AI越智能，这条赛道越火爆：50余家企业悄然创造千亿美元估值

Menlo Ventures的合伙人Deedy此前曾调侃道：

"You either sell your SaaS company, or you live long enough to see yourself start selling RL training data to AI labs."

“你要么卖掉自己的SaaS公司，要么活得足够久，亲眼看着自己开始向AI实验室兜售强化学习训练数据。”

当时听起来像个段子。7月12日，他亲自把这句话变成了一张图表。

图上显示：超过50家公司，正在为OpenAI、Anthropic、Google、Meta这些头部实验室提供“训练数据”和“强化学习环境”。这些企业的总营收约为85亿美元，估值合计接近1000亿美元。其中，超过四分之三的资金被四家公司收入囊中。

令人惊讶的是，几乎没人听说过这些公司。它们不造芯片，不搞模型，甚至没有像样的消费级产品。它们卖的东西，说白了就是人力：人的判断、人的纠错、人的耐心。

▲ Deedy的市场地图局部，黑底卡片上清晰标注着50+、85亿、1000亿三个数字

要理解这门生意为何突然价值连城，得先拆解一个大家都以为懂、但没深究的问题：大模型的“训练”到底是什么？

第一步是预训练：把整个互联网级别的文本和代码一股脑吞下去，学习“下一个词该是什么”。这一步拼的是规模和算力，资金主要流向英伟达和云厂商，与今天要讲的公司关系不大。

真正决定ChatGPT、Claude“好不好用”的是第二步，后训练。先用少量但极其讲究的“问题-标准答案”示范教它说人话，再让人类对多个回答排序打分，训练出一个“奖励模型”，反过来调教语言模型去迎合这个打分标准。这套流程有个名字，RLHF（人类反馈强化学习）。业内公开的说法是：演示数据可以只有几万条，但标注者往往得是受过高等教育的人，随便找个众包工人是糊弄不过去的。

2024年之后，胃口更大了。实验室不再满足于“哪个回答更好”这种静态判断，开始批量采购RL环境，模拟浏览器、IDE、内部工具的仿真训练场，模型在里面写代码、部署应用、调试陌生项目，由自动评分器打分。TechCrunch去年的报道形容得很传神：这活儿像是在做一款极其无聊的电子游戏，规则得设计得足够严密，才能揪出模型所有想蒙混过关的花招。

于是一条隐形供应链就长出来了：规模化标注负责走量，专家标注负责难题，RL环境负责教模型“做事”而不只是“说话”。三层生意叠在一起，价格越往上走越贵。

Deedy图上最抓眼球的一个判断是：Scale、Surge、Mercor、Handshake四家，吃掉了这个赛道七成五以上的估值。每一家的发家路径都不太一样，拼在一起却像同一部剧的四条支线。

Scale AI是这条赛道的老将，早年靠自动驾驶和计算机视觉标注起家，后来全面转向大模型后训练。2025年6月，Meta砸下约143亿美元投资Scale，对应估值冲到约290亿美元，创始人Alexandr Wang随后加入Meta的AI团队。官网首页的标语透着一股冷静的自信，“世界上最重要的决策，需要可靠的AI系统”，黑底白字，不谈便宜，只谈可靠。

▲ Scale官网的极简风格：不打折，只讲"可靠"

Surge AI走的是完全相反的路线。创始人Edwin Chen 2020年创业，理由听起来像赌气：看不惯众包标注的质量，干脆自己做一套。多家媒体报道，Surge 2024年营收已经到了10到12亿美元量级，全职员工数量小得不成比例，几乎没怎么对外融资。直到2025年Scale的Meta交易上了头条，大家才后知后觉地发现，原来这家闷声不响的公司体量早就跟巨头肩并肩了。它的官网文案更像一份人文宣言：数据之于AI，好比人生经历之于海明威，使命是“用人类的丰富性养育AGI”。

▲ Surge米色极简的官网，读起来不像B2B数据公司，倒像一份使命宣言

Mercor的曲线最陡峭。它本质上是一个用AI做面试和匹配的人才平台，把各领域专家组织成随时可交付的训练劳动力。2024年9月A轮估值才2.5亿美元；2025年10月，Felicis领投3.5亿美元C轮，估值跳到100亿美元；到了2026年7月，TechCrunch援引彭博社消息，Mercor正在洽谈200亿美元估值的新一轮融资，CEO Brendan Foody同期透露，公司年化收入已经跑到约20亿美元。有第三方文章把这条曲线形容成，“24个月，从100万美元GMV冲到20亿美元”。狂飙的另一面是，今年早些时候也有数据泄露和合同工诉讼的负面新闻，只是完全没能拖慢估值攀升的脚步。

