一张图看懂AI数据千亿江湖

「你在看大模型发布会，投资人在看这张表。」

先说结论，AI行业真正闷声发大财的，早就不只是前面开开发布会、刷刷榜的基座模型了，而是躲在背后给大模型喂饭的「数据包工头」们。

2026年7月，Menlo Ventures的投资人Deedy Das发了一张《AI Training Data & RL Environments》全景图。

不看不知道，一看吓一跳。

在这个大部分普通人连名字都叫不全的赛道里，已经有50多家公司在给大模型卖训练数据、强化学习（RL）环境和评测服务。

你猜这帮公司一年能赚多少钱？

整个赛道年收入约85亿美元，总估值直接干到了接近1000亿美元。什么概念呢？当年被吹上天的上一代版本神AI四小龙、AI六小虎，哪怕把它们巅峰期的营收加一块儿，在这个年入85亿美金的庞大地下江湖面前，都只够看个大门。

更残酷的是，这完全不是一个雨露均沾的慈善市场。超过75%的收入，全被不到10家头部公司给吞了。

剩下的40多家公司，只能在桌底下抢那不到四分之一的残羹冷炙。

那么问题来了，这不到10家头部公司凭什么能吃得这么饱？

要讲清楚这个千亿江湖的座次，就必须先从曾经的老大Scale AI说起。

我们上一篇刚聊过，Scale AI原本是这个江湖里绝对的带头大哥。在2025年6月13日那天，Meta豪掷143亿美元入股Scale AI拿下了49%的股份，直接把它的估值推到了290亿美元，创始人Wang更是顺手转投了Meta的超级智能实验室。

看起来是烈火烹油、风光无限对吧？

所以最后发生了什么？

中立性死了。

道理很简单。你一个卖军火、收各家核心训练数据的包工头，突然变成了其中一家巨头近一半身家的干儿子，其他巨头怎么可能还敢把底裤交给你？

交易刚落定，Scale AI原本的最大客户Google（原计划在2025年要给Scale AI付约2亿美元的巨款）转身就切断了合作。OpenAI更鸡贼，甚至在交易前就已经开始减少合作了。紧接着到了7月，刚拿完天价投资的Scale AI反手就裁员14%。

给大伙看乐了，合着Meta花143亿美金买了个寂寞，顺便还帮竞争对手完成了一次完美的供应链排雷😭

Scale AI这么一折腾，直接给整个数据江湖炸出了巨大的权力真空。老大自废武功，底下的老二老三还不赶紧出来接盘？

于是，头部三家彻底分化出了三种截然不同的活法。

Scale AI走的是「抱巨头大腿、创始人套现上岸」的资本局路线，虽然丢了中立性，但瘦死的骆驼比马大。

而另一家巨头Surge AI，走了一条完全相反的路。

在一级市场天天FOMO、恨不得发个PPT就融几个亿的今天，Surge AI居然不烧VC的钱。哥们不搞那些虚头巴脑的公关，就闷头死磕高难度代码、数学、逻辑的专家对齐数据。

结果呢？据报道人家年营收早就超过了10亿美元，在Deedy那张全景图上，Surge AI是估值最高的——投资人给到了200多亿美元。不拿VC一分钱，自己赚出10亿美金营收、干出200多亿美金估值，这在滿地都是融资机器的AI圈里，简直是古典主义的商业神迹👍

如果说Surge AI是闷声发大财的隐士，那第三家巨头Mercor，就是把硅谷叙事玩出花的「新包工头」。

Mercor干的事说白了也不复杂，就是用AI面试，去撮合顶尖的博士、律师、程序员来给大模型写数据。但架不住人家增长猛、故事性感啊。

2025年2月20日，Mercor刚拿完Felicis领投的1亿美元B轮融资，当时估值是20亿美元。结果到了2025年10月，C轮直接融了3.5亿美元，估值原地翻了五倍，飙到了100亿美元🥵

