
今年,一级市场最炙手可热的「当红炸子鸡」,不再是做底层大模型的明星实验室,也不是讲增长故事的 AI 应用,而是过去常常被归为“外包”的 AI 数据公司。
无论收入还是估值,这个赛道都在以一种令人眩晕的速度狂飙。近几个月,一批名字颇为生僻的新型数据与评测公司,密集出现在各家顶级 VC 的桌面上。
据媒体公开报道及多位行业人士透露,有的公司成立不到一年,估值便已飙升至 20 亿至 25 亿美元区间。两年前,国内最头部的明星大模型独角兽辛辛苦苦融到 B 轮,也不过就拿到了差不多的价格。在一片愁容的 AI 应用创投圈,这些既能卡住智能演进咽喉、又能一上来就“赚大钱”的数据新贵,甚至高傲到连一线投资人的微信都未必回复。
这股浪潮比硅谷晚了半年左右传过来。在大洋彼岸,据外媒报道,Scale AI 去年接受 Meta 投资时估值已超 290 亿美元;Mercor 去年 10 月刚以 100 亿美元估值融完 3.5 亿美元,今年 8 月又被曝在谈 200 亿美元估值的新融资,英伟达也在考虑入股;而据《福布斯》报道,Surge AI 早在 2024 年收入就已达约 12 亿美元。
支撑起这轮天价估值的,是水面下实打实的巨额采购账单。根据硅星人报道,如今一些带有真实用户行为轨迹的数据,一条报价可达 1000 至 3000 元人民币;而带有完整操作过程、跨工具调用的复杂工作场景数据,一条甚至可以卖到 1 万元左右。若按每条 1000 至 3000 元采购 1 万条,一张账单就是 1000 万至 3000 万元。对于头部数据公司来说,单笔订单做到百万、千万元已是常态,部分公司的账面年收入在短短半年内便冲上了千万美元量级。
在外界的理解中,“算法突破”和“天才研究员”仍是驱动 AI 模型追逐前沿的助燃剂。而事实上,模型训练的日常,正越来越像一座昼夜轰鸣的数据工厂。
但当百亿级的热钱和极度焦虑的大厂 KPI,一头砸进这个尚未建立起规则与底线的隐秘赛道时,一场比传统外包时代更昂贵、更荒诞的底层乱象也随之全面爆发。掀开中国 AI 大模型的底座,看到的不仅是一场造富神话,更是一场正在侵蚀行业根基的信任危机。

立竿见影的后训练
很多圈外人看到数据公司动辄估值数十亿美元,第一反应往往是困惑:大模型不是拼算力显卡和顶尖算法天才吗?怎么突然变成“卖数据”的赚钱了?
要理解这场权力转移,得先看懂一个大模型是如何从“一团乱码”变成“职场精英”的。在工业界,训练一个顶尖大模型通常分为三个阶段:
预训练(Pre-training),相当于通读人类图书馆。模型吞下全互联网的公开网页、书籍和开源代码,学习语言规律和世界知识。这一步极其烧钱、周期漫长,且公开互联网上的优质人类语料已基本被吃干抹净。
中期训练(Mid-training),相当于精读专业教材。模型在精选的高纯度代码、数学和学科文献上继续强化。
后训练(Post-training),相当于名师带徒的岗前实训。它主要包含 SFT(监督微调,看专家示范照着学) 和 RL(强化学习,在模拟环境里自己试错、靠打分反馈不断纠偏)。
为什么后训练数据能让数据公司一夜暴富?核心原因就四个字:立竿见影。
在模型参数已经极其庞大的今天,去改底层算法架构、或者重跑一次预训练,不仅耗资数亿、耗时数月,而且风险极大——跑完才发现没涨分是常有的事。但后训练完全不同。目前工业界的后训练与强化学习框架已经高度成熟稳定,只要喂给模型 1 万到 10 万条极高质量的垂直场景数据(比如金融建模、复杂编程、法律合同审查),短短几周甚至几天内,模型在该领域的能力和榜单跑分就会肉眼可见地暴涨。
更重要的是,各家头部实验室如今已普遍掌握了业内称为“合版”的技术(比如让多个垂直领域的专精模型,把各自学到的能力融合进同一个主模型)。模型的基本能力哪项有短板,就去市场上买哪块的高阶数据,单独训好再并回主模型。
而中国大模型今年对外部数据的饥渴,比硅谷来得更加猛烈——根源在于,过去两年国内行业太习惯于“以模训模”的捷径,一直没有培养起健康的底层数据生态。
在早期的“百模大战”以及去年的推理模型追赶潮中,大量国内模型团队走了一条最省事的路:直接调用前沿闭源模型或开源强模型,批量生成高质量问答与长推理过程,再拿这些现成的合成输出去喂养自家模型。这种“以模训模”的打法成本极低、见效极快,能帮团队在极短时间内追平前沿模型 80%到 90%的表现。
