一家专注于AI数据业务的企业，年收入激增16倍，并成功融资3.5亿美元。

这家公司名为Snorkel AI。过去它主要提供AI标注软件，但从2025年起，开始直接向AI企业销售训练数据。

一年前，Snorkel的年化收入大约为2000万美元。如今，这一数字已突破3.5亿美元。9月22日，该公司完成了3.5亿美元（约合人民币23.5亿元）的E轮融资，估值达到35亿美元（约合人民币235亿元）。

以往的数据标注工作，常见的是为图片中的汽车画框，或为文本添加标签。而现在，前沿模型需要程序员设计复杂的代码任务，也需要律师、医生和博士来判断模型究竟在何处出错。

随着大模型越来越智能，AI公司缺少的已不仅仅是“更多数据”，而是“更困难、更专业、能让模型持续进步的数据”。Snorkel正是销售这类数据。

数据销售带来收入飙升

Snorkel起源于斯坦福大学的实验室。

2015年，亚历克斯·拉特纳（Alex Ratner）还在斯坦福攻读计算机博士学位。他当时不到30岁，本科在哈佛学习物理，之前有过一次失败的创业经历。

某天，导师克里斯托弗·雷让拉特纳研究一个看似不起眼的问题——斯坦福医学院等机构拥有大量数据，却无法投入时间进行逐条人工标注。

拉特纳和团队开发了Snorkel项目：专家无需亲自标注数万条数据，而是将自己的判断写成规则，再由机器批量标注数据，随后即可使用。

这个项目在斯坦福AI实验室进行了4年多。2019年，团队将项目从实验室独立出来，成立了Snorkel AI。雷也成为了Snorkel的联合创始人。

（顺便提一下，SambaNova和Together AI这两家超级独角兽，也有雷的参与。）

公司最初将这技术作为软件销售给企业，核心产品Snorkel Flow帮助谷歌等客户自行生成、整理和管理训练数据。

到了2025年，Snorkel的业务模式发生了变化。

拉特纳发现，客户不再仅仅购买软件来自己处理数据，而是直接将问题交给Snorkel：代码为何运行失败、一份法律意见是否遗漏了关键风险、或者一道物理推理题究竟错在哪一步。

Snorkel转变了角色，成为辅导老师。公司负责寻找专家、设计任务、制定评分标准、进行质量检查，最终交付可直接用于训练的数据和强化学习环境。

这项新业务推出不到一年，Snorkel的年化收入就从约2000万美元增长到3.5亿美元以上。公司目前服务的对象包括前沿AI实验室、云服务商、大型企业和美国政府。

最新盈利趋势：为AI评分

一批销售高质量数据的公司正在兴起。

例如Micro1，它最初从事AI招聘。后来公司发现，数据客户正通过其平台寻找工程师，让这些工程师为模型执行训练任务，于是直接进入了AI数据业务。

2025年底前后，Micro1的年化总收入约为1亿美元。到今年8月，这一数字已达到5亿美元。它现在组织医生、律师、科学家等专业人士，为AI公司生产训练数据。

还有Handshake。

这是一家运营了十多年的美国高校招聘平台。AI训练需求兴起后，这张高校人才网络有了新用途：律师检查法律回答，医生判断医学推理，博士为模型设计专业难题。

这项业务刚起步时，Handshake的年化总收入仅为500万至1000万美元；今年1月达到5.5亿美元，到4月已接近10亿美元。扣除支付给专家的费用后，相关年化收入接近3亿美元。

Snorkel、Micro1和Handshake原本的业务各不相同，但收入快速增长都发生在一个变化之后：开始直接为AI公司生产训练数据。

Turing最初依靠远程软件工程师招聘和人才匹配起家，后来成为大模型厂商的训练数据供应商，客户包括OpenAI、Google、Anthropic和Meta。

2025年初，Turing披露，上一年收入达到3亿美元，是此前的3倍，并且已经实现盈利。单条复杂训练数据的成本，甚至可以达到数百美元。

和Snorkel一样，这些公司本质上就是为AI出题、评分。

为什么一道题能值几百美元？因为真正懂这个领域的人，成本很高。

Turing因此建立了一个超过400万人的专家网络，其中包括程序员和博士。需求量同样很大，Meta训练Llama 3时使用的人工标注数据超过1000万条。

Mercor将这门生意推向了更大规模。

这家公司2023年成立时也从事AI招聘，后来开始组织物理、金融、软件工程等领域的专业人士，为模型公司回答问题、设计任务和评估输出。

今年6月，Mercor的年化总收入已超过20亿美元，比年初翻了一倍。不过其中大约60%至70%需要支付给专家和承包商，对应的年化净收入约为6亿至8亿美元。

Snorkel一年超过16倍的收入增长表明，模型公司对复杂数据的采购仍在快速增加。

这门生意在国内也已出现。

海天瑞声是国内较早从事AI训练数据的上市公司。2026年上半年，公司实现营业收入1.92亿元，同比增长22.45%；归母净利润977万元，同比增长156.87%。

更有意思的是不同数据业务的成本构成。

半年报显示，上半年海天瑞声训练数据定制服务收入约1.33亿元，成本约9322万元；训练数据产品收入约3582万元，成本仅为约27万元。公司解释，定制服务的数据无法重复销售给其他客户，而拥有自主知识产权的标准化数据产品开发完成后，可多次销售授权。

这两类业务的成本结构差异巨大。

最昂贵的数据，越来越依赖真正的专业人士。

如果收入增加一倍，同时需要增加一倍律师、医生和程序员，规模虽能扩大，但利润未必同步增长。

这也是数据公司下一步需要计算的一笔账：专家数据需求仍在增长，但如果每收到一笔钱都要重新组织一批人，收入越大，人力成本也随之增加。如果能将专家经验转化为可重复销售的数据产品、评测系统或强化学习环境，赚钱方式就会发生改变。

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