▲ Mercor官方博客宣布3.5亿美元C轮融资、100亿美元估值

Handshake的故事最出人意料。它原本是一个服务大学生找工作的校园招聘网络，跟AI训练八竿子打不着。转折点在于，团队某天突然意识到：自己手里握着大约50万博士、数百万高学历用户的数据库，这正是前沿实验室后训练阶段最缺的稀缺资源。AI业务几乎是从零起步狂飙，2026年4月前后，据报道其AI训练相关的年化毛收入已逼近10亿美元，比年初的5.5亿美元又跳了一截。为了补齐数据质量这块拼图，Handshake还顺手收购了MIT背景的数据质量公司Cleanlab。

▲ Handshake官方博文宣布收购Cleanlab，加码RL环境与数据质量

四条曲线放在一起看，共同点很好认：没有一家是靠讲情怀的消费者故事起来的，全部是被实验室的真金白银催熟的。

买单的名单几乎清一色是那几张熟脸，OpenAI、Anthropic、Google、Meta、Microsoft。有报道援引消息人士说法称，Anthropic内部曾讨论一年在RL环境上花费超过10亿美元，虽然这属于“讨论中”的口径，尚不能当成已经公开的财报数字，但已经足够说明这条供应链的胃口有多大。a16z合伙人Jennifer Li对媒体的说法也印证了这一点：头部实验室一边自己动手搭建训练环境，一边仍在到处寻找靠谱的第三方供应商，自建和外采，两条腿一起走。

供给侧的格局因此呈现出典型的“赢家通吃 + 长尾专业化”：四大巨头分走大部分收入和估值，剩下几十家公司挤在浏览器操作、编程评测、物理机器人数据、模型行为评测这些细分战场里，各自求生。

热闹背后，泼冷水的声音一直都在。

2026年4月，投资人Jamie Quint发了一篇长帖，矛头直指Mercor、Handshake、Surge等一众公司：这本质上是一场向底线竞速的生意，客户加起来不超过5到10个超大买方，外包训练数据这件事本身没有结构性防御。他判断，实验室一旦开始认真计较利润，要么把这些供应商的估值压到年营收的0.5到1倍（跟传统人力外包公司一个待遇，甚至更差），要么干脆自己把这块业务吃下去。他把“实验室离不开我们”这种说法，称为一种自我安慰。

▲ Jamie Quint直言：客户高度集中、没有结构性防御，这门生意随时可能被压价或垂直整合

这条帖子引来大量反驳，有人认为真正扎进评测体系和数据规格设计的团队仍然握着不可替代的价值，问题只是大多数公司根本没在这上面投入研发。连行业内部也有人唱反调：General Reasoning联合创始人Ross Taylor提到，公开的RL环境往往需要大量改造才能真正可用，还很容易被模型“骗分”；OpenAI工程负责人Sherwin Wu也公开表示，自己对RL环境创业公司持偏空态度。

更微妙的张力藏在一个问题里：合成数据和AI自我反馈，会不会有一天彻底取代真人标注？目前业内比较一致的判断是，简单的偏好判断可以合成，但复杂的agent行为、安全边界、专业领域判断，仍然离不开真人验证。换句话说，这门生意的护城河，可能正在从"雇了多少人"悄悄挪到"谁能定义什么才算对"。

淘金热里，真正稳赚不赔的角色，往往落在卖铲子、卖牛仔裤的人身上。互联网时代是CDN和广告技术，云计算时代是卖GPU算力的厂商。AI训练数据产业，恰好卡在一个奇怪的三不像位置，它像SaaS一样被资本追捧，又像人力外包一样依赖具体的人力小时，还带着几分研究服务的专业色彩。这种混合身份，决定了它的估值倍数可以在乐观和悲观之间剧烈摇摆：讲故事的时候按AI平台估，风向一变就可能被按staffing公司来打折。

有意思的是，你我可能都在无意间参与了这条供应链。你纠正AI给出的错误答案，给一次回复点赞或点踩，这些动作汇聚起来，本质上跟Handshake平台上那些博士按项目给模型打分，是同一种“人类反馈”。只是他们按小时收费，而你的贡献，一分钱都拿不到。

这门生意到底是下一个云计算，还是下一个转瞬即逝的外包泡沫？答案恐怕要等到某个实验室第一次翻脸压价的那天，才会真正揭晓。