AfterQuery今年4月A轮融资时估值3亿美元，才过5个月，9月就跳到了32亿——这是AI数据行业最扎眼的数字。这个专门给大模型做训练数据的公司，估值半年翻十倍还多，背后是整个行业的野蛮生长，却对外界极其不透明。
从打标签到造环境：数据生意变了
以前说起AI数据，大家想到的无非是给图片打标签、给模型回答打分的标注。但2024年Deep Search兴起后，行业突然转向“智能体数据”，需求彻底变了。
原来的RLHF（基于人类反馈的强化学习）靠人类喜好打分，现在要的是“可验证的信号”：代码题有明确对错，医疗、金融这类领域的答案不结构化，就需要rubric（专家写好的评分细则）——弱模型拿着规则去改卷，这就是业内说的“弱模型监督强模型”。
但rubric很快不够用了。现在要模型“动手”：比如执行代码任务，得给它工具、沙盒环境，还要验证变量有没有写入、数据库操作是否正确，甚至生成文档里的图都要检查。不是单纯出个文本打分，而是一整套“任务+环境+验证机制”，这才是现在数据公司的核心交付物。
玩家的取舍：从招聘公司到垂直经纪商
做数据的玩家五花八门，基因不同，取舍也不一样：
大玩家比如Scale AI，是传统众包出身，靠质检经验撑着，能cover各种需求；Mercor、Surge AI是招聘起家，有自己的专家网络，能快速找到懂行的人；还有新秀专做合成数据，或者垂直领域——比如好莱坞的人手里有大量版权数据，懂怎么把零散领域的东西打包卖，三五个人的小作坊也能拿到高估值，因为瞄准了垂直缺口。
每个公司都绕不开取舍：全职专家质量高，但产能、灵活度差；众包灵活，但质量难控，得靠质检补。
出题还是刷榜？评测生意的红线
评测和卖数据的关系，是这个行业最微妙的地方。Scale AI推出HLE（人类终极考试），伯克利的ALE项目覆盖55个职业，都是用来测模型能力的。
Scale AI的何允中说，评测是找模型和理想状态的差距，卖数据又和评测绑定——想提升某类能力，得对应评测的方向。但这里有个红线：不能把做评测的数据拿去卖。伯克利的孙一铀私下听说有数据公司踩了这个坑，毁了benchmark的权威性，也坑了所有用数据的模型公司。
刷榜呢？孙一铀觉得不全是坏事：如果刷的是贴近真实需求的题，比如ALE要的是解决职业问题，那刷榜能真的提能力，不是贬义词。
现在AI数据生意还在野蛮生长，估值涨得快，玩家多，门道也杂。怎么在“赚快钱”和“真的帮模型解决问题”之间找平衡？是这个行业现在最没标准答案的问题。
素材来源：钛媒体 · AI情报、融资并购、大模型、AI智能体
查看报道原文
发表第一条评论吧