Kimi实习生开公司，估值快200亿了

一群曾在阿里通义、月之暗面等模型大厂实习的年轻人，成立了一家AI数据公司，迅速获得资本关注。这家公司以AI训练数据为核心，不到一年便拿下千万美元级订单，完成约三轮融资，估值持续攀升。最新消息显示，该公司即将完成一轮3亿美元融资，投资方包括红杉、阿里和腾讯等知名机构，估值达到25亿美元。

国内此前并非没有数据服务公司，但这类企业过去很少进入VC视野，主要因为其模式偏重现金流生意，创业门槛在AI领域也不高。早期，三四线城市不少数据公司依赖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，越来越多名校背景的高学历从业者加入。法律、医疗、记者、编剧等行业资深人士也开始入驻数据服务平台，兼职数据标注的收入可达每小时500-1000元。

然而，仅靠专家网络模式，在国内难以支撑百亿估值。在许多投资人看来，卖数据仍是一个阶段性、可持续性存疑的生意。

一位接触过前述项目的投资人透露，在2亿美元轮次前，投资人主要从创始人角度下注。如今以25亿美元估值融资，这家公司必须讲出新故事。据了解，今年上半年，它已涉足金融领域，开发了一套可对比、可验证的预测市场系统，计划通过卖API盈利。

国内数据训练公司约有二十多家，上述跨界金融的故事只是它们描绘的未来方向之一。与投资人交流后，我发现传统数据服务模式——如人工标注、专家外包、数据交付——难以讲出性感增长故事，但在越来越多95后、00后年轻创业者那里，有了新说法。他们凭借模型训练经验和能力，让原本枯燥的现金流生意有了新想象空间，从而搅动起融资热潮。

数据有了新需求

理解这些实习生所做的生意，需从去年媒体热议的“985、211硕博生当AI训练师”说起。例如，DeepSeek北大中文系毕业生和Kimi的医学博士等，有人在网上自嘲为“数据包工头”，带领外包标注员配合研发团队，为模型生产训练数据。

卖数据的商业逻辑并不复杂：只要拿到订单，就能成为现金流不错的公司，不一定需要融资。Surge AI是典型案例。这家公司成立于2020年，创始人Edwin Chen曾在Google和Meta从事机器学习。公司长期未拿外部融资，靠自身滚动发展。直到2025年，市场传出它寻求最多10亿美元融资的消息。当时，公司过去一年收入已超10亿美元，估值讨论超过150亿美元。

随着模型能力提升，医疗、法律、金融等专业领域及需要主观判断的复杂任务中，对资深人才标注的需求快速增长。市场上高质量人类标注者稀缺，大型AI公司愿支付高额溢价。Mercor捕捉到这一机会，早期只是为大型数据标注公司提供“合同制人才”的AI招聘平台，后来将专业人士组织成训练数据供应网络。2025年，Mercor以100亿美元估值融资，2026年又传出按200亿美元估值筹集约5亿美元的计划。

总之，海外诞生了许多独角兽，但国内AI训练数据服务商很少获得VC支持。

一位调研过模型厂的投资人告诉我，当时模型厂内部对数据采购标准，包括新增供应商标准，尚不清晰。尽管已与几家互联网厂商及海外供应商合作，但整体供应量不大。另一方面，国内有段时间以蒸馏为主，削弱了寻找专家数据的必要性。

今年Agent全面爆发，所需数据类型已不再是简单专家数据，而是更接近环境的数据。

一位模型厂研究员表示，现在需要的数据不只是“问题和答案”，而是能让模型反复行动、获得反馈的可闭环、可验证训练环境。模型在环境中执行任务，环境记录每一步行动，通过验证器判断结果，再反馈给模型。例如，训练模型写出更好前端代码，仅靠人工告知“代码好不好”不够，还需要执行代码的环境和理解页面效果的模型做裁判，通过数百轮运行不断反馈。

美国一些创业公司开始专门做强化学习环境。AfterQuery希望让模型和智能体像专业人士一样完成任务，公司将其描述为“将世界顶尖从业者的模式、决策和推理进行编码”，为前沿大模型输出专家推理数据集、强化学习仿真环境、模型评测服务。

