深度：AI 数据公司凶猛 - NBA阵容观察
今年9月，一家创立不足一年的企业被披露正在商讨一笔接近3亿美元的融资，传闻中主导方为阿里巴巴，腾讯与红杉中国也参与其中，交易后估值高达25亿美元。
两年前，当前中国大语言模型领域的重要参与者、估值已攀升至500亿美元的月之暗面，在艰难寻求B轮融资时，所获金额也大致相当。
这家公司名为UniPat，即便在AI行业内，多数人对它也并不了解。实际上，它也不需要广为人知。关于其创始人李宽的背景，说法不一。有报道称：阿里和腾讯投资了一位实习生。事实上，在通义千问项目中，李宽负责的工作涵盖模型训练与训练材料制作，并担任多项相关任务的负责人。
类似充满神秘感的企业在行业内被频繁热议，智能知识、Copula Lab、Humanlaya，这些名称都很独特，且均在近几个月内迅速出现在各家风险投资的议程上。有消息指出，其中一些业务推进较为激进的公司，估值也在快速逼近20亿美元。
正如当初模型厂商刚刚诞生时的激烈竞争，它们的融资竞赛也正进入白热化阶段。而它们所从事的工作，与人们通常想象中模型所依赖的“天才、算法、架构突破”似乎关联不大。按照以往的理解，它们甚至可以被归为一群“外包”公司——
也就是数据公司。
这股浪潮依然比硅谷晚了约半年才传导过来。在硅谷，数字已经更加惊人。最知名的Mercor去年10月筹集了3.5亿美元，估值达100亿美元；今年8月又被曝出正在洽谈估值200亿美元的新融资，英伟达考虑入股。更为人熟知的Scale AI在去年接受Meta投资时，估值已超过290亿美元。
在外界的认知中，算法突破和天才研究员仍是推动AI模型追逐前沿的燃料。然而事实上，模型训练的日常正越来越像数据工厂。这些从事“外包”的数据公司，对模型竞争、商业化落地，乃至各种如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已成为这些“数据新贵”的天下。
而这也就意味着，了解数据公司，以及整个大模型背后数据产业的真实状况，是理解当下以及未来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。”
一位在业务推进中拥有大量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，却很快演变为某种合作交流，对方直接建议他“出售”数据。
即便这家应用公司自身已经能够盈利，但当他看到DeepSeek等模型公司为数据开出的价格时，还是有点“心动”。
据多位了解行业的人士透露：一些包含用户行为轨迹的数据，单条报价可达1000至3000元；带有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，单笔订单达到百万、千万元级别已是常态。
要知道，数据供应商并非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：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中挑选一个更好的，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聘请的已是MIT、哈佛的博士和数学奥赛奖牌得主，他们编写解题步骤、制定评分标准。Chirag说：他看到了清晰的需求侧变化，但没想到供给侧也能如此快速跟上。“这些人愿意来做这份工作，赚取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。”
模型在预训练阶段阅读海量文字、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，并没有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、时间和资金。而且，从头部实验室近期的模型发布可以看出，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、且未在互联网上出现过的优质数据，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等公司率先发现的方向。这些更前沿的模型团队更早看到了瓶颈，也更早采取行动。
它们更早地将任务分解到各行业：OpenAI去年进行职业能力评测GDPval，先选取美国GDP贡献最大的九个行业，再细分为44种职业。从其动作可以明显看出逻辑，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一推进。
推进方式包括被称为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，团队便逐一寻找头部机构。有些机构担心同行先使用，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，模型公司难以仅靠内部团队覆盖所有专业领域。Mercor估计：前沿实验室整体所需的数据，目前仅完成了2%到5%。数据供应商承担的很大一部分工作，就是到各行各业寻找人才和任务，模型公司则保留内部的质量把控环节。
外包的味道依然很浓，但单价上涨了许多。
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。
有模型训练团队称：在某些垂直领域，1万到10万条足够优质的数据，就能将模型训练到相当不错的水平。
而且，如今各个模型公司也已经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。不同领域可以分别进行后训练，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，这在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，向我们描述了他接触过的一个全模态团队。该团队将模型拆解为二十多个基本能力、八九十个垂直场景，绘制成一棵“能力树”。研究人员沿着节点补充数据、调配比、进行实验，检查哪项能力已经提升，哪项尚未变化。
据知情人士称，DeepSeek九成的研究员都在从事数据相关工作，“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，字节跳动已将多处采购、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经历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。外部数据公司成为最关键的合作伙伴。一位数据商提到，DeepSeek已设立专门的数据采购岗位，而Kimi很少对外采购，MiniMax近期才开始搭建采购管线流程；字节跳动、腾讯、阿里则在今年加大了外部采购力度。
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看到后，情况就发生了变化。数据已经成为今年最重要的投资方向。
甚至有从业者透露，有些数据公司创始人如今连投资人的消息都未必回复。毕竟在当下AI行业大环境下，既能参与决定智能演进方向、在这个主线上扮演关键角色，同时又因供需的突然变化而可以上来就跑通商业模式“赚大钱”，这样的标的哪里还能找到，他们又为什么一定需要那么多融资。
在一片愁云惨淡的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
花了如此大价钱，模型公司究竟买到了什么？