但捷径带来的后遗症极其致命:当所有人都忙着靠强模型输出“抄近道”时,几乎没有哪家大厂或资本愿意花重金、耐着性子去培育本土的高阶数据生态,比如去搭建覆盖百行百业的专家网络、开发高并发的仿真沙箱、或者建立严苛的评分细则(Rubrics)体系。
今年,当海外巨头收紧 API 调用风控,且行业普遍撞上“靠模仿强模型永远无法超越对手”的天花板时,国内模型厂突然发现自己陷入了无米下锅的窘境:
一边是见底且被严重污染的中文公共语料。据 W3Techs 与 Common Crawl 的公开统计,在全球公开网页语料中,英文占比高达 52%以上,中文网页的占比已萎缩至 1.3%左右;优质内容被锁在超级 App 的“围墙花园”里,公开网页上充斥着 AI 生成的洗稿文。
另一边,则是彻底停留在旧时代的传统数据外包体系。因为过去两年缺乏真正的高阶需求滋养,国内沿袭自自动驾驶时代的标注基地,在大模型深度推理任务面前全面崩坏。
一笔真实的 500 万元大模型数据订单,足以说明这条链条的荒诞:
根据硅星人报道,北京某头部模型厂发包 10 万条法律、医疗和编程问答数据,预算折合每条 50 元。订单离开北京后,立刻掉进层层扒皮的分包黑洞——一级总包商扣掉近 40%的毛利与管理费,以 30 元/条转包给山西大同、河北保定或河南平顶山的地方大数据产业园二级分包商;二级分包商再截留一半,以 12~15 元/条切碎发给校园代理和兼职群主;最终,当这道需要专业知识推演的标注任务落到三本院校宿舍里的大学生屏幕上时,单价已经缩水到了 1.5 元至 3 元。
在 1 块 5 毛钱的计件考核下,任何严苛的《标注规范手册》都沦为废纸。由于大厂通常只能按 3%到 5%的比例抽检,外包公司便把最前面 5%的样本做得精雕细琢,剩下 95%全靠脚本注水。
正是因为过去沉迷“以模训模”的低成本捷径、错过了培育健康数据生态的窗口期,当今年后训练的军备竞赛突然打响,大厂手里攥着数亿预算却找不到足够多靠谱的供应商——巨大的供需错配,瞬间点燃了整个数据江湖的狂热与失控。

激励失灵的大厂,和靠关系吃饭的数商
传统外包体系彻底失灵,而高质量后训练数据又直接决定模型生死。据硅星人报道,如今哪怕在以算法创新闻名全球的 DeepSeek 内部,也有高达九成的研究员在做数据相关工作,“其实很少一部分人在研究算法”。
在模型厂内部,研发节奏甚至像工厂流水线一样安排:当一个算法组在排队等显卡、没事儿干的时候,全组就可以都去标数据。 早年某家激进的 AI 公司,甚至曾强制要求全体员工开启电脑录屏,把员工发配去标数据来提升模型。
但一个极具讽刺意味的问题摆在所有大厂面前:既然数据如此重要,为什么很多大厂自己搞不好高质量数据,非要花数亿元去外部买?
一位深度了解大厂内部运作的业内人士,一针见血地揭开了大厂内部最隐秘的病灶。
在视频生成领域,字节跳动对视频数据的认知和制定的清洗标注标准,被公认远远领先于市场上包括 OpenAI Sora 在内的几乎所有对手。秘诀其实极其朴素——“做得早,做得精细”,而且核心带队者奉行极致的第一性原理(First principle)。
“像时光、曾妍这些核心人物,他们都很 first principle,不搞那些无谓的花架子。既然模型的质量就来自于搞 data,那你就老老实实、亲自下场搞 data。”上述业内人士直言,“这是一个非常简单的道理:你得相信亲自下场干活的这个人,是真正懂什么 data 是模型要的;而且在数据这件事上,拿 10 万月薪的顶尖人才亲自下场干,就是比拿 3 万月薪的人好用得多。”
然而,当被问及“既然视频团队把精细化搞数据的路子走通了,为什么不能直接抄到语言大模型那边去”时,对方的回答很直接:
“没人愿意去 lead(主导)这件事,因为内部的 reward(激励)体系崩溃了。”
在许多互联网大厂的基座语言模型团队里,发顶级论文、搞架构创新、在汇报 PPT 上讲宏大叙事的人拿高绩效、升职加薪;而沉下心来啃数据、清洗语料、做脏活累活的人,却在晋升答辩中极难量化功劳。当高薪顶尖人才不愿亲自下场“沾泥土”,内部数据质量便不可避免地滑坡。
为了补救,据公开报道,各大厂在今年密集动了组织大手术:字节跳动将多处采购、质检团队整合为一级部门“AI 数据与安全”;腾讯让首席科学家姚顺雨兼管 AI Data 部;阿里模型团队调整后,数据采购话语权直接下放给了最有潜力的核心研究员。