短短八个月，估值涨了80亿美金，印钞机都没这么快。

拿到钱之后的Mercor CEO也是真敢放话，直接出来宣布：「数据标注公司的时代已经结束」。

这话听着挺狂，但你如果仔细去看Deedy那张全景图的分层，你会发现老哥还真不是在纯吹牛逼。

这张图真正有意思的地方，根本不是上面列了多少家公司，而是传统的「数据标注」这四个字，已经从牌桌上消失了。

现在的牌桌上写着什么？写的是RL Training Environment（强化学习训练环境）、Expert Data（专家数据）、Agent Evaluation（智能体评测）、Physical AI Data（物理AI数据）和World Model Data（世界模型数据）。

翻译成人话：以前大模型是小学生，你找几个兼职大学生给图片画个框、给文本打个分就能教它，那叫数据标注；现在大模型进化成博士生了，大学生教不了了，你得找真正的顶尖律师、主任医师、资深架构师来给它出题（Expert Data），还得给它搭一个能自己试错、自己跑代码的真实沙盒（RL Environment）。

连物种都变了，估值能不高吗？

据The Information报道，一家叫Matrices的环境公司，在2026年4月估值就已经达到了约7.5亿美元。放在别的赛道，7.5亿美金怎么着也算个准独角兽了；但在这张动辄百亿美金的千亿全景图里，Matrices居然只算个「挑战者」。

这个赛道的通货膨胀程度，可见一斑🤓

为什么投资人和模厂突然愿意给这些做环境、做专家数据的公司开出这么离谱的价码？

因为整个AI行业的底层逻辑变了。AI正从「缺模型」不可逆转地走向「缺数据」。

过去两年，全行业都在FOMO抢GPU，谁手里的卡多谁就是爷；但现在大伙发现，光有卡没用了，合成数据左脚踩右脚那是狗吃屎，预训练的公开语料早就被扒干净了。未来的决战，抢的是高质量数据、真实环境和有效反馈。

这时候，如果你是一家大模型公司的算法负责人或者数据采购，看着这张1000亿美金的全景图，你最应该焦虑的是什么？

首先你肯定得掂量一下中立性的问题。Scale AI的教训就在眼前，Google那2亿美元的预算说砍就砍，你敢把自家模型最核心的RL环境和数据需求，交给一个背后站着你死对头的供应商吗？

更关键的是，别再拿采购传统外包标注的逻辑去买今天的数据了。

Mercor为什么能值100亿？Surge AI为什么能年入10亿？因为普通人搓出来的简单问答对，对现在的基座模型来说已经是毫无营养的垃圾食品了。你今天买数据，买的不是「正确率99%的简单题」，买的是能让你的模型疯狂掉坑、能逼出模型能力边界的「高难度真实环境」。

如果一个数据包工头给你交上来的数据，你的模型一跑拿了个满分，那你这钱纯属打水漂了——模型全都会了，还训个锤子？

真正值钱的，恰恰是那些能把顶级模型干趴下的专家级数据和复杂环境。

这也是为什么现在国内懂行的头部大厂，都在悄悄换血自己的数据供应链。比如我们 DataMining，由北京大学计算机学院软件所博士生团队组建，之前就已经在深度服务字节、阿里、腾讯这几家大厂了。

我们干的就不是传统的拉人头标注，而是死磕高难度的软件工程（Deep SWE）类数据和环境。

怎么判断这种数据到底硬不硬？拿GPT-5.6-sol去跑我们的 Deep SWE 类数据，得出来的准确率（ACC）比同类供应商的数据直接低了15个百分点，而且整个交互轨迹长约20轮。

模型跑出来的准确率越低、交互轮次越长，说明这道题的真实度和复杂度越高，模型在这里摔的跟头越疼，强化学习能榨出来的智力增量就越大。

回到开头那句话。

当吃瓜群众还在为某场大模型发布会的PPT欢呼、为某个榜单上0.1分的差距吵得不可开交时，聪明钱早就顺着Deedy那张表，摸进了这个年入85亿美金、估值近千亿的地下赌场。

在这个从「缺模型」走向「缺数据」的新版本里，算力只是入场券。

谁掌握了能把模型逼疯的真实环境和顶尖大脑，谁才握着通往下一代模型的真正命门。

参考来源

#数商#专家数据#数据采购