需求方这边，Anthropic管理层讨论过在未来一年内投入10亿美元用于强化学习环境。OpenAI方面，2025年全年数据开销约10亿美元，内部预测到2030年将涨至80亿美元。目前，美国约有十几家这样的种子轮团队，人数不超过20人，服务1到3家大客户。

国内也出现许多创业机会。一位投资人告诉我，越来越多研究员从模型厂外溢。到今年5、6月，趋势清晰：市场上出现一批提供高质量数据的新团队，同时模型厂对新领域数据的需求也在上涨。

00后造富扎堆

与AI其他领域创业者一样，训练数据公司创始人通常年轻。Scale AI创始人Alexandr Wang在24岁时成为亿万富翁，Mercor三位创始人也在22岁时凭借百亿美元估值跻身亿万富翁行列。

最近的是AfterQuery两位联合创始人：23岁的斯宾塞·马蒂加和22岁的卡洛斯·乔治斯库，创立公司时还在大学就读。他们公司刚宣布筹集新一轮融资，估值达32亿美元。公司成立仅18个月，主营AI训练数据服务。

如今，国内数据初创公司创始人同样年轻，且不一定来自具身赛道，比如开头提到的头部模型大厂实习生。

一位接触过国内一家独角兽数据训练公司的投资人告诉我，早期判断仍集中在“人”身上。兼具商业意识和研究者属性的人，在市场上少见。这家公司创始人曾在月之暗面等一线模型大厂实习，参与过模型训练并发表论文。

现状是，模型训练一线工作主要由名校PhD承担，他们从实习开始就负责具体执行。当跟随外包团队完成这些工作后，他们很容易想到：既然能在外包部门完成，为何不能自己出来做？于是，一部分人从模型厂或外包团队中走出，成立数据创业公司。

这也是当下这批数据创业者的共同特征：离模型厂实际需求更近，对外部市场变化更敏感。一位已投资类似项目的投资人告诉我，他对创业者画像的判断是团队至少达到T0或T1级别，且最好是95后、98后到00后这一代真正参与过一线模型训练的人。

工程能力同样关键。如何搭建团队，如何将研究员认可的数据质量要求落地到实际生产中，都需要强工程能力。从数据pipeline搭建，到Query设计、数据初步构成，再到清洗和质量控制，背后有复杂工程链路，并非简单人工标注。

数据表面是一门生意，但做得足够好时，它可能成为模型厂之外的候选人团队，甚至小型预训练、后训练组织。投资人可在早期以较小代价获得研究员密度较高的团队，数据业务是他们阶段性养活自己的方式，也能帮助证明在行业中的位置，跟上模型智能发展。

数据生意的天花板

单纯的数据生意，难以支撑这些创业公司持续走下去。

2025年市场曾披露，以垂直领域专家数据起家的Mercor年化收入达1亿美元，但其中60%到70%总收入需支付承包商，留给公司的空间有限。Scale AI也有超过一半营收用于直接业务成本，包括承包商薪资。国内一些数据标注平台公布的价格中，标注员时薪通常在200至500元，资历更高、专业性更强的人甚至可达上千元。

随着模型能力继续提升，后训练公司对顶尖专家的需求将更复杂。如果仍依赖大量人工寻找专家、生产数据，成本将不断上涨；提高专家收费，毛利会被压缩；不提高收费，又难获得足够高质量数据。

数据业务订单并非完全确定。投资人朋友告诉我，第一批数据供应商进入市场时，很多公司先在每个垂直领域做出一批高质量样本，无论是手工打磨还是其他方式生产，都会投入大量精力，再展示给阿里、腾讯等客户。客户认可后，才会下订单。但数据行业中，一个订单不等于立即确认的收入。每批数据需研究员验收和质量控制，若连续几次交付数量或质量不达标，客户可能缩减或取消订单。例如，客户签下1亿美元订单，并不意味着公司半年、一年或两年后一定能实现对应规模收入。

从VC角度看，投资最终回到两个问题：这家公司能否形成足够高的价值倍数，以及未来是否有清晰退出路径。

海外大厂分工相对成熟，每家大厂给外部数据公司的年度预算，到2027年、2028年仍在增长，且体量很大。因此，海外数据公司有不错市场空间，也已出现被并购的退出机会。但中国市场逻辑不同，如果最终只是一家数据外包公司，无论是被并购还是上市，空间都相对有限。

