AI 数据产业链揭秘：50 余家企业瓜分千亿市场，四强垄断七成份额

一张图表在硅谷投资圈迅速流传。

2026年7月12日，Menlo Ventures合伙人Deedy在X平台发布了一张自制的行业全景图，标题直截了当："Every single startup selling AI Training Data"（每一家出售AI训练数据的初创企业）。表格背后的数据更为震撼：超过50家企业，总营收约85亿美元，整体估值接近1000亿美元。

在这1000亿美元的估值中，超过四分之三被四家企业占据：Scale、Surge、Mercor和Handshake。

这既不是上市公司的财务报告，也不是政府发布的统计数据，而是一张此前从未有人系统绘制过的产业地图，一个长期隐藏在保密协议与外包合同背后的行业，首次被暴露在公众视野中。

▲ Deedy发布的主帖卡片：超50家企业、约85亿美元营收、近1000亿美元估值，四家头部企业占比超四分之三

你可能从未听闻Scale、Surge、Mercor这些名字。但你日常使用的ChatGPT、Claude、Gemini，背后都有它们的参与。

训练一个现代大模型，简单来说需要三要素：算力（GPU集群与电力）、算法与工程（模型架构、训练框架），以及数据与反馈，即模型所“感知”的世界，以及有人指导其判断何为优质答案、何为劣质答案。

早期，仅需爬取互联网文本即可满足需求。但随着模型能力不断增强，单纯网页爬取的边际收益急剧下降。实验室开始迫切需求：为图像标注边界、为对话评分的高质量标注；在两个回答中优选更佳的人类偏好数据；由物理学博士、执业律师、资深工程师设计的专家级难题；以及强化学习环境（RL environments），一整套可交互的“模拟工作区”，远比静态表格复杂，更像是为智能体搭建飞行模拟器，使其能在虚拟浏览器、办公软件或代码仓库中反复试错，答对才给予奖励。

于是，“出售数据”这门生意，早已不再是海外众包工人点击鼠标那么简单。它更像是外包研究、人才网络与软件平台的混合体。买方仅有寥寥几家，主要是头部AI实验室与科技巨头；卖方则从老牌数据标注巨头，延伸至几乎不融资却闷声发大财的暗黑马，再到将大学生就业网络重构为标注供应线的平台公司。

一门曾被忽视的生意，悄然成长为市值近千亿美元的巨兽。

故事始于2020年。Edwin Chen创立了Surge AI。据公开资料，他曾在大公司等待数月，收到的训练数据却错漏百出，这段经历促使他决心创办一家将质量控制做到极致的数据标注公司。Surge此后长期几乎未对外融资，团队规模极小，却在大模型浪潮中抓住了近乎疯狂的高需求。

▲ 维基百科显示，Surge AI成立于2020年，2024年营收达12亿美元，员工仅约110人，客户包括OpenAI、Google、Microsoft、Meta、Anthropic

2024至2025年初，风向转变。前沿实验室发现，普通众包已无法满足模型训练需求，他们需要的是具备可验证学历与领域深度的真实专家。正是在这一窗口期，专注大学生招聘的平台Handshake推出了Handshake AI，将手中现成的大学人脉网络，改造为模型验证与专家标注的供应线。

▲ Handshake官网博客称，Handshake AI连接高学历人才与AI实验室，拥有美国与欧洲约1500所大学合作伙伴、约1800万学生与校友网络

增长圈的观察者们迅速察觉异常。Lenny Rachitsky在2025年9月的一篇帖子中，将这条增长曲线描绘得令人咋舌：Mercor在十七个月内从100万美元跃升至5亿美元量级；Handshake不到一年从零起步达到1亿美元量级；Surge年营收被他标注为超过15亿美元；老牌玩家Scale估值则超过290亿美元。

"These are some of the fastest-growing, most profitable companies I've seen."

“这是我见过增长最快、利润最高的一批公司。”

真正的震动发生在2025年6月。Meta向Scale AI投入巨资，广泛报道称约143亿美元，换取约49%的非投票股份，交易隐含估值约290亿美元。Scale联合创始人兼CEO Alexandr Wang转而加入Meta，参与其超级智能项目；公司战略负责人Jason Droege临危受命，接任CEO。

▲ TechCrunch报道，Scale AI确认收到Meta重大投资，CEO Alexandr Wang离职加入Meta

这笔交易的连锁反应比交易本身更为剧烈。OpenAI随后表示将逐步终止与Scale的数据合作；有媒体称Google也在讨论切断联系。道理并不复杂：当一家数据供应商几乎成为某买家的战略延伸，其他买家自然会“用脚投票”，担忧自身数据、流程与人才悄然流向竞争对手。Scale仍在努力适应智能体与环境时代的新需求，但产业的话语权已在数月间悄然易主。

紧接着，“RL环境”成为新热点。TechCrunch以“硅谷重金投入环境训练AI智能体”为题进行了系统报道，文中提及有消息称Anthropic内部曾讨论一年内投入超过10亿美元用于RL环境。

▲ TechCrunch报道称，硅谷正重金投入“环境”训练AI智能体，Anthropic内部讨论过年投入10亿美元采购RL环境

几乎与此同时，Mercor宣布完成3.5亿美元C轮融资，由Felicis领投，Benchmark、General Catalyst、Robinhood Ventures等参投，估值飙升至100亿美元，官方博客称较B轮翻了整整五倍。创始人Brendan Foody将公司定位为“劳动力市场与AI研究的交汇点”：让医生、银行家、律师等专家，将那些无法写入代码的判断力，逐步传授给模型。

▲ Mercor官方博客确认：3.5亿美元C轮融资，估值达100亿美元，由Felicis领投

Foody后来在2026年6月的一篇帖子中，将这套逻辑清晰展开：AI的进步需要算力、算法与数据三要素。领先的算力公司市值以万亿美元计，领先的模型公司估值亦以万亿美元计，但“领先的数据公司”却低了好几个数量级。他的判断是，市场彻底误判了数据这门生意的价值。

"Data is the oil of the AI revolution."

