AI训练数据创业热潮：年轻人掘金，数据生意新故事待启

AI数据创业新趋势很长一段时间大模型数据公司不在VC视野中但情况有了变化。据悉几个有阿里通义、月之暗面等模型大厂实习经历的年轻人创立的一家数据公司颇受资本青睐。该公司以AI训练数据为切入口不到一年拿下千万美元级订单完成约三轮融资估值水涨船高。外媒消息显示它即将完成一轮3亿美元融资投资方有红杉、阿里和腾讯等估值达25亿美元。数据服务行业现状国内此前并非没有数据服务公司但今年之前很少被风险投资关注。原因是这个模式主要是现金流生意创业门槛在AI领域内不高。早些时候三四线小城市有数据公司用廉价劳动力为模型训练提供语料。随着大模型智力水平提升数据质量要求提高名校背景高学历从业者和各行业资深人士如法律、医生、记者、编剧等开始入驻数据服务公司平台数据标注兼职收入每小时500 - 1000元。不过只做专家网络在国内很难达到百亿估值卖数据模式在不少投资人眼里是阶段性且可持续性存疑的生意。数据公司的发展与挑战一位接触过相关项目的投资人表示2亿美金轮次以前投资人从对创始人的判断层面下注。如今以25亿美元估值融资公司要讲出新故事。今年上半年它涉足金融领域在预测市场做了可对比、可验证的系统打算卖API盈利。国内数据训练公司约二十多家跨界金融只是他们描述的未来方向之一。95后、00后年轻创业者给传统数据服务模式带来新说法凭借模型训练经验和对模型能力的了解让原本枯燥的现金流生意有了新想象空间搅动融资热度。数据新需求与海外案例理解实习生做的生意可从去年“985、211硕博生去当AI训练师”说起如DeepSeek北大中文系毕业生和Kimi的医学博士等有人自嘲为“数据包工头”带领标注员为模型生产训练数据。卖数据商业逻辑不复杂能拿到订单就能成为现金流不错的公司不一定需要融资Surge AI就是例子它2020年成立创始人Edwin Chen曾在Google和Meta工作公司很长时间靠自身滚动发展直到2025年传出寻求最多10亿美元融资的消息当时公司年收入超10亿美元估值超150亿美元。随着模型能力提升医疗、法律、金融等专业领域和复杂任务对资深人才标注需求快速增长市场上高质量人类标注者稀缺大型AI公司愿付高额溢价。Mercor捕捉到机会从AI招聘平台发展成训练数据供应网络2025年以100亿美元估值融资2026年传出按200亿美元估值筹集约5亿美元的计划。国内市场情况海外诞生许多独角兽但国内AI训练数据服务商很少获VC支持。一位调研过模型厂的投资人称当时模型厂内部数据采购和新增供应商标准不清晰整体供应量不大且国内有段时间以蒸馏为主削弱了找专家数据的必要性。今年Agent全面爆发需要更接近环境的数据。一位模型厂研究员表示现在需要的是能让模型反复行动、获得反馈的可闭环、可验证的训练环境。一些美国创业公司开始专门做强化学习环境如AfterQuery为前沿大模型输出专家推理数据集等服务。需求方中Anthropic管理层讨论未来一年拿出10亿美元投入强化学习环境OpenAI 2025年数据开销约10亿美元预测到2030年涨到80亿美元。美国已有十几家种子轮团队人数不超20人服务1到3家大客户。国内也出现创业机会今年5、6月市场出现提供高质量数据的新团队模型厂对新领域数据需求上涨。00后造富现象训练数据公司创始人通常很年轻Scale AI创始人Alexandr Wang 24岁成为亿万富翁Mercor三位创始人22岁凭借百亿美元估值跻身亿万富翁行列。最近AfterQuery两位联合创始人斯宾塞・马蒂加23岁、卡洛斯・乔治斯库22岁大学在读时创立公司公司成立18个月主要做AI训练数据服务刚宣布筹集新一轮融资估值达32亿美元。