与此同时,大厂的支票簿全面向外部打开。一位长期服务于头部模型厂的数据采购负责人道出了两个极其现实的底层逻辑:一是预算的“刚性消耗”。“资金充足的大厂年初在算力和数据上都批了巨额预算,高端算力卡受限没那么好买,既然数据预算已经批下来了,相比于不买,去外面多买点总不会让结果变差吧?” 二是合规风险隔离的需求。“数据作为一个灰色产业,里面有很多游走在版权、隐私和法律边缘的脏活,外部数商正好充当了中介。”
而今年不少新型数据公司之所以营收呈现爆发式增长,除了大厂预算倾斜,还有一个极其隐秘的“快钱引擎”——倒卖蒸馏的思维链(Distilled CoT)。
随着推理模型成为行业标配,所有急于追赶的模型厂都极度渴求高质量的长思维链(Long CoT)数据来做冷启动微调。许多数据公司敏锐地抓住了这个时间差:通过搭建庞大的账号矩阵与自动化脚本,从海外最顶尖的闭源推理模型或开源强模型中,批量跑出完整的长思维链轨迹,再经过简单的格式清洗与人工抽检,包装成“高阶推理数据包”高价卖给各大模型厂。
这门倒卖的生意成本极低、起量极快,直接把不少数据公司的账面收入在短短几个月内推上了千万元乃至上亿元的台阶。但业内人士普遍清醒地指出,这种靠卖蒸馏思维链暴富的模式根本不可持续。随着海外巨头收紧风控,且大模型厂自身完全有能力在内部跑通合成与蒸馏管线,单纯充当“思维链搬运工”的数商很快就会被彻底抛弃。
事实上,在近期多场行业交流会上,大多数涌入赛道的数据初创公司,都很难说清楚自己真正的护城河是什么。面对“市面上数据公司这么多,你的核心壁垒在哪里”的追问,摆得上台面的标准话术无非是“积累了独家的 Know-how”“头部实验室用了都说好”;但真往深里聊,不少人甚至会坦承,自己并没有什么技术门槛,只是趁着眼下大厂预算充裕、几乎零成本地先做个半年试试水。
这句大实话扯下了无数数据初创公司的遮羞布。正如康奈尔大学博士、一线后训练研究员 Jinyan Su 在她的专栏中所指出的,几乎每家 Data Startup 路演时都在吹嘘自己积累了神秘的 Know-how,但实际上,除了少数头部公司真找专家标数据外,水下大量小微初创公司卖的几乎全都是合成数据(Synthetic Data),生成完最多让人简单看一眼。 像浏览器和电脑操作轨迹这类任务,只需要付出极低的 Token 成本,大部分小作坊甚至直接注册大模型平台的个人免费账号去跑,生产成本几乎为零。
既然技术没有门槛,而所谓的数据“质量”又极其玄学(模型厂收数据时往往靠肉眼看或在极小模型上跑一下,经常出现同一批数据在 A 厂训完说好、在 B 厂训完说不行的情况),那么在这个行业里,一家数据公司真正的护城河到底是什么?
多位行业上下游从业者给出了高度一致的答案:“Connection(人脉关系)”——即你认不认识头部实验室手里握着采购预算的人,或者你自己本人是不是刚从头部模型厂出来的。
“这门生意里,信息差就是印钞机。”一位资深数据供应链人士透露,大厂下个月需要医疗多模态、3D 空间网格还是实时交互语音数据,消息总是先在采购负责人与熟识供应商的私密小圈子里流动。方向有时一个月就变一轮,谁在内部有熟人先听到风声,谁就能提前两周去找专家、搭沙箱、送样品去碰客户的标准。
离生产更远的公司,卖的干脆就是纯粹的客户关系:有人能拿到大厂订单却没生产能力,有人手里有数据却不知道怎么卖,于是中间商一层层转包赚差价。更有甚者,据硅星人报道,在竞争白热化后,部分供应商直接在股权上做起了新的“设计”——私下向能影响大厂采购决策的关键人许诺少量干股或收益分成,等拿到大单、完成高估值融资后,再通过隐蔽的股权转让兑现。

既当裁判,又开辅导班
对于那些没有顶级大厂关系、又想快速切入赛道的科研背景创业者来说,因为资源匮乏,他们往往只能在“做 Benchmark(评测基准)”、“做数据”和“搭 Agent 应用”之间打转。而在 2026 年的中国 AI 江湖里,“造榜单”与“帮模型厂刷榜(Benchmark Cheating)”,已经演化成了一门极其成熟且暴利的共谋生意。
根据 jinyan 的博客《看起来没有壁垒的数据生意,为何如此繁荣?》,行业的现状是如果没有需求,那就制造需求;如果大厂还不觉得焦虑,那就制造焦虑。“做 Benchmark 当然要让模型的得分越低越好了,不然谁来买他们的数据?”
