英伟达之外,AI数据公司为何难成下一座金矿?

资讯 36氪 全文 6013 字 · 约 16 分钟读完 配图 7 张 分类英伟达

死公司值千金,活网页如草芥

所属频道 算力与芯片

阿里今天推出 Qwen4-Max。发布材料里展示的不只是答题和写文字,还包括做金融投研底稿、梳理法律尽调材料、规划汽车产线。团队同时亮出 Work360 行业基准,用来衡量模型完成复杂专业任务的水平。

英伟达之外,AI数据公司为何难成下一座金矿?(配图 1)

这些演示还有待真实场景检验。不过它们指向同一个问题:想让 AI 交出专业成果,该拿什么材料教它,又靠什么判断它做得对不对?

大洋彼岸的一笔交易,给这个问题标出了具体价格。Google 出价 1000 万美元,竞购停飞航空公司 Spirit 留下的部分内部数据,涵盖邮件、聊天、文档以及部分软件。公司没能继续经营下去,员工多年处理订单、协调业务、解决问题积攒下的记录,却迎来了新买家。

这恰恰是 AI 学干活时最缺的东西。但买下邮件不等于买到了经验。哪些记录能合法使用,怎么从中提炼出任务,如何判断模型做得对不对,样样都得重新处理。

互联网是人类“读过的书”,Agent 要学的却是人类“做过的事”。

前几年,科技巨头砸下重金买 GPU、建计算集群。如今它们还得替机器找新的学习材料。算力投入看不到头,可光有更强的计算能力,已经答不了下一个问题:怎么让 AI 真正学会工作?

铲子之外,还得找矿

淘金热这个故事,被拿来解释过的科技生意太多了。淘金的人未必发财,卖铲子、卖牛仔裤的倒是赚了钱。可铲子卖得再好,撑起这门生意的终究还是矿里有金子可挖。

个人端着淘金盘碰运气的年代过去后,有矿权、有资金、有设备的大型矿业公司慢慢接过了这门生意。一百多年后,上世纪初成立的纽蒙特已是全球最大的黄金生产商之一。2025年,公司净利润约 72 亿美元。淘金热总会退潮,金矿生意却能一直做下去。

眼下英伟达已经证明,卖铲子能赚多少钱。AI 数据公司(也就是专门给模型公司供应训练数据、训练任务和评测服务的第三方)惦记的,是把模型训练离不开的矿源攥在手里。

2020年,OpenAI 发表 Scaling Laws 研究:参数、数据、算力同步放大,模型表现就会沿着一条可预测的曲线往上走。

英伟达之外,AI数据公司为何难成下一座金矿?(配图 2)

这给 AI 产业带来了一种此前不多见的确定性——只要钱和算力够,就有机会沿着比较明确的方向把模型能力提上去,这就是 AI 时代的新矿脉。之后几年,英伟达靠 GPU、CUDA 和配套软件生态,成了最重要的受益者之一。去年 10 月,它成为第一家市值触及 5 万亿美元的公司,也因此常被叫作 AI 时代的卖铲人。

可铲子能卖多久,说到底还得看金矿能挖多久。

2022年,DeepMind 训练的 Chinchilla 只有 700 亿参数,吃了 1.4 万亿 token,却打赢了 2800 亿参数的 Gopher。这说明 GPU 更多,不代表训练效率一定更高。数据量不够、配比不合理,同样是在糟蹋昂贵的计算资源。

Epoch AI 在 2024 年估算,按当时的扩张势头,模型训练可能在 2026 至 2032 年间把现有公开人类文本资源用尽。2024 年底,Ilya Sutskever 在 NeurIPS 上把数据比作 AI 的“化石燃料”,而互联网只有一个。

2026年的互联网上,每天仍有新的网页、代码、视频和音频冒出来。模型可以反复使用已有数据,也能靠合成数据和新的训练方法继续进步。问题是,容易拿到、质量够高、又能明显提升前沿模型能力的公开文本,不可能永远按过去的速度增长。

中文语料这摊子事更难办。微信、抖音、小红书各建各的账号围墙,优质内容大多锁在里面,爬虫根本进不去;要拿到授权,还得再花一笔钱做清洗和整理。有行业人士提到,早些年为了攒出足够多的高质量文本,有人成批买回旧书,拆开装订,一页一页扫。