国内数据初创公司创始人也很年轻不一定是具身赛道“小天才”如开头提到的头部模型大厂实习生。一位接触国内独角兽数据训练公司的投资人表示早期判断集中在“人”身上兼具business sense和researcher属性的人少见该公司创始人曾在月之暗面等大厂实习参与模型训练工作并发表论文。模型训练一线工作由名校PhD承担他们实习后易想到自己创业这是当下数据创业者的共同特征他们离模型厂实际需求近对外部市场变化敏感。一位投资人对创业者画像判断是团队至少达到T0或T1级别最好是95后、98后到00后参与过一线模型训练的人。工程能力也很关键搭建团队和落实数据质量要求都需要工程能力数据pipeline搭建等背后有复杂工程链路不是简单人工标注。数据生意做好可能成为模型厂外的候选人团队或小型训练组织投资人早期能以小代价获得研究员密度高的团队数据业务可养活自己并证明行业地位跟上模型智能发展变化。数据生意的天花板单纯的数据生意难支撑创业公司持续发展。2025年Mercor年化收入1亿美元但60% - 70%需支付给承包商公司利润空间有限。Scale AI超一半营收用于直接业务成本包括承包商薪资。国内数据标注平台标注员时薪200 - 500元资历更高的可达上千元。随着模型能力提升后训练公司对顶尖专家需求更复杂依赖大量人工找专家、生产数据成本会上涨提高专家收费毛利会被压缩不提高收费难获高质量数据。而且数据业务订单不确定第一批数据供应商先做高质量样本给客户展示客户认可才下订单但一个订单不等于立即确认的收入数据需研究员验收和质量控制交付不达标客户可能缩减或取消订单。从VC角度看投资要考虑公司能否形成高价值倍数和有无清晰退出路径。海外大厂分工成熟给外部数据公司预算到2027、2028年仍在增长海外数据公司有市场空间和被并购退出机会。但中国市场不同数据外包公司被并购或上市空间有限。有投资人认为未来数据生意可能转向SaaS模式数据公司可进入传统企业工作流帮助完成AI化改造企业开放业务场景公司获得数据、积累任务轨迹和交互反馈沉淀到模型和训练体系中数据成为基础设施定价方式也会改变大厂会为系统付费。海外一些数据公司已向深度服务能力发展如Turing、Scale、Invisible等公司开展咨询或企业服务业务。但数据深入客户核心业务风险高Mercor今年数据泄露后Meta暂停合作OpenAI展开调查。新故事RSI技术除追求更高智能模型发版速度加快也是今年数据订单增长原因。2026年以来头部模型厂商发版节奏压缩到月度级RSIRecursive Self - Improvement递归式自我改进被认为是模型发版加速重要推手成为中美AI创投圈热词。这并非新概念学术界早有讨论工业界也在推进。5月Meta前FAIR研究总监田渊栋等8位顶级AI研究员联合创办的新AI实验室Recursive SuperintelligenceRSI完成6.5亿美元融资投后估值约46.5亿美元该技术概念被推到资本市场面前。一些数据初创公司把RSI作为融资叙事一部分有数据团队搭建“半RSI”系统虽未完全自动化迭代但某些环节接近一半甚至70% - 80%如能减少人工介入有机会走向更完整的模型改进闭环。然而RSI创业门槛极高需要前沿模型、巨额算力等条件当前有能力尝试的主要是OpenAI、Anthropic、Google DeepMind等。市场上很多公司讲RSI但做的事不同投资要拆解RSI具体含义考虑其解决的问题层面、行业生态位、能力边界和延展可能。数据创业者不必都以RSI做下一代模型为目标有人创业是为了做赚钱生意只要订单和回款正常现金流压力不大。总之数据作为年轻人的第一桶金是不错的生意团队做数据积累的能力可能成为未来发展的重要前提。