数据公司闷声发财：成立不到一年估值25亿美金

去年还被认为估值飙升过快的AI应用明星公司，今年在数据公司面前已显得平常。一批成立不满一年的数据公司中，已诞生估值25亿美元的UniPat，以及多家估值3至8亿美元的公司。AI应用、硬件、具身、世界模型等领域的讨论热度有所消退，唯独数据公司一提就让人来劲。与以往创投明星不同，这批数据公司和创始人渴望低调，据说创始人之间达成默契：只PR技术实力，对团队和业务保密，对媒体主要诉求是“求别写”。

这行业来钱快，流传着二线数商月入400万美元、在校生月薪10万美元的造富故事。很多数商表示拿融资并非真需要钱，而是要基金名号吸引人才和客户，要VC提供庇护。这大概是一级市场最快速的估值增长记录：Kimi成立一年才到25亿美元，陈冕干了三年最近才快完成30亿美元估值融资。

数据公司常用“连接智能与现实”“加速AGI进程”等大词，但一句话可概括：给模型制作练习题，类似AI时代的猿辅导。预训练吃的是互联网公开静止数据，但真实工作场景中模型还达不到优秀打工人水平，需跟专家学或做练习。数商做的事就是找问题、想解法、搭环境：要么采集领域专家真人解题轨迹，要么给模型出包含任务、运行环境和评分准则的RL environment，交给模厂做单科专项训练。中国数商还有创新做法：发bench，基本可理解为对模厂的营销手段——你家孩子这门课考得不行，隔壁谁谁第一名，就是因为做了我们家练习题。

过去两年模型公司比算力和算法，今年这两件事边际收益下降。流水线建成后，剩下区别只在原料即数据，这几乎是模型此刻唯一重要的事。美国Scale AI和Surge AI也这么火起来。这是数据公司估值膨胀的原因之一。但如果只是数据，这些公司也不大可能值这么多钱。一些数据公司也在讲Neo Lab甚至可能的模型故事：有了足够多钱和足够好researcher、快速补上算法和算力，数商有没有可能成为新模厂？或至少成为模厂分封在某个垂直领域的诸侯？相比正被模型吞吃的应用，这个上限和下限似乎都高多了。几年时间、上百亿美元投入，在这个叙事中，模厂所有积累似乎都可被轻松跨越。

除去故事和技术神秘主义，数据其实更像野生野长的ToB生意，数商像各拼手艺的工作室，还没拉开明显差距。关系，尤其跟顶级模厂的关系，才是最核心关窍。这是信任市场，至今没有公认验收标准。因专业度高、数量太大，前期模厂基本只能靠抽检。比较靠谱的方法是后验：扔到模型里跑一轮看表现有没有提升。但也发生过一个数商把同一批数据交给两家模型公司，一家明显进步，另一家区别不大。所以模厂对数商信任是慢慢建立的，先从几十万人民币小单做起，靠谱再慢慢加。行业疯传的上亿美元大单其实都是年框合同，分批采购验收，不合格会被打回。

不过比起质量，模厂此刻更在意速度和数量。共识是：谁能拿到最多数据，谁就能占领更多垂直领域，对应垂直市场商业价值。宁可泥沙俱下，不可放过错过。所有人都在赶时间，一类数据往往不到三个月就过时；需求文档今天发下来，数商后天就要交货。甚至一些珍贵但此刻还不需要的数据，模厂也愿买走囤积，以防被对手占领。

这也是信息市场，实力硬不如消息灵。什么时候需要什么数据的判断，从金字塔顶端一层层向下传导：国内一线模厂跟着OpenAI和Anthropic走，二线模厂再跟着一线模厂走。数商能比别人更早更准获取这些信息，就相当于在股市里获得内部消息。比如GPT-6 Astra九月发布，但从六月起就有数商到处打听能搞到CAD图纸的门路——他们已从海外或国内顶级模厂知道消息，开始准备囤货。后来Astra爆火，建模数据果然变得昂贵。

这更是油水很足的市场。愿给数据预算的模厂里，第一梯队是字节，相传有十几亿美元；阿里、腾讯次之。焦虑落后的蚂蚁、小红书、美团、滴滴们也都有买行业数据需求。

我曾问一个数商朋友，做好数商最关键是什么？他毫不犹豫：当然是跟模厂搞好关系。听起来跟SaaS这种吃销售的行业很像。但他有个比喻：AGI是神，模厂researcher们是祭司，掌握圣经解释权，所以凡人要交什一税，换取他们多透露天机。这么说我就懂了，数商就是身披神圣祭袍的金牌销售。

围绕researcher的是很小圈子。模厂内部researcher基本来自北大、清华、港科、北航等定点高校，师兄弟姐妹互相提携。数商和模厂之间常常就是前同事、同门、同学。这也解释了为什么头部数商创始人多半出身模厂。这些看上去技术驱动的公司，founder却往往很有street smarts。江湖传闻中，有邀请众researcher看演唱会的；有陪模厂数据采购人游山玩水一个月的；有如Surge AI和Mercor请大量美女销售跟researcher打交道的。

信任当然不止酒肉朋友这么简单。一些没有顶级研究能力的数商之于模厂，理论上还可扮演另一个角色——体外自由分身，帮主体承担一些不能、也不便承担的风险。假设你是模型公司，想蒸馏OpenAI和Anthropic的模型，但合规和舆论风险都很大。这时有个安全方法：