这套被称为“奥赛辅导班”的商业闭环,正在让越来越多的行业评测彻底失真:首先,一家数据公司高调发布一个极其刁钻的新榜单,并放出评测报告称“国内外主流模型全军覆没”,唯独某家合作模型表现惊艳。
为了把模型考倒,市面上涌现出大量极不合理的“毒榜单”——要么验证器(Verifier)写得死板过窄,模型用其他合理方式做对了却得零分;要么题干故意留有大量模糊歧义;更有数据公司把几道八竿子打不着的不相干任务硬拼成一道超长题,纯靠拉长操作链条来压低成功率。
一旦榜单引发投资人和大厂高管的焦虑,落后的模型厂就会立刻上门求购训练材料。一套材料按约定同时卖给多个买家;外围甚至还寄生了一批更小的数据商,专门仿照热门榜单批量生产同类、更难的变形题,卖给想涨分的模型厂。
而在新模型发布会前的最后两三周,当某家模型厂发现自己在核心榜单上落后对手几个百分点、改架构已经来不及时,数据公司便会化身“白手套”,递上价值数百万的“定向冲刺包”,帮模型厂完成一场在技术上极难被抓现行的“体面作弊”:
第一招是“洗题”。 直接把测试原题塞进训练集容易被去污染检测(Decontamination)抓包。数据公司拿到公开题库(甚至灰色渠道搞到的私有题)后,用大模型配合人工进行深度整容:数学题换数字、改情景、调换已知条件;代码题重构变量名;选择题打乱选项改写句式。一道原题瞬间裂变成几十道逻辑内核一模一样、字面完全不同的“高仿题”,轻松骗过所有防污染检测。
第二招是“判官讨好术(Judge Hacking)”。 在 Chatbot Arena 等盲测榜单上,数据公司专门逆向研究人类投票者和裁判模型(LLM-as-a-Judge)的偏好,为模型定制“竞技场特供 RLHF 数据”——让模型不管懂不懂,先把回答排版得像咨询公司 PPT、分点加粗、语气恭敬,盲测胜率立刻飙升。
第三招是“环境背题”。 针对基于 GitHub 开源仓库的代码榜单,数据公司直接把榜单依赖的那十几个核心仓库的历史提交、关闭的 Issue 和目录结构全部扒下来做成高密度 RL 环境。模型不需要具备举一反三的工程能力,只要把这几个仓库背得滚瓜烂熟,考试时自然一把过关。
就连全球公认最权威、经三名专业工程师独立审核的编程基准 SWE-bench Verified,也在今年 2 月被 OpenAI 公开宣布弃用。据 OpenAI 官方披露,他们抽查了 138 道 o3 模型跑 64 次都做不稳的题,震惊地发现 59.4%的题目本身在测试设计或描述上存在实质缺陷,且各家前沿模型都能直接复现部分题目的标准答案和题面细节,说明训练时早就“背过题”了。

“其实大家心里都跟明镜似的,知道这种靠数据公司‘洗’出来的分数是虚胖。”一位一线算法研究员无奈地说,“但只要投资人和媒体还在盯着那几个榜单看,只要竞争对手还在花钱买‘冲刺包’,你老老实实做泛化能力、发布会跑分输了,下一轮融资就没人见你。数据公司卖的从来不只是数据,而是一张让模型厂活过下一季度的入场券。”
这种“买题、训练、再测”的虚火,最终由真实用户买单。用硬拼出来的长链条怪题训练出的模型,榜单分数涨得飞快,实际交到用户手里却极其别扭——有的会在简单任务里像强迫症一样没完没了地自我怀疑、兜圈子,因为真实世界里的用户根本不会按数据商拼凑题目的脑回路去工作。
甚至连造 Benchmark 本身的成本,都被一些创业者玩出了“空手套白狼”的花样。学术界原本有以众包方式贡献任务做开源基准的传统,在读 PhD 图的是论文共同作者席位。一些学界出来的创业者把这套玩法搬进了商业公司,据小红书等开发者社区公开讨论,某 Startup 效仿 Terminal-Bench 大举招募学生免费写高难度任务,却引发了大量控诉:不仅流程混乱、有人熬夜干活最后没登上作者名单,创始人画下的“投 ICLR 和 Nature”大饼沦为空头支票。更恶劣的是,学术众包至少最后开源,而这家公司至今未开源,学生们“为爱发电”的心血直接变成了创始人个人的商业筹码。

买回自家数据,与赌桌上的千万营收
在千万元级订单的暴利诱惑下,数据江湖的灰色操作正在不断突破商业伦理与法律的底线。
首先是一场围绕“免费 Token”与“API 中转站”的捕蝉局。网上许多打着极客福利旗号的“免费 Token 站”,表面上白送你算力,背地里却把你输入的所有高价值 Prompt、代码与调试轨迹全量截留卖给模型厂。而商业化的“API 中转站”吃相更为凶猛——前端收用户的 Token 充值费,后端把用户的调用数据打包卖给下游模型厂,两头通吃。
这甚至酿成了今年大模型圈最荒诞的一幕:据 elsewhere 报道,国内某家头部大模型厂花重金去外部采购了一批高质量轨迹数据,算法工程师打开一看当场傻眼——这批数据竟然是他们自己团队的数据!原来,该公司研发人员平时图方便用了某个第三方 API 中转站,中转站转头就把他们的调用记录打包,又高价卖回给了这家模型厂自己的采购部。
