AI后训练数据赛道升温,Humanlaya获数亿元融资
近期,BAI资本成员企业Humanlaya(原壤智能)宣布完成由鼎晖香港基金领投的数亿元Pre-A轮融资,老股东BAI资本、红杉中国、今日资本等继续追投。Humanlaya聚焦大模型后训练数据与评测,通过专家网络、高质量数据生产与Benchmark体系,帮助模型提升复杂专业任务能力。这已是BAI资本连续第三轮加注。
AI数据行业正经历结构性迁移。基础模型竞争重心从预训练转向后训练,RLHF、RLVR、复杂推理、Agent、GUI等数据需求快速增加,数据需求从大规模通用供给转向更专业、复杂且可验证的任务。美国市场已率先验证该趋势:Scale AI延伸至前沿模型数据生产与评测,Surge AI聚焦高质量后训练数据,Mercor、Micro1围绕工程、医疗、法律、金融和科研建立专家供给网络。截至今年6月,Mercor年化总收入已达数十亿美元规模。
中国市场正进入相似阶段。随着基础模型能力提升,国内数据需求从通用标注向专家数据、模型评测和复杂任务训练延伸。中国拥有庞大的工程、医疗、科研、金融和法律人才供给,模型进入Agent、Deep Research和专业垂直场景后,对中文语境、本土制度和真实行业流程的理解愈发重要,为本土专家数据平台提供新市场空间。
Humanlaya正处在这轮变化中。面向模型侧,公司围绕后训练构建高质量数据、Benchmark和评测能力;在专家供给侧,通过TalentsAI组织和管理专业人才,将分散知识经验转化为可用于模型训练和评测的数据。
过去一年,Humanlaya推出$OneMillion-Bench、BiomniBench、ExcelBench和WorldTravel等Benchmark,覆盖专业知识工作、生物医学分析、表格操作和多模态任务。以$OneMillion-Bench为例,其包含400个中英文专家级任务,涉及金融、法律、医疗、自然科学和工业等领域,每项任务由多个带权重评分维度组成,评估事实完整性、分析推理、指令遵循和最终交付质量。相比传统知识型测试,这类Benchmark更强调模型在复杂约束和真实工作流程中的实际完成能力。
TalentsAI持续扩大专家供给。目前平台专家社区已超10万人,覆盖300多个细分学科,包括5000多名博士级人才。平台任务已扩展至复杂指令、评价规则设计与评测、高难度推理、RLHF、VLM、长文本与专业文档,以及金融、法律、医疗、软件工程和自然科学等领域。TalentsAI现已服务国内绝大多数主要模型公司。
对于专家数据平台而言,人数只是供给起点。高质量后训练数据更依赖平台能否持续判断不同专家适合什么任务,并将专业能力从静态履历转化为长期、可追踪的真实履约记录。TalentsAI已推出T1至T4专家成长体系,根据实际交付质量、专业贡献和稳定性动态更新专家等级,任务匹配、反作弊、复审、质量控制和激励机制共同构成底层运营体系。这些履约记录会反过来提高后续专家筛选和任务匹配准确性。随着参与任务的专家和数据类型不断增加,平台积累的不只是人才名单,也包括不同专业能力在具体训练任务中的实际表现,让专家网络逐渐形成可复用的数据资产。
两端能力结合后,Humanlaya可将专家供给、数据生产与模型评测放进同一条反馈链。Benchmark识别模型能力缺口,由此产生新数据需求;专家网络完成数据生产后,再通过评测验证训练效果。这种循环比单独拥有专家网络或单独开发Benchmark更具复用价值。数据行业并不缺人才众包平台,也有专门设计Benchmark和评测体系的团队,但如果专家供给、任务定义和训练效果验证能够彼此反馈,Benchmark就不再只是对外展示模型能力的测试集,还可成为发现下一批数据需求的入口;专家网络则不仅承担交付,也持续反哺任务设计和质量标准。
在金融、法律、医疗、研究和办公等场景中,模型输出往往很难用单一标准答案判断。信息来源是否可靠、推理链条是否完整、关键步骤有无遗漏,以及最终结果是否满足任务要求,都需要被拆解成更具体的评价标准。随着模型承担越来越长的任务链条,评价本身正在成为后训练的重要组成部分。专家作用因此从内容生产进一步延伸到评价标准设计。Humanlaya将依赖专业经验的判断拆解成可重复使用的任务规则和评测方法,再用于训练与模型能力验证。相比一次性交付的数据,经过反复验证的任务设计、评价体系和生产方法具有更高复用价值,也使数据公司竞争重心从单纯扩张人力,逐渐转向发现模型能力缺口、组织专业供给和验证训练效果。
大型模型公司通常保留自己的数据团队,但专家需求具有很强跨学科和阶段性,一轮训练可能需要金融和法律专家,下一阶段又迅速转向编程、生物医学或复杂办公,长期在内部维持覆盖所有领域的专家队伍并不经济。第三方平台能汇总不同客户和不同周期需求,提高专家网络利用率,同时让已建立的数据产线、质检体系和评价方法在更多项目中复用。随着服务的模型和任务增加,平台还能持续积累不同模型的失败模式和数据需求,这些跨项目经验进一步反哺任务设计与数据生产,构成单一内部团队较难获得的横向认知。

第三方平台的独立性也变得更加重要。Meta大额入股Scale AI后,部分头部模型公司开始重新审视与Scale的合作。高端后训练数据涉及模型当前能力短板、重点训练方向和下一阶段研发计划,供应商能否保持独立并妥善隔离不同客户信息,正成为模型公司选择外部数据合作伙伴的重要考量。对中国市场而言,这一需求同样存在。基础模型公司竞争充分,而评测方法、Agent环境和专业数据标准仍在快速演化,能够同时服务不同模型、
更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线
过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...
2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成
英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...
2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业
「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...
2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作
游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...
2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno
Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...
2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提
我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...
2026-11-20 19:59:42