幾名曾在阿里通義、月之暗面等頭部模型大廠實習的年輕人創立了一家AI訓練資料公司，不到一年拿下千萬美元級訂單、完成約三輪融資。外媒最新訊息顯示，該公司即將完成一輪3億美元融資，投資方包括紅杉、阿里和騰訊，估值達到25億美元。

資料服務公司長期不在VC視野中。原因在於，這類模式主要做現金流生意，創業門檻在AI領域內並不高。更早時候，三四線小城市有一批資料公司利用廉價勞動力為模型訓練提供語料。隨著大模型智力水平提升，資料質量要求同步提高，越來越多名校背景的高學歷從業者加入，法律、醫生、記者、編劇等各行各業的資深人士開始入駐資料服務平台。作為兼職，資料標註收入在每小時500至1000元。

但只做專家網路，在國內很難撐到百億估值。一位接觸過該專案的投資人表示，在2億美元輪次以前，投資人更多是從對創始人的判斷層面下注；到以25億美元估值對外融資，公司必須講出新故事。據瞭解，該公司今年上半年已涉足金融領域，在預測市場做了一套可對比、可驗證的系統，據稱要以賣API盈利。

國內資料訓練公司大約有二十多家，跨界金融只是它們試圖描述的未來方向之一。人工標註、專家外包、資料交付這些傳統模式很難講出足夠性感的增長故事，但在越來越多95後、00後年輕創業者那裡有了新說法。他們憑藉模型訓練經驗和對模型能力的瞭解，讓原本相對枯燥的現金流生意有了新的想象空間。

理解這門生意，要從去年媒體熱議的「985、211碩博生去當AI訓練師」說起，比如DeepSeek北大中文系畢業生和Kimi的醫學博士。他們中有人自嘲為「資料包工頭」，帶領以BPO形式存在的標註員，配合研發團隊為模型生產訓練資料。賣資料的商業邏輯並不複雜，只要拿到訂單，自身就能跑成一家現金流不錯的公司，不一定需要融資。Surge AI就是典型案例，這家公司成立於2020年，創始人Edwin Chen此前在Google和Meta從事機器學習工作，很長一段時間沒有拿外部融資，靠自身滾動發展。直到2025年，市場傳出它尋求最多10億美元融資的訊息，當時公司過去一年收入已超過10億美元，市場討論的估值超過150億美元。

隨著模型能力提升，醫療、法律、金融等專業領域以及需要主觀判斷的複雜任務，對資深人才標註的需求快速增長。高質量人類標註者稀缺，大型AI公司願意支付高額溢價。Mercor早期只是為大型資料標註公司提供合同制人才的AI招聘平台，後來直接把專業人士組織成訓練資料供應網路。2025年，Mercor以100億美元估值融資，2026年又傳出按200億美元估值籌集約5億美元的計劃。

海外誕生了許多獨角獸，但國內AI訓練資料服務商很少獲得VC支援。一位調研過模型廠的投資人表示，當時模型廠內部對資料採購標準、新增供應商標準都不太清晰；儘管已和幾家網際網路廠商甚至海外供應商合作，整體供應量還不大。另一方面，國內有段時間以蒸餾為主，很大程度上削弱了尋找專家資料的必要性。

今年Agent全面爆發，所需資料型別已不是簡單的專家資料，而是更接近環境的資料。一位模型廠研究員表示，現在需要的不只是「問題和答案」，而是能讓模型反覆行動、獲得反饋的可閉環、可驗證的訓練環境：模型執行任務，環境記錄每一步行動，再通過驗證器判斷結果，最後把反饋交還給模型。比如訓練模型寫更好的前端程式碼，光靠人工判斷不夠，還需要能執行程式碼的環境、能理解頁面效果的模型做裁判，再通過幾百輪甚至更長時間執行不斷反饋。

一些美國創業公司開始專門做強化學習環境。AfterQuery希望讓模型和智慧體學會像專業人士一樣完成任務，為前沿大模型輸出專家推理資料集、強化學習模擬環境和模型評測服務。需求方這邊，Anthropic管理層討論過在未來一年內拿出10億美元投入強化學習環境；OpenAI方面，2025年全年資料開銷約10億美元，內部預測到2030年將漲到80億美元。美國已有十幾家這樣的種子輪團隊，人數不超過20人，服務1到3家大客戶。國內也開始出現類似機會，越來越多研究員從模型廠外溢，今年5、6月份趨勢變得清晰。

和AI其他領域一樣，訓練資料公司創始人通常很年輕。Scale AI創始人Alexandr Wang在24歲成為億萬富翁，Mercor三位創始人在22歲憑藉百億美元估值躋身億萬富翁行列。最近的是AfterQuery兩位聯合創始人斯賓塞·馬蒂加（Spencer Mateega）23歲、卡洛斯·喬治斯庫（Carlos Georgescu）22歲，創立公司時兩人還在大學在讀。該公司剛宣佈正籌集新一輪融資，估值達32億美元，成立僅18個月，主要業務是AI訓練資料服務。

國內資料初創公司創始人同樣年輕。一位接觸過國內一家獨角獸資料訓練公司的投資人表示，早期判斷更多集中在「人」身上，兼具商業嗅覺和研究屬性的人到今天都比較少見。這家公司創始人曾在月之暗面等一線模型大廠實習，參與過模型訓練並發表論文。模型訓練一線工作主要由名校PhD承擔，他們從實習開始就承擔具體執行工作，跟著外包團隊完成後很容易想到：既然這件事可以在大廠外包部門完成，為什麼不能自己出來做？於是部分人從模型廠或外包團隊走出來成立資料創業公司。這也是當下這批資料創業者的共同特徵：離模型廠實際需求更近，對外部市場變化更敏感。

