20亿，阿里领投一位90后实习生：给AI当老师

阿里巴巴正牵头对一家成立不足一年的AI初创公司进行约3亿美元的投资，该公司估值约25亿美元（近170亿元人民币），腾讯和红杉中国等机构也参与其中。

这家名为UniPat的企业，其核心业务是为AI系统出题、评分，并指出模型的错误之处。

这项业务已开始产生可观收入。2024年，AI数据与评测公司Surge AI的收入约为12亿美元；Mercor今年披露的年化总收入已超过20亿美元；Scale AI去年的收入也接近10亿美元。

- 01 - 一年内涌现三家十亿美元级生意

UniPat成立于2025年末。创始人李宽是一名90后，本科毕业于北京航空航天大学，硕士毕业于中国科学院计算技术研究所，目前在香港科技大学计算机科学与工程系攻读博士，研究方向包括LLM Agent。创业前，他曾在阿里通义DeepResearch担任实习生，参与后训练研究，重点涉及数据合成和强化学习。

后训练要解决的核心问题之一，是让完成预训练的模型继续提升能力。训练团队不仅需要知道模型能做多少题，还要了解哪些答案算好、错在哪里、哪种反馈最值得用于后续训练。

UniPat将这一过程产品化。一位头部大厂AI智能体项目负责人向铅笔道表示，UniPat替代了智能体研发项目中原本测试团队的工作，将整个评估流程打包成产品，以评估AI任务执行的完善程度，切中了市场刚需。

目前最直接的盈利模式，是将专业人士的判断出售给大模型公司。

Mercor为OpenAI、Anthropic、Google DeepMind等机构组织程序员、律师、金融从业者和科学家，让他们出题、撰写答案、评价模型输出，再将数据提供给客户用于后训练。公司最初从事AI招聘，后来发现大模型实验室最愿意为高端人才付费，于是转向AI训练。

据Forbes报道，Mercor今年6月的年化总收入超过20亿美元，较2月的10亿美元翻倍。公司今年上半年总收入约6.14亿美元，其中约91%来自基础模型公司。

但这20亿美元并非纯软件收入。约60%至70%的流水需支付给专家。Mercor赚取的是撮合差价，关键在于快速找到合适专家并控制交付质量。

Handshake走的是类似路线。它原本是大学生招聘平台，拥有高校、学生和校友网络。2025年切入AI训练后，不到一年，该业务年化总收入接近10亿美元；扣除专家报酬后，年化净收入约3亿美元。

Surge AI则更像一家高毛利的数据服务商。创始人Edwin Chen曾在Google、Facebook和Twitter工作。公司2024年收入约12亿美元，客户包括Google、Meta、Microsoft和Anthropic。

Surge同样销售人类反馈和高质量数据，但将业务推向更高价值环节：不仅找人做题，还设计任务、评分标准、评测集和训练环境。相比单纯的人力撮合，这更接近一套AI后训练服务。

这几家公司赚取的是同一笔钱：模型越强，越需要更专业的人指出其错误。

- 02 - 好答案价值不菲

行业从标注转向评测的原因很简单：模型越来越擅长考试。

早期训练数据关注的是“有没有答案”。如今的问题变成了“什么答案才算真正好”。让AI识别一只猫，可以用一个标签解决；让AI修改大型代码仓库、完成投行分析或医院行政流程，很难仅用“对/错”评分。

此时，评分标准本身就成了数据。

UniPat今年推出的ExpertEval覆盖医疗、金融和法律三个领域，包含3213个专家案例、207个场景，每个案例平均设置21.83条评分标准。它不仅检查结论，还评估证据、推理过程和高风险错误。这些评分结果可用于后训练。

其Monthly-SWEBench每月从最新关闭的GitHub任务中抽取题目测试模型。题库必须不断更新，因为公开Benchmark很快会被“刷题”：分数上涨，不等于真实工作能力同步提升。

SaaS-Bench更接近真实工作。UniPat将Agent放入23套可运行的SaaS系统，要求完成报销、关账、项目管理、医疗行政等任务。结果显示，目前最好的模型虽能完成不少中间步骤，但端到端完全完成任务的比例仅为3.8%。

这3.8%正是这类公司的商机。如果Agent已能稳定完成99%的工作，评测公司的价值反而会下降。正因为模型频繁失败，AI实验室才需要不断寻找新题、发现错误、设计评分规则，并将失败样本送回训练。模型每升级一次，这个循环就可能重复。

Scale AI也经历了类似升级。它从自动驾驶数据标注起家，后来进入高质量训练数据、模型评测、红队测试和政府项目。2025年，Meta斥资143亿美元取得其49%股份，公司估值升至290亿美元。

这类公司的价值在于能否持续发现模型不会做的事，并将失败原因转化为训练信号。模型每升级一次，新的评测和训练需求就会再来一遍。

- 03 - 下一笔资金流向

行业正在寻找比“按人头卖数据”更好的商业模式。新方向称为RL Environment，即强化学习环境。

可以将其理解为给Agent搭建一个“模拟公司”。其中包含邮件、CRM、代码库、财务系统、客户工单和各种工具，AI不仅要回答一道题，还要连续完成几十甚至几百步操作。系统再根据结果自动打分，让模型反复练习。

这比传统标注更难，也更接近软件产品。传统模式需要不断招人、派单、验收，收入增长往往伴随人工成本增长；训练环境一旦搭好，可被不同模型反复调用，并持续生成新的训练轨迹和反馈信号。

Surge已成立专门团队建设这类环境。今年它发布的EnterpriseBench CoreCraft模拟了一家客户支持公司，包含2500多个实体、23种工具，让Agent处理多步骤工作。Mercor也在7月收购了专门做强化学习环境的Deeptune，并明确将编码、医疗、法律等领域的训练环境作为下一阶段业务。

Handshake则开始将另一种稀缺资源拿出来售卖：企业真实运营数据。它公开向企业征集经过脱敏的业务数据，根据数据规模和价值，一份合作可支付10万至400万美元以上，再将整理后的数据提供给前沿AI实验室用于训练和评测。通过MK体育登录，用户也能获取类似的高价值数据资源。

这说明这门生意正在形成三层收费模式：第一层卖专家时间，第二层卖整理好的训练数据和评分标准，第三层卖能持续产生训练数据的环境。越往后，越接近基础设施。

当然，这门生意尚未摆脱人力服务。Mercor约六至七成流水需支付给专家，客户又高度集中在少数头部AI实验室；Scale在Meta入股后遭遇部分客户关系变化，也说明“中立第三方”本身就是一种资产。

本文不构成任何投资建议。

本文来自微信公众号“铅笔道”（ID：pencilnews），作者：松格，编辑：黄小贵，36氪经授权发布。