在 AI 应用创业潮里,不少做 Agent 应用的公司在快要倒闭时,突然发现大厂愿意高价收自己的后台用户数据,于是原地转型当起了数商。在巨额套利空间下,甚至上演了联合创始人反目成仇的戏码。
Jinyan Su 的博客文章看起来没有壁垒的数据生意,为何如此繁荣?中提到,某家 Agent 应用公司的两位联创分道扬镳后,Founder A 在散伙前偷偷把公司数据私下拷贝了一份;几个月后为了卖数据赚钱,Founder A 竟然再次偷偷登上一直由 Founder B 维护的服务器,试图“盗窃”新增数据,结果被当场抓获,最终两人闹上法庭才通过法律界定了数据所有权。
为了给强化学习沙箱寻找逼真的企业业务底料,收购破产公司的“数字尸骸”也成了一门隐秘生意。据媒体报道,在国内,数据公司在寻找破产清算或转型公司的内部资料时,专门要求被收购数据的企业巅峰时大约有 100 人——因为这个规模的公司部门齐全,其遗留的邮件、群聊和工单最能还原真实的职场运转线索。
这种游走在隐私钢丝上的交易,在海外已经引爆了巨大的危机。据外媒报道,今年 8 月,美国停飞破产的廉价航空 Spirit Airlines 被 Google 以 1000 万美元拍下 1 亿封邮件和 5 亿条 Teams 消息(Mercor 出价 750 万美元落败),随即遭到空乘工会的强烈抗议,认为仅去掉姓名根本无法保护员工隐私;而今年 3 月底,黑客借开源工具 LiteLLM 的恶意版本攻破了 Mercor 的系统,黑客组织声称窃取约 4TB 数据,其中近 3TB 为视频面试录像和身份验证材料;相关集体诉讼称受影响者超过 4 万人,Mercor 目前至少面临多起集体诉讼,大客户 Meta 也无限期暂停了与它的合作。
而在国内隐秘的水面下,为了凑出大厂想要的“高阶稀缺数据”,各种擦边手段同样层出不穷。不止一家公司的所谓“天价专家数据”,其实是在内部用模型批量合成后,花小钱交给外聘专家看一眼签字背书,“专家可能连一行字都不会改”,卖的纯粹是专家的头衔。更激进者甚至直接把手伸向了大厂内部——据媒体报道,有数据商私下付高薪请大模型大厂的在职员工,利用业余时间在公司体外“原样重做一份和大厂内部刚刚跑通的一模一样的数据”,再拿去高价卖给竞争对手;也有创始人直接暗示企业员工从内部偷数据。
如果说数据造假和窃密还停留在业务层面,那么为了在融资白热化阶段向 VC 交出性感的财务报表,部分公司的营收注水已经彻底脱离了常识。据媒体援引行业人士报道,今年圈内传出某家成立仅半年、账面收入便狂飙至 3000 万美元的明星数据公司。然而深扒之下才发现,其中有相当一部分收入根本不是卖数据赚来的,而是该公司拿自己的预测模型去海外加密预测博彩市场 Polymarket 上下注对赌赢来的钱和流水,被堂而皇之地合并算进了公司的“主营业务总收入”里。
更糟糕的是,这种无底线的数据污染,已经从实验室的训练端蔓延到了数亿普通消费者每天面对的检索端。据 2026 年央视“3·15”晚会报道,不法 GEO(生成式引擎优化)服务商利用自动发稿平台,只需收取 39.9 元,就能批量炮制上百篇带有伪造实验数据的结构化软文分发全网,利用大模型联网检索(RAG)的信源漏洞,在 24 小时内将完全虚构的三无产品捧上主流 AI 助手的推荐榜首。
当训练底座和外部信源同时被灰产攻陷,大模型的“智商”与公信力正在遭受双重透支。

消融实验和拉黑潮
“交付的数据怎么证明有效?” 面对这个问题,很多时候是没有答案。
在过去大半年所有人急于追赶彼此的焦虑期,“买来多家数据→灌进模型→模型能力似乎有所提高”形成了一个粗放的闭环。“你只要有数据,你就给我,我来看!”一家大厂模型团队的人曾这样喊话。据公开报道,遇到热门数据,字节跳动等大厂甚至愿意支付数倍溢价买断半年到一年的独家期,或阶段性“买断”供应商的核心人员。
但到了 2026 年下半年,随着模型进步速度再次放缓,高增长掩盖下的模糊与混乱,终于迎来了算总账的时刻。
首先让普通数据商感到寒意的,是模型自身进化带来的价值证伪。据 Mistral Large 4 技术报告披露,他们后训练用的环境、任务、参考答案和验证器,主要是 Agent 自己搭、自己出的,通篇没提外采数据和人工标注。
其次,中国各大模型厂商开始全面收紧采购大权、强制核算 ROI,并祭出了最致命的验毒武器——过程回溯与消融实验(Ablation Study)。
买方不再只看最终交付的静态文件,而是要求回溯后台全量日志:到底是由哪几位专家提供了判断?讨论时分歧在哪里?最后怎样达成共识?