在前述投资人看来，未来数据生意可能不再是“一条数据卖多少钱”的模式。一些数据创业公司开始试图站到SaaS位置。例如，一些传统企业本身没有训练AI模型的能力，但内部拥有大量独特业务流程和高价值数据。数据公司可进入这些企业工作流，帮助完成AI化改造。

在这个过程中，企业会开放独特业务场景，公司不仅获得数据，也能积累真实任务轨迹和交互反馈，再沉淀到模型和训练体系中。这样一来，数据不再是一次性交付的商品，而变成连接客户工作流、模型训练和长期服务的基础设施。数据公司定价方式也会变化。大厂不会再简单按数据条数付费，而是为一套能持续产生高质量数据、完成任务执行和模型反馈的系统付费。

海外一些数据公司已往这种更深服务能力发展。Turing、Scale、Invisible等公司都在发展咨询或深度企业服务业务，希望从单纯提供数据和人力，进一步介入客户AI工作流。

当然，数据越深入客户核心业务，风险也越高。Mercor今年遭遇数据泄露后，Meta暂停了与其合作，OpenAI也对此展开调查。相关数据可能涉及模型公司训练方法、承包人员信息和专有数据。

新故事在哪

除了追求更高智能，模型发版速度加快，也是今年数据订单增长的另一原因。2026年以来，头部模型厂商发版节奏已压缩到月度级。技术方面，这可能与一个关键变量有关：RSI。

RSI（Recursive Self-Improvement，递归式自我改进）指AI参与甚至改进自身研发流程，持续缩短模型迭代周期。它被视为本轮模型发版加速的重要推手，也成为中美AI创投圈热词。

这并非全新概念。学术界很早就讨论，工业界也一直在尝试推进。5月，由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 Superintelligence（RSI）完成6.5亿美元融资，投后估值约46.5亿美元。这一技术概念正式被推到资本市场面前。

一些数据初创公司，也开始把RSI作为自身融资叙事的一部分。

我的投资人朋友关注到，最近看的一些数据团队已开始在新领域搭建“半RSI”系统。它们当然还未实现完全自动化迭代，但在某些环节上，可能已接近一半，甚至70%到80%。例如，团队可在新垂直领域快速生产高质量分析、标注和合成数据，同时将专家经验和人的判断高效嵌入系统。未来，若进一步减少人工介入，让系统自己完成任务生成、执行、评估和迭代，就有机会从数据生产走向更完整的模型改进闭环。

然而，RSI创业是一场门槛极高的游戏。它同时需要前沿模型、巨额算力、顶尖研究人才、训练基础设施、大规模实验能力，以及足够强的模型评估系统。当前真正有能力尝试闭合完整循环的，仍主要是OpenAI、Anthropic、Google DeepMind，以及极少数资本和人才配置超常规的新Lab。

今天市场上很多公司都在讲RSI，但它们做的其实不是同一件事。有的团队对标大模型公司，目标是做下一代模型研发，试图跑通完整训练流程；有的RSI只发生在某个产品自动化层面；还有的团队所说的RSI，是自己的数据管线可实现自净化、自迭代。这些工作的层次、方向和scope不同，短中期内可能存在明显差距。

所以，从投资角度看，首先要拆解RSI具体含义：它究竟在解决哪个层面问题？这个层面未来在行业能占据什么生态位？能力边界在哪？有无继续向上延展可能？

当然，数据创业者不必都以RSI做下一代模型为目标。一切都取决于如何看待自己做的事。有些人想得非常清楚：出来创业不是为了融资，而是找三五人、十人，做一门能赚钱的生意。只要第一笔订单跑通，客户能正常回款，现金流就不会有太大压力。

总之，作为年轻人的第一桶金，数据似乎是个不错的生意。

在前述投资人朋友看来，一个团队不会因选择“做数据”而减分。相反，过程中积累的能力可能成为未来做出更大事情的重要前提。“如果一个团队能一边做数据、一边赚钱养活自己，同时持续积累researcher和工程能力，再沿着模型智能不断往前走，这件事其实非常有意思。”

本文来自微信公众号“投中网”，作者：韦香惠，36氪经授权发布。爱游戏体育注意到，这类数据创业公司正通过创新模式吸引资本关注。