其实本质上，这些数据都是强化学习数据。拆开来看，它们往往需要由任务、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，以及判断其表现好坏的标准。模型在环境中读取信息、调用工具，会留下操作轨迹；验证器进行评分，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，就可以判断是否完成。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”。模型需要翻查聊天记录、日历和邮件，先弄清要见谁、什么时候见，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，通常被称为沙箱。
发过的邮件、改过的记录，在下一轮练习前需要恢复；多批任务同时运行还不能互相串数据。据了解，去年一些团队进行评估时，模型常因底层系统故障无法完成任务，高并发甚至会导致环境崩溃；今年遇到这类问题的就已经少了很多。
搭建进系统里的业务资料，也会有人直接去购买。比如那些已经破产清算或业务频繁转型的公司的内部资料——如今找这样的AI创业公司，并不难。
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，巅峰时期大约有100人。邮件、聊天和业务记录，要能留下公司过去如何运转的线索。供应商还要将工单系统、内部沟通和记录之间的关系，在模拟环境中重新搭建起来，让模型能够进入操作。
能否随着模型的操作给出结果，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，轨迹由人预先走好，每一步都事先标定。而模型换一种操作方式，环境未必能给出后续的状态和反馈。模型自己尝试不同路线，供应商也得将这些变化也实现出来。
接下来，环境还原得再像，也缺少了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，预算是否花得更好；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，但很难完整解释他为何做出那种取舍。这部分需要继续找人补充。
这就是评分环节。例如，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，但行程安排得好不好，还涉及老板和会面对象的体验。这需要数据公司建立专家网络，让这些专家将要求拆解成rubric，即一项项评分条件。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。
能够将这些问题拆解清楚的专家，并不好找。组织专家和生产材料，也需要一套系统。
例如“智能知识”，它利用“一面千识”寻找和组织专家，使用Xpert Studio配置任务、分发工作，再进行审核与质检。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会花费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，当专家网络涉及一个新领域时，他们有时会直接住在客户所在地。
此外，为了争取一些难以搞定的专家，他们会采用各种方式。在一些传言中，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经变得很难。只提供一个很擅长用Python写程序的工程师已经不够，还得看到这个人如何在客户管理系统里完成集成、让不同工具配合工作。任务和评分，都要从这些工作中提炼出来。而这直接关系到订单和单价收入。
据了解，每一笔订单能留下多少利润，从生产成本就会开始计算。为这类数据报价时，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、编写评分、搭建环境和查错。买方按约定的任务或项目付款，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告诉我们：有些数据集由实验室与供应商共同设计，只供一家使用；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。
这门生意已经出现了盈利的样板。《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；据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，供应商得不断更新内容。
据了解，模型厂商购买10万条数据，回去变换形式，可能扩充成30万条。已经交付的材料，很难再卖给它一遍。法律领域中的一个分支交完了，下一批就要寻找另一个分支。
但对于这些数据公司来说，它们往往更追求“科研”属性，或者至少呈现出这种面貌。任务、环境和评分已经被融入这些公司的公开产品和研究方向中。
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。这已经有些接近大语言模型实验室的后训练团队工作方式了。
Mercor也在最近正式宣布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。而它们是一个可以将研究议程覆盖“评估 → 数据 → 后训练”完整闭环的公司。Mercor已经从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时认为：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，也带来了变量。
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，也在洽谈入股。
“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。”一位早期就关注并投资了数据公司的投资人说。在他看来，很多如今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能被模型公司收购，最终成为或进入模型团队。
Meta和Scale的故事摆在前面，如今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都快速处于一个变化期。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。
过去一段时间里，同一个模型公司从多个数据公司购买了大量数据，这些数据进入模型，模型能力得到提升。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。一部分采购是为了弥补眼前的缺口，另一部分则是为后面的实验备货。
一位研究员告诉我们，遇到热门数据，大厂如字节跳动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，字节跳动有时还会阶段性“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以符合客户的标准。
因此，供应商们也在拼命扩产。一家最近被投资人追捧的“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及交付的数据如何证明有效时这样回答。
再问模型厂商如何判断，他说“也不知道”。另一家公司收到过相反的反馈，同一批数据，一个模型厂商说好，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运行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，会将正确的解法判错；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，但实际用起来却别扭，有的会在任务中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