这一点上,理查德·萨顿的眼光比大多数人超前。2019年,这位强化学习之父写下了《苦涩的教训》,主张别再往模型里手工灌人类知识,该把筹码压在通用算力上。到了2025年,他又与 DeepMind 的大卫·席尔瓦联手发表《欢迎来到经验时代》,提出人类数据这口井已接近抽干,下一阶段的智能要从 AI 自身在环境中的行动和反馈里长出来。

o1和DeepSeek-R1 先啃下数学与代码,是因为数学题有答案,代码能跑测试,模型在反复试错中拿分、涨分。Andrej Karpathy 去年 11 月说得更直白:传统软件自动化的是能写出规则的事,神经网络自动化的则是能验证结果的事。

但经验不会凭空冒出来。

AI 要反复练习,先得有能操作的环境、明确的任务目标,以及判断结果好坏的标准。数学和代码相对好办,企业工作却很难整理成这种形式。

比如一名采购经理收到供应商的延期通知,得判断是否影响生产计划、要不要换供应商、是否调整付款条件。同一份合同,法务、财务和销售部门的要求可能各不相同。

头部实验室正在补这个缺口。10月6日,OpenAI 宣布 GPT-6 Astra 是“第一个用 Ironclad 任务训练的前沿模型”。合同管理软件公司 Ironclad 提供了产品的托管环境,合同审批、条款配置这类流程被做成模型能反复练习、按评分标准打分的任务。

英伟达之外,AI数据公司为何难成下一座金矿?(配图 3)

这些数据被加工成任务、环境和评分标准,供模型反复练习。接下来的问题是:这座矿谁来开?一条路是模型公司自己造,也就是“自建”;另一条是向第三方数据公司买,也就是“外采”。后一条路,正是这两年快速升温的新行业。

数据公司,怎么突然这么值钱?

推荐平台能从用户的点击、停留和交易里不断拿到训练反馈。用户刷一次抖音、搜一次百度,就等于替平台标注了一次兴趣,飞轮自己转起来。推荐算法时代的字节,几乎是最不需要向外买数据的公司。

可到了 AI 时代,这套办法不总灵了。一位办公 Agent 产品经理对《新立场》说,用户留下的任务记录不少,真正能拿去训练模型的却不多,“有的时候,几万条里才可能用到几条”。

复杂的专业任务尤其如此。一次成功操作,未必就能教会模型。它还得知道中间做过哪些判断、哪里出过错,以及最终结果为什么对。

光靠用户顺手留下的数据不够,那就得花钱请人来做。

2009年,斯坦福大学李飞飞团队发表ImageNet研究。为了让计算机认出猫、狗、汽车这些物体,研究人员从互联网收集图片,再通过Amazon Mechanical Turk等众包渠道雇人逐张核对、标注。整个项目先后动用近5万名众包工人,数据集后来扩展到约1400万张图片。

那时候,人负责告诉机器一张图里有什么。十几年过去,AI公司花钱请人干的事,已经变成教机器怎么完成一份工作。

以前,互联网上的文章、图片和代码,就能提供大量训练材料。现在,AI开始学怎么干专业活。员工怎么处理例外情况、专家怎么作出判断、任务完成后怎么验收,这些内容很少完整地出现在公开网页上。

机器人是另一条战线。“纸上得来终觉浅”,互联网能教会机器人看图说话,却教不会它拧一颗螺丝。它得理解物体状态、动作顺序、操作结果,以及失败之后怎么重新尝试,这些材料很难像普通网页那样批量获取。

需求有了,钱自然就花出去了。

Mercor 是一家美国专家数据平台,任务是为 AI 实验室牵线各行业的专业人士,承担训练和评测工作。这家公司曾拿出 50 多万美元,请来有高盛、摩根大通、麦肯锡背景的专业人士完成 200 道任务,算下来平均每道超过 2500 美元。

英伟达之外,AI数据公司为何难成下一座金矿?(配图 4)

加州的另一家公司 Surge AI 则把力气花在给头部模型实验室供应高质量的人工标注和评测数据上,手下有一支数百人的专家顾问队伍。据媒体报道,需求最旺那阵子,部分模型厂光在编程数据这一项上,一天就能投进去超过 1000 万美元。