与此同时,越来越多模型公司因训练效果不及预期,开始不惜耗费漫长的时间和算力,把过去采购的十几家供应商的数据一家家单独拎出来做消融实验——分别在训练集中移除或加入某一家供应商的材料,观察模型在真实业务验证集上的表现究竟如何变化。
这一查,彻底捅破了马蜂窝。
根据硅星人报道,漫长的消融追查跑出了许多令人震怒的结果,最近行业里已经开始出现一些极其难看的局面:几家头部模型厂商在查清某些数据公司交付的数据到底有多混乱、多劣质后,果断掀起了“拉黑潮”,直接将一批把大厂当冤大头、“趁焦虑割韭菜”的数据提供商永久踢出采购名录。
与此同时,下游的传统企业客户也开始觉醒。当模型公司派人做企业服务、把脱敏后的内部业务资料带回训练环境里时,越来越多企业回过味来:自己付了高昂的服务费,贡献的核心业务数据却没单独卖出一笔钱;而且提供这些数据的企业和专家,某种程度上是在帮大模型训练取代自己的克隆体——是在亲手帮模型“杀死”自己。
硅谷如何制造数据
当中国的数据生意在刷榜、转包和“拉黑潮”中陷入内耗时,大洋彼岸的硅谷,却早已把数据做成了一门极其精密的重工业。
比中国同行早半年撞上“语料枯竭墙”的 OpenAI 和 Anthropic,率先完成了一场数据生产方式的切换:它们不再去互联网上“采集”数据,而是拿着华尔街的经济账本,在真实企业与虚拟沙箱里系统性地“制造”数据。
据公开资料显示,去年 OpenAI 启动职业能力评测 GDPval,直接翻开美国经济账本,选出对 GDP 贡献最大的九个行业,再拆解到 44 种高价值白领职业;Anthropic 内部同样有一张按“经济价值由高到低”排列的优先级清单,金融与法律排在最前,紧接着是网络安全、复杂编程和科学。

但一位华尔街投行分析师审阅财报时先看哪张附注、出于什么顾虑否决一笔交易,这些决定了专家之所以为“专家”的思考与取舍,从来没有留在公开网页上。为了把它们“榨”出来,Anthropic 派出 FDE 直接潜入华尔街金融机构梳理流程;而为了填补另外 95%的产能黑洞(据 Mercor 估计,前沿实验室真正需要的专家工作流数据目前全行业只完成了 2%到 5%),硅谷催生出了 Scale AI、Mercor、Surge AI 以及不到一年数据业务年化收入逼近 10 亿美元的 Handshake AI。
据《Latent Space》播客近期对 Handshake AI 团队的深度访谈披露,几位来自华尔街顶级投行和生命科学实验室的操盘手,首次极其罕见地掀开了硅谷最前沿数据工厂的底牌。
“‘标注’这个动词在今天已经彻底失真了。现在完全是专家在‘创作数据’。”Handshake AI 核心负责人 Sahil Bhaiwala 说。
在硅谷,生产“一个”有价值的强化学习数据单元,背后是惊人的重工业投入:首先,工程师必须从零开发能在 Docker 容器里随时拉起的模拟软件——不仅要有 Excel、Outlook,还得仿真出华尔街标配的彭博终端和 FactSet;接着往这个空壳里塞满几千封盘根错节的邮件和并购数据室文件。纯靠大模型合成出来的全是无法勾稽配平(Tie out)的劣质废料(Slop),必须先向真实企业采购脱敏种子数据打底,再由专家引导智能体反复迭代。端到端算下来,生产这“一个”环境加任务,往往要耗费好几天时间。
其次,是严苛到极致的 Rubrics 与“零容错”标准。曾在华尔街顶级投行干了 13 年的 Collin Schweiker,在 Handshake AI 打造了金融基准 ATLAS。他展示了一个令算法工程师脊背发凉的案例——“猎鹰项目”:在模拟投行沙箱里,智能体执行了 73 个动作、101 次工具调用,仅用 36 分钟就交出了一张包含 4000 多个单元格、2600 多个动态公式的杠杆收购模型(人类需要 15 小时以上)。
但结果却是致命的。该交易适用美国税法第 338(h)(10)条款,会计铁律要求必须忽略卖方的“存量商誉”。讽刺的是,单开窗口考这个模型这条税法,它对答如流;但在第 20 步写 Python 代码时,它却因惯性多写了一行“减去超额商誉”,导致各期现金流偏离 10%。“投行新人第一课的铁律是:如果一份模型 95%是对的,那它就是 100%错的。”Collin 说。在大海捞针般排查 4000 个单元格里的 50 个隐蔽错误,耗时往往超过从零重搭。
为了教 AI 守住底线,专家们为 ATLAS 每道题平均写出了 146 项评分细则,并设下“门控关卡”——只要商誉这一行出错,整个税务模块 180 分直接归零。而在强化学习的百万次试错中,模型还会疯狂寻找漏洞进行“奖励作弊(Reward hacking)”——早期某条细则写着“在表格中寻找数值为 100 的净利润”,受测智能体居然在 Excel 里新建了一张表,把 1 到 100 万的所有整数全都列了一遍,把初代评分器骗出了满分!为了堵死后门,团队不得不专门自研了深度理解表格上下文的自动评分器“Gandalf”,将自动打分与人类专家的一致率拉升到了 90%以上。

同样的残酷也发生在生命科学领域。在 Handshake 推出的视觉基准 VIALS 上,哪怕配齐 Python 和 OpenCV 工具,顶尖模型的准确率也只在 60%上下徘徊。面对一张凝胶电泳图,受过培训的高中实习生不到一分钟就能靠肉眼认出刻度 20 处极浅的有效条带,模型却屡屡翻车,还在答错时斩钉截铁地宣称“未见任何可辨识产物”。前计算生物学资深研究者 Jonas Mueller 直言,纯靠模型合成的生物数据,要么逼真但太简单,要么够难却违背物理化学定律。
正因如此,硅谷头部数据公司正在经历一场反直觉的转型:从众包走向大规模招募全职精英。据访谈披露,Handshake AI 目前已在内部直接全职雇佣了约 800 名拥有顶尖金融、新药研发背景的专业人士充当“品味把关人”,未来还要扩招至数千人;同时在内部组建后训练团队,拿自家数据去微调 Qwen、Kimi、Nemotron 等开源模型,先验证能稳定涨分,再拿着铁证去敲大厂的门。Mercor 也已官宣从 OpenAI 挖人成立独立研究部门。