“数据是AI革命的石油。”

到了2026年上半年，营收曲线并未放缓，反而更加陡峭。

Mercor有报道称，2026年6月ARR（年化经常性收入）已飙升至约20亿美元；随后又有媒体称公司正洽谈以约200亿美元估值融资5亿美元。

▲ Forbes报道：Mercor正洽谈以200亿美元估值融资5亿美元，若交易完成，三位23岁联合创始人纸面身家每人约43亿美元

Handshake方面，第三方研究平台Sacra估计其2026年4月年化毛收入已达约11亿美元量级，历史估值口径约35亿美元，这是一门从2025年初数百万美元规模一路狂奔而来的生意。

Surge则继续沿用维基百科上2024年约12亿美元营收的叙述，始终以极小团队，服务着十余家前沿实验室。

三家公司的增长曲线尚未走完，收购便已到来。2026年7月9日前后，Fortune独家报道Mercor收购了Deeptune，一家由a16z等支持、专攻智能体在真实软件（表格、CRM、协作工具）中演练的仿真环境公司。有趣的是，Foody三个月前还以天使投资人身份参与Deeptune的A轮融资，如今却将整家公司收购，他自己也承认收购本就是当初投资的主要动机。

报道还提及一个细节：Mercor自称在RL环境领域处于领先地位，除特斯拉外的“美股七巨头”几乎都是其客户，ARR在数月内从10亿美元跃升至20亿美元。

四家头部企业，其实走的是四条截然不同的路径：

Scale是“数据标注是一门可扩张生意”的活教材，自动驾驶时代卖路况标注，ChatGPT时代卖语言模型数据，智能体时代又急于转型做environments。Meta那笔交易将其推上290亿美元估值高峰，但代价是几乎丧失独立性——当供应商沦为某买家的战略延伸，其他买家便转身离去。

Surge几乎是硅谷创业剧本的反面教材：不融资、不曝光、团队小得惊人，却营收惊人。它对标注质量与专家匹配近乎偏执，客户名单与Scale高度重叠。当Scale陷入股权与客户结构震荡时，业内将Surge描述为“暗中超越”的那一个。

Mercor将“专家劳动力”打造为标准化产品，并进一步吞并环境这一层。收购Deeptune的逻辑很简单：一边有人设计任务与打分标准，一边有人搭建模拟器，两者结合，才更接近一件“能训练出智能体”的完整商品。

Handshake则是将大学生求职网络，改造为数据供给线。它押注的是实验室所需早已超越匿名众包，而是可验证的研究生与博士专长——量子物理、材料科学、分子生物学、法律、金融。一张旧网络，撞上了一个全新买家。

也有人对这门生意持深度怀疑态度。

投资人Jamie Quint在2026年4月发布了一条毫不留情的长帖：他不会建议任何人加入Mercor、Handshake、Surge、Turing、Micro1这类公司。理由摆在明处：为五到十个超大客户提供外包研究，根本缺乏结构性壁垒。一旦实验室开始关注利润率，要么将供应商毛利压至传统人力中介水平，要么干脆自行承接该业务。所谓“实验室离不开的外包公司”，在他看来更像是一场自我安慰。

▲ 投资人Jamie Quint公开点名多家数据公司，警告客户集中、可替代性高，未来估值可能被压缩或被整合

这篇帖子在这场舆论战中，是最响亮的空头声音。

多空两派各自手持真实证据，争论不休：

一边是十二至二十四个月量级的收入爆炸式增长，一边是客户高度集中、合同随时可能终止、安全事件与劳工纠纷频发，两种现实并存，谁也没说错。

十九世纪的淘金热中，真正留下公司的，是那些卖牛仔裤和铁锹的人；淘金客大多两手空空。AI时代，这套“卖铲子”的说法常被安在英伟达头上。

这些数据公司，做的其实是更狠的一层生意：卖铲子之外，还雇了一批人，替淘金者挖土。高毛利阶段令人眩晕，可一旦挖土变成标准化流程，利润终将滑回服务业平均水平。

Deedy自己也提醒过：这张地图远未画完。数据市场中还有Kled、Luel；浏览器操作领域有Chakra Labs、Habitat、Cua；编程智能体赛道有Proximal、BenchFlow，评论区中补漏的名字比正文还长。

▲ Deedy在回复中继续补充遗漏的公司，按数据市场、浏览器使用、编程智能体、长程推理、模型行为评测、垂直领域数据六类列出数十个名字

他还特别说明，这份地图“难以做到完美”，欢迎所有人纠错，将持续迭代下一版。

▲ Deedy说明这类市场地图是不断更新的工作文档，而非权威统计年鉴，欢迎读者纠错

Scale的客户流失、Surge的极致利润、Mercor的并购加码，三条看似不同的路径，实则是同一历史问题的三种解答：要么绑定大客户，要么绑定质量口碑，要么绑定下一层技术栈。当单一买家愿为“环境”一年掏出十亿美元时，创业公司与融资便会如潮水般涌向同一关键词。

结果往往是：表格越拉越长，估值越冲越高，并购越来越频繁，然后，可能就是整合与出清。

云基础设施走过这条曲线，网络安全走过，芯片设计服务也走过。Deedy这张地图，冻结的只是2026年7月的这一帧画面。它之所以珍贵，恰恰是因为下一帧，很快就会将其推翻。