资讯摘录
AI数据公司凶 猛
今年 9 月，一家成立不到一年的公司被曝正在洽谈一轮约 3 亿美元的融资，传说中的领投方为阿里巴巴，腾讯和红杉中国参与，投后估值达到 25 亿美元。两年前，今天中国大语言模型的重要玩家、估值 已高达 500 亿美元的月之暗面，在辛辛苦苦寻求 B 轮融资时，也不过就拿到了差不多的价格 。
这家公司叫 Uni Pat，即便是 A I 业界的很多人，也对它感到陌生。事 实上，它也无需被家 喻户晓。关于它的创 始人李宽，履历也众 口不一。一篇报道称 ：阿里腾讯投了一位 实习生。事实上，在 通义千问，李宽做的 工作包括模型训练和 训练材料制作，并是 不少相关工作的负责 人。
类似神秘感的 公司在行业内部被密集讨论，智能知识、Copula Lab ，Humanl aya，名字都很独特，也都在近几个月 迅速出现在各家 VC 的桌面上，有消 息称他们中一些业务进展比较激进的公司 ，估值也在飞速逼近 20 亿美金。如 同当初模型厂刚刚诞生的激烈竞争，它们 的融资追逐也正在进入白热化。
而他们做的事情，与人们想象里模型依然依赖 的 " 天才、算法、架构突破 " 似乎关系不大，按此 前人们的理解，它们甚至可以算是一群 " 外包 " 公 司—— 也就是数据公司。这股浪潮依然是晚硅谷半年左右传过来的。在硅谷，数 字早已更加夸张。最知名的 Mercor 去年 10 月融了 3.5 亿美 元，估值 100 亿美元，今年 8 月又被曝在谈 200 亿美元估值的新 融资，英伟达考虑入股。
更为人熟悉的 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驱动 AI 模型追逐前沿的助燃剂。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、甚至各种诸如 RSI 的新概念的演进都起着决定性作 用，这使得某种程度上今天的 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 情况，是了解今天以及接下来 AI 演进方式的最重要 切口。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 进展中拥有大量 AI 应用行为数据的创始 人，在和 DeepSeek 的朋友讨论技术趋势时，本想获得一些模型发展 上的建议，但却很快变 成某种合作交流，对方直接建议他 " 出卖 " 数据 。
哪怕这家应用公司已经自己能盈利，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，数据供应商不是 第一天就在模型训练行业这么吃香的。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 Chira g Mahapatra 对我们回忆：Me chanical Turk 时代 的任务包括垃圾邮件分类、给自动驾驶图片标 出停车标志，一批 勤恳的人就能做。这就是今天还有很多人会第一时间想到的 "; 数据 打标 " ; 的模式。
后来，人们开始从模型给出的几 个回答里挑一个更好的，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的变化，但没想到供给侧也如 此快跟上。
"; 这些人 愿意来做这份工作，赚学费或一份额外收入。"; " 我 觉得一部分是疫情期间 的影响，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，再用示范、反馈和反复练习调整行为。这些专家提供的材料，主要用在后一个阶段。
律师改合同、金融分析师查账时做 过的许多取舍，没有 完整留在公开网页上 ，得找做过这些工作 的人重新整理。用这 样的材料做训练，也 更容易较快看到投入 的结果。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、证明它有 效，需要更多精力、时间和金钱。
而且，从头部 Lab 近期的模型发布就可以看到，类似此前的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地方。更多真实场景的、复杂的且没有出现在过互联网上的高质量数据，结合后训练的方法，进入模型的能力，成了最重要的进步方式之一。这同样是 Anthropic 们先发现的方向。
这些更前沿的模型团队更早看到瓶颈 ，也更早行动。它 们更早把任务拆进行业：OpenAI 去年做职业能力评测 GDPval，先 选美国 GDP 贡献最大的九个行业，再落到 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 ，把金融、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。A nthropi c 会以驻场工程师，也就是 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，团队便挨个找 头部机构。有的 机构会担心同行先用了，自己落在后面，于是愿意先试。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：前沿实验室整体需要的数据，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 关。外包味依然很浓，但单价涨了太多。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 模型训练到相当好的 水平。而且，今天各 个模型公司也已经基 本掌握了把不同领域 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，再把能力汇 入最终版本，业内有 人把这叫 &quo t; 并版 &qu ot;。
比如，DeepSeek 的一条公开路 线，就是让多个领域的教师模型把能力教 给同一个学生模型，某种程度上和蒸馏的 逻辑也很像。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。团队把模型拆成二十多个基本能力 、八九十个垂直场景，画成一棵 &qu ot; 能力树 "。
研究人员沿着节点补数据、调配比、跑实验，检查哪项能力长出来了，哪 项还没有变化。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卡，没事儿干的时候 ，那么就可以都去参与标数据。
公开信息显示，字节已经把多处采购、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 A I 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 " 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，显然没法全都自己解决。外部数据公司成 了最关键的合作伙伴。一位数据商提到，De epSeek 已设专门的数据采购岗位，而 Kimi 很少对外采买，Mi niMax 近期才开 始搭采购流程；字节、腾讯、阿里则在今年加大了外采。
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，情况就变了。数据已经是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角色，同时又因为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，他们为什么又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，往往需要有 任务、环境和 verifier （验 证器）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 有难易区分。简单 的，比如让模型把几张发票录入报销系统，金 额和日期对上，就 可以判断做没做好 。
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、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。模型要能从通信里找到会面对象，从日历里查出时间冲突；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，通常叫沙箱。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 些团队跑评估时，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 就已经少了很多。
搭进系统里的业务资 料，也会有人直接去 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 ——今天找起这样的 AI 创业公司，不要太多。但数据商 的购买标准提出了更 高要求：比如 Hu manlaya 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，能留下公司过去怎样运转的线索。供应商还要把工单系统、内部沟通和记录之间的关系，在模拟环境里重新搭起来，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，也缺了一部分 真实业务的反馈。驻场工程师可以继续观察企业怎样使用系统，预算有没有花得更 好；而冻结下来的训练环境，没法继续从真实业务里取得这些反 馈。
历史记录能显示员工当时做了什 么，很难完整解释他为什么作出那种取舍。这部分要继续找人补 。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。