考材料、办公文档交付要求和评分规则，创始人梁丽过去负责Agent业务，技术联合创始人蔡佳人做过开源与后训练。

Mercor会花很大精力寻找这类人。硅谷的创业者都知道Mercor有多“卷”，很多时候他们和竞争者拿到的需求都很突然，而他们几乎不只是全员996，当专家网络是一个新的领域时，他们有时会直接住在客户所在处。

以及，为了搞定一些难缠的专家，他们会用各种方式，在一些传言里，也包括抽屉协议等，但这尚无从确认。在与我们的交流中，Chirag承认，如今专家网络建设已变得很难，只给它一个很擅长用Python写程序的工程师已经不够，它还得看到这个人怎样在客户管理系统中完成集成、让不同工具配合工作。任务和评分，都要从这些工作中做出来。而这直接关乎订单和单价收入。

据了解，每一笔订单能留下多少钱，从生产成本就会算起。给这类数据报价时，专家做类似工作通常值多少钱、投入多少时间，是重要依据。交付还可能包括整理工作流、写评分、搭建环境和查错。买方按约定的任务或项目付钱，供应商再支付专家与生产团队的报酬。

前期成本还可能由多笔订单分摊。Chirag和我们说：有些数据集由实验室与供应商共同设计，只给一家使用；另一些可以按约定向多家交付，投入的专家时间、软件和审核成本，也就能由不同的订单覆盖。

这门生意已出现盈利的样板。《福布斯》2025年采访Surge AI创始人Edwin Chen时披露，公司2024年收入约12亿美元；按Chen的说法，公司几乎从第一天就有利润。它组织专家和兼职人员，为模型公司提供题目、回答评价与评分要求。

但要继续卖给同一家客户，供应商得不断换新内容。

据了解，模型厂购买10万条数据，回去变换形式，可能扩成30万条。已交付的材料，很难再卖给它一遍。法律里的一个分支交完了，下一批就要找另一个分支。

但对于这些数据公司来说，它们往往更追求“科研”的属性。或者至少呈现出这个样子。任务、环境和评分已被做进这些公司的公开产品和研究方向上。

例如UniPat的ExpertEval，将医疗、金融、法律专家的判断整理成3213个案例，平均每题约22条评分要求；SaaS-Bench则让模型进入23套企业软件，完成106项工作任务。这已有些接近大语言模型实验室的后训练团队工作方式了。

Mercor也在最近官宣成立了自己的研究部门，它们给出的解释是：AI正在重塑几乎所有工作，而现有的评估和数据方法跟不上这种变化。而它们是一个可以把研究议程覆盖“评估 → 数据 → 后训练”完整闭环的公司。Mercor已从OpenAI等公司招募了多位核心研究员加入这个部门。

尽管Mercor否认它可以成为一家模型公司的设想，但很多投资人在与我们交流中认为：这些数据公司最终都要面对这个抉择，而它们今天的动作比言语更诚实。谁不想成为一个研究公司，甚至是下一代范式的模型的诞生之处。

而中国的很多数据公司，创始人本就与过往模型老东家关系密切，很多模型厂商也第一时间成为投资人和股东。这些千丝万缕的联系，也带来变量。

例如，UniPat的李宽此前在通义做后训练，也是开源搜索智能体WebSailor的项目负责人之一。我们此前了解到，UniPat与阿里的合作以强化学习后训练数据为主。阿里巴巴除了资金，还提供算力，一年的算力费用在数千万元人民币量级。相似的，英伟达向Mercor采购数据，也在谈入股。

“谁都明白，那样带来的机会更大，无论是估值，还是团队的退出，都不同。”一位早期就关注并下注了数据公司的投资人称。在他看来，很多今天投资数据公司的机构，期待的退出通道也是希望这些数据公司可以被模型公司收购，最终成为或进入模型团队。

Meta和Scale的故事摆在前面，今天退出的阴影笼罩在此，数据公司成为它所服务的某个模型厂商的一部分，显然提供了又一个有想象力的退出方向。

内卷与洗牌

在我们与数据行业上下游的交流中，明显感受到此刻所有人又快速处在一个变幻期。此前一段时间，由于这一切都很新鲜，模型厂商的需求很着急也很旺盛，很多数据公司交来的数据质量如何，模型公司一度无法确认。

过往一段时间里，同一个模型公司从多个数据公司购买大量数据，这些数据进入模型，模型能力得到提高。这在所有人急于竞争追赶彼此的时候，形成了完美闭环。

“你只要有数据，你就给我，我来看。”一家大厂模型团队的人曾这样告诉我们。一部分采购在补眼前的缺口，另一部分是为后面的实验备货。

一位研究员告诉我们，遇到热门数据，大厂例如字节还愿意支付数倍价格，换取半年到一年的独家使用安排，避免数据流入市场。还有公开报道称，字节有时还会阶段性“买断”供应商的核心人员。

在这些数据公司与模型厂商的合作中，还有很强的关系因素，下一批数据需要什么，消息会先在采购和供应商的小圈子里流动，医疗、3D、实时交互语音，哪一类需求开始出现，先听到的人便先去找专家。方向有时一个月就变一轮，供应商还要不断送样碰客户的标准。

所以，供应商们也在拼命扩产，一家最近被投资人追着跑的“数据新贵”也设计了新的方式，给员工开低底薪、高提成，每生产一条数据，就多拿一份钱。

一切都不那么AI，都更像外包公司的做法。

“不知道。”一家数据公司的负责人被问到交付的数据如何证明有效时这样回答。

再问模型厂如何判断，他说“也不知道”。另一家公司收到过相反的反馈，同一批数据，一个模型厂说好，另一个说不行。

事实上，连层层审核过的公开数据也会出错。SWE-bench Verified曾是各家发布模型时最常引用的编程测试之一，题目经专业工程师逐题筛选，每道都有三人独立审核。今年2月，OpenAI宣布不再用它报告成绩。它抽查了138道o3跑64次都做不稳的题，59.4%在测试设计或题目描述上有实质问题，超过三分之一的题测试写得过窄，会把正确的解法判错；被测的各家前沿模型，也都能复现部分题目的标准答案或题面细节，训练时早就见过。

这种高增长下的模糊，正在被质疑。

随着模型进步继续放缓，越来越多模型厂商开始意识到这一套方法，无法验证到底哪些数据起到了关键作用，哪些数据甚至可能是滥竽充数。

一位数据公司技术人士告诉我们，行业已经到了质量比多样性更重要的阶段。在他看来，模型公司内部必须守住质量的最后一关，否则外面一定会有大量钻空子的行为。

例如，为了看起来考住了模型，有数据公司把几道不相干的题硬拼成长题，靠拉长操作链条降低成功率。据了解，这类材料训练出的模型，分数可以涨得很快，实际用起来却别扭，有的会在任务里没完没了地自己尝试。真实用户很少按那些题的顺序工作。

榜单又提供了一条更短的获客路径。有行业人士称，一家公司发布评测称某个模型表现好、引起关注，其他模型公司就会上门购买相关材料。一套材料可以按约定卖给多个买家，评测结果让追赶者看到了差距，也带来了订单。一位研究员抱怨，有的团队把刷榜本身当成目标，直接找出题方采购训练题库。

围绕这些榜单，还长出了一批规模更小的数据商。它们专门做同类、更难的新题，卖给想涨分的模型厂，堪比奥赛辅导班。买