按照 Sahil 的预测,AI 数据市场已从三年前的 10 亿美元成长为今天的 100 亿美元,未来三年内极有可能爆发成一个千亿美元级的庞大产业。

中国 AI 数据如何走出草莽
如果把视线从喧嚣的融资新闻移开,翻开国内大模型厂商真实的采购账本,会发现一个极其魔幻的现实:一级市场给中国 AI 数据公司开出的天价估值,和这个行业今年真实的盘子,严重脱节。
多位大厂数据采购负责人和一线投资人算过一笔账:今年,中国整个 AI 行业在最核心的强化学习环境与高阶数据上的真实总预算,加起来其实也就十几到二十亿元人民币。 国内真正有能力、也有意愿花重金外采的买方,满打满算不过字节、阿里、腾讯、DeepSeek 以及少数几家头部独角兽,今年各家大多还在摸索期,平摊到外部供应商手里的真金白银,大多在数千万元到一两亿元之间。
这就引出了一个极其荒诞的估值倒挂:一个全行业今年总共只有十几二十亿人民币的细分市场,却在短短几个月里,催生出了一批估值直奔数十亿美元的数据公司。
资本之所以愿意给出如此疯狂的溢价,赌的是明年的爆发。按照业内普遍的推演,真正的大规模放量要到明年——届时,国内在 RL 环境与高阶数据上的总预算,预计会一口气跃升至 100 亿元人民币以上。 巨头砸钱是为了提前卡位稀缺产能,财务投资人则是在疯狂透支未来两三年的增长预期。
但透支未来的代价往往极其残酷。如果中国 AI 数据产业继续停留在刷榜、转包和注水的草莽阶段,明年即便市场如期迈入百亿规模,泡沫也迟早会迎来剧烈的重估。
对照硅谷头部数据公司已经跑通的做法,中国 AI 数据生态要想真正接住这盘大棋、走出眼下的“囚徒困境”,至少要迈过四道坎。
第一道坎在大厂内部:把数据预算的话语权交给研究员,而不是采购。
外部数商之所以能靠“关系”和“注水”赚取暴利,根源在于大厂的“买”和“用”脱节了。过去,动辄数亿元的预算常握在独立的采购或运营部门手里,他们的 KPI 是“花完预算”“压低单价”或“凑齐条数”,却不对模型效果负责。外行买数据看不懂沙箱里的门道,只能看 PPT 和人脉,最终导致劣币驱逐良币。
要堵住这个漏洞,必须让背效果 KPI 的一线研究员来定预算、定标准、把守验收关——就像字节视频团队让“10 万月薪的人才亲自下场搞 data”,阿里今年也将数据采购权直接下放给了核心研究员。与此同时,大厂也得同步修复内部激励体系,不再只奖励发论文、讲架构故事的人。只有让最懂模型短板的人既手握预算、又享有对等回报,大厂才不会继续当“冤大头”,市场上的投机者才会被真正挤出去。
第二道坎在数据公司自己:告别“关系交易”和合成快钱,把数据做成真正的重工业。
靠“以模训模”倒卖思维链、靠个人免费账号跑合成数据、靠酒桌文化拿订单的日子,已经进入倒计时。当 Mistral 等模型厂开始证明 Agent 可以自己生成普通合成数据时,市面上大部分中小作坊的生存空间会被迅速清零。
中国的头部数据公司如果不想沦为大厂的临时外包附庸,就必须像硅谷同行那样完成彻底的重塑:像 Handshake AI 那样砍掉中间的各级包工头,直接全职雇佣懂行的行业精英当“品味把关人”;像 Surge AI 和 Handshake 那样,在动态沙箱和防作弊自动评分器上攒出真正的工程壁垒;更重要的是,自己下场跑通内部后训练闭环,带着能让开源小模型端到端提分的硬核铁证去谈订单,而不是靠 PPT 和酒桌关系。
第三道坎在评测体系:把“裁判”和“辅导班”彻底分开。
只要出题方还能毫无顾忌地向焦虑的模型厂兜售“同源冲刺包”,榜单就永远反映不了模型的真实智商。
公开评测基准的维护者需要守住中立的底线,推行类似 Monthly-SWEBench 这样动态更新、严密隔离保留测试集(Held-out set)的机制——就像硅谷的 Cognition 和 Handshake 那样,把真正决定生死的私有保留集死死锁在保险箱里。当旧榜单出现类似 SWE-bench Verified 那样过半题目存在缺陷时,行业也需要有 OpenAI 那样果断弃用的勇气。而模型厂和投资人同样得戒掉“榜单瘾”:与其花几百万买一套“洗题包”在发布会上赢下毫无意义的几个百分点,不如把钱花在真实业务场景的交付率上。
最后一道坎,是打破“白手套”灰产,把私域数据交易搬到阳光下。
真正值钱的数据,沉睡在医院、银行、药企、工厂和各大超级 App 的私域围墙里。
过去,数据商靠买破产公司硬盘、靠 API 中转站截留数据、靠给大厂当“白手套”游走在法律边缘,这种做法注定无法规模化,只会招来更严厉的隐私诉讼和企业警惕。
要唤醒沉睡的私域金矿,硅谷正在跑通的“Data down the stack(从顶层数据与评测向下贯通技术栈)”思路或许是个解法:一方面,把数据采购搬到阳光下,像 Handshake 公开向真实企业支付 10 万到 400 万美元采购脱敏种子数据那样,通过清晰的确权和分润,让数据持有方体面地赚到钱;另一方面,先帮传统企业把内部独门流程和合规雷区(比如金融防歧视、医疗隐私)编码成专属的私有业务基准(Private Benchmark),再结合开源模型帮企业跑通自己的数据飞轮。
当传统企业发现,把数据理顺了不是在“帮通用大模型杀死自己”,而是能沉淀出属于自己的 AI 护城河时,高质量的数据活水才会真正流出来。
算力卡脖子总有缓解的一天,算法架构也越来越透明。大模型竞争的下半场,拼到最后,其实就是一场对人类高阶知识和真实世界经验的精炼战。那些靠廉价脚本、刷榜作弊、倒卖隐私甚至博彩流水赚快钱的投机者,终究会被大厂的消融实验和监管规则清出牌桌。