工程能力同樣關鍵。如何搭建團隊、把研究員認可的資料質量要求落到實際生產中，都需要很強的工程能力。從資料pipeline搭建，到Query設計、資料初步構成，再到後續清洗和質量控制，背後都有複雜工程鏈路，並非簡單人工標註。資料表面上是一門生意，但做得足夠好時，也可能成為模型廠之外的一個候選人團隊，甚至一個小型預訓練、後訓練組織。

但單純的資料生意很難支撐創業公司持續走下去。2025年市場曾披露，和垂直領域專家資料起家的Mercor年化收入達1億美元，但其中60%到70%的總收入需支付給承包商，留給公司的空間有限。Scale AI也有超過一半營收用於直接業務成本，包括承包商薪資。國內一些資料標註平台公佈的價格中，標註員時薪通常在200至500元，資歷更高、專業性更強的人甚至可達上千元。隨著模型能力提升，後訓練公司對頂尖專家需求越來越複雜：依賴大量人工意味著成本不斷上漲，提高專家收費會壓縮毛利，不提高又難獲足夠高質量資料。

資料業務訂單也並非完全確定。一位投資人表示，第一批資料供應商進入市場時，很多公司先在每個垂直領域做出一批高質量樣本，再拿去給阿里、騰訊等客戶展示，客戶認可後才下訂單。但一個訂單並不等於一筆可立即確認的收入，每批資料都需研究員驗收和質量控制，若連續幾次交付數量或質量不達標，客戶可能縮減甚至取消訂單。

從VC角度看，投資最終要回到兩個問題：能否形成足夠高的價值倍數，以及未來有沒有清晰的退出路徑。海外大廠分工相對成熟，每家大廠給外部資料公司的年度預算到2027年、2028年仍在增長，體量很大，因此海外資料公司有不錯市場空間，也已出現被併購的退出機會。但中國市場邏輯不同，如果最終只是一家資料外包公司，無論被併購還是上市，空間都相對有限。

在前述投資人看來，未來的資料生意可能不再是「一條資料賣多少錢」的模式，一些資料創業公司開始試圖站到SaaS的位置上。傳統企業本身沒有訓練AI模型的能力，但內部擁有大量獨特業務流程和高價值資料，資料公司可進入這些企業的工作流，幫助其完成AI化改造。企業會開放一些獨特業務場景，公司不僅獲得資料，也能積累真實任務軌跡和互動反饋，再沉澱到自己的模型和訓練體系中。這樣一來，資料不再是一次性交付的商品，而變成連線客戶工作流、模型訓練和長期服務的一層基礎設施，定價方式也會從按資料條數付費，轉向為一套能持續產生高質量資料、完成任務執行和模型反饋的系統付費。海外一些資料公司已往更深服務能力走，Turing、Scale、Invisible等都在發展諮詢或更深度的企業服務業務。當然，資料越深入客戶核心業務，風險也越高。Mercor今年遭遇資料洩露事件後，Meta暫停了與其合作，OpenAI也對此展開調查。

除了追求更高智慧，模型發版速度加快也是今年資料訂單增長的另一個原因。2026年以來，頭部模型廠商發版節奏已壓縮到月度級。技術方面，背後可能有一個關鍵變數在發揮作用：RSI。RSI（Recursive Self-Improvement，遞迴式自我改進）指AI參與甚至改進自身研發流程，從而持續縮短模型迭代週期，被視為本輪模型發版加速的重要推手，也成為中美AI創投圈熱詞。這並非全新概念，學術界很早就開始討論。5月，由Meta前FAIR研究總監田淵棟等8位頂級AI研究員聯合創辦的新AI實驗室Recursive Superintelligence（RSI）完成6.5億美元融資，投後估值約46.5億美元，這一技術概念正式被推到資本市場面前。一些資料初創公司也開始把RSI作為自身融資敘事的一部分。

有投資人關注到，最近一些資料團隊已在新領域搭建「半RSI」系統。它們尚未實現完全自動化迭代，但在某些環節可能已做到接近一半甚至70%到80%。比如團隊可在新垂直領域快速生產高質量分析、標註和合成資料，同時把專家經驗和人的判斷高效嵌入系統。未來若能進一步減少人工介入，讓系統自己完成任務生成、執行、評估和迭代，就有機會從資料生產走向更完整的模型改進閉環。然而RSI創業門檻極高，同時需要前沿模型、鉅額算力、頂尖研究人才、訓練基礎設施、大規模實驗能力以及足夠強的模型評估系統。當前真正有能力嘗試閉合完整迴圈的，仍主要是OpenAI、Anthropic、Google DeepMind以及極少數資本和人才配置超常規的新Lab。

今天市場上很多公司都在講RSI，但做的並不是同一件事：有的對標大模型公司，目標是做下一代模型研發；有的RSI只發生在某個產品的自動化層面；還有的團隊所說的RSI，是自己的資料管線可實現自淨化、自迭代。這些工作的層次、方向和範圍都不一樣，短中期內可能存在明顯差距。從投資角度看，首先要拆解RSI的具體含義：它究竟在解決哪個層面的問題？這個層面未來能佔據什麼生態位？能力邊界在哪裡，有沒有繼續向上延展的可能？

當然，資料創業者也不必都以RSI做下一代模型為目標。有些人想得很清楚：出來創業不是為了融資，而是找三五個人、十個人，做一門能賺錢的生意。只要第一筆訂單跑通，客戶能正常回款，現金流就不會有太大壓力。作為年輕人的第一桶金，資料似乎是個不錯的生意。在前述投資人看來，一個團隊也不會因為選擇「做資料」而減分，相反，過程中積累的能力可能成為未來做出更大事情的重要前提。