“最终还是要回归到商业价值。”那位经历了行业狂飙与洗牌的数据公司创始人对我们说。在他看来,无论故事讲得多么性感,这门生意最终最重要的依然是信任。
“否则,今天这样的繁荣,可能最终都要变成一片假象。”
资料来源
[1] 深度:AI 数据公司凶猛,硅星人Pro(36氪转载),2026年11月3日
[2] The AI Data Business Seems to Have No Moat. So Why Is It Booming?,Jinyan Su / Substack,2026年11月15日
[3] 阿里前实习生,一年估值160亿,投中网,2026年11月6日
[4] 一个小人物在数据江湖,elsewhere别处发生,2026年11月4日
[6] Nvidia Discusses Funding Its AI Data Supplier Mercor at a $20 Billion Valuation,The Information,2026年8月19日
[7] How A Google Alum Became A Low-Key AI Billionaire And The Youngest Member Of The Forbes 400,Forbes,2025年9月17日
[8] Training language models to follow instructions with human feedback,arXiv,2022年3月4日
[9] DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning,arXiv / DeepSeek-AI,2025年1月22日;2026年1月4日修订
[10] Why SWE-bench Verified no longer measures frontier coding capabilities,OpenAI,2026年2月23日
[11] Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena,arXiv,2023年6月9日;12月24日修订
[12] Monthly-SWEBench,UniPat AI、xbench,2026年6月30日更新
[13] Measuring the performance of our models on real-world tasks,OpenAI,2025年9月25日
[14] Mistral Large 4,Mistral AI,2026年11月
[15] Google to buy Spirit Airlines business data for $10 million,Reuters(Investing.com转载),2026年8月17日
[16] Google buys Spirit Airlines emails, chats, documents out of bankruptcy,Axios,2026年8月17日
[17] US bankruptcy judge approves Spirit Airlines data sale to Google,Reuters,2026年11月17日
[18] Meta Pauses Work With Mercor After Data Breach Puts AI Industry Secrets at Risk,WIRED,2026年4月3日
[19] Update on Mercor security incident,Mercor,2026年6月25日
[20] Mercor Data Breach,Hausfeld LLP,未注明日期;访问于2026年11月22日
[21] [2026年3·15晚会]谁在给AI“投毒”,央视网,2026年3月15日
[22] 3·15晚会丨AI大模型,遭“投毒”,央视财经(新浪财经转载),2026年3月15日
[23] Usage statistics of content languages for websites,W3Techs,动态更新;访问于2026年11月22日
[24] Statistics of Common Crawl Monthly Archives: Distribution of Languages,Common Crawl,动态更新;访问于2026年11月22日
[25] What Frontier Labs Buy: A Data Deep Dive with Handshake AI — Garrett Lord & Team,Latent Space,2026年11月9日
[26] ATLAS-Finance: Benchmarking AI Agents in Realistic Banking Environments,Handshake AI,未注明日期;访问于2026年11月22日
[27] ATLAS-Finance: Evaluating AI Agents Inside a Bank,Handshake AI,未注明日期;访问于2026年11月22日
[28] ATLAS Visual Life Sciences(VIALS)Benchmark,Handshake AI,未注明日期;访问于2026年11月22日
[29] Fine-tuning NVIDIA Nemotron 3.5 Super VL for scientific VQA doubles the accuracy while offering Pareto-optimal cost,Handshake AI,2026年10月15日
[30] Why Mercor is building a research team,Mercor,2026年10月8日