不过,这门生意眼下没有统一的计价单位,价差极大。

简单的图片分类、文本标注,一项只值几美分;数学家给AI出一道难题,却能拿到数千美元。Mercor 招放射科医生,时薪 200 到 400 美元,部分肿瘤学专家 450 美元。一家破产航空公司的邮件和聊天记录,被报价 1000 万美元。

数据的价格千差万别,做数据生意的公司,身价却在普遍上涨。

国内做专家数据的 Humanlaya 汇集了 10 万多名来自不同行业和学科的专家,今年获得鼎晖、红杉中国、今日资本的投资,估值接近 10 亿美元;评测与合成数据公司 UniPat 成立还不满一年,估值已到二三十亿美元。

海外的例子更极端。去年6月,Meta以约143亿美元取得Scale AI 49%的股权。Scale 成立于2016年,是美国最大的数据标注公司之一,最早做自动驾驶图像标注,后来成为头部模型公司的重要数据供应商。

资本肯出这个价,除了前面说的需求变化,还有一个原因:模型需要学的东西变了。

眼下,技术路线、数据处理、质量这几方面,各家已经很难再明显分出高下,模型发布的速度又摆在那里。谁手里能握着别人拿不到的训练材料,就多一分胜算。

数据越来越贵,卖数据却未必是门好生意

搜索和推荐的年代,数据是流量的副产品,多半挂在中台之下。现在,越来越多公司开始让模型负责人直接参与数据决策。

7月到9月,国内几家大厂的数据负责人接连调整。7月,小红书从DeepSeek陈官厅被挖来担任预训练数据负责人,他是早期核心成员。到了8月,字节将AI数据升级为一级部门,与Seed、Flow、抖音平级,寻源、评测、交付都归它统管;Seed内部则另设Pretrain Data部门。

阿里在9月23日的云栖大会上,由训练数据、专家生态、评测、具身数据四位负责人集体亮相。“认知原点计划”向医学、先进制造、金融合规领域开放1万个专家协同席位。5天后的9月28日,腾讯首席AI科学家姚顺雨又多了一个身份——兼任AI Data部负责人,模型、基础设施、数据三个部门,就此归到一个人手上。

英伟达之外,AI数据公司为何难成下一座金矿?(配图 5)

姚顺雨2025年写过《The Second Half》,文章的核心观点是:强化学习的配方逐渐成熟之后,下半场拉开差距的地方,在于怎么定义任务、怎么搭建环境、怎么设计评测。 DeepSeek走的是另一个极端。据《晚点》报道,梁文锋曾让一半的核心研究员亲自上手数据清洗、合成与标注。他算过一笔账:模型结构上差一倍,数据效率上再差一倍,合起来就要多耗4倍算力。

智谱同样把数据生产纳入内部流程。2024年,它已在海外配置数据采购团队,内部由张笑涵主导搭建标注平台“狂标”。语言模型和多模态模型团队轮训时,待训团队也要参与标注。模型发布前还得过两道测试:AI院查通用能力,交付团队按真实客户场景测评。

字节选的是自研路线。7月底的Seed全员会上,张一鸣明确表态:不蒸馏竞争对手的模型,自研到底。不靠蒸馏对手的输出,就意味着Seed得更多仰仗自有研发、真实任务和数据生产体系来攒能力。

不过,自研不等于不买。

一边坚持自研,字节一边也是外采大户:世界模型、影视母带、编程数据、专家网络是几条主要外采方向。有数据供应商透露,字节在世界模型数据上的投入,达到同行的3到4倍。

大厂外采,买的正是第三方数据公司的服务。按数据类型粗分,这些公司有三类:传统训练数据服务商、专家与专业任务数据公司、具身数据公司。

第一类是传统训练数据服务商,从语音、图像、文本标注等业务起家,客户面较广。海天瑞声2005年成立,长期做语音、视觉和自然语言等AI训练数据服务。2026年上半年,公司营业收入1.92亿元,同比增长22.45%。它披露的客户和合作伙伴包括阿里、腾讯、百度、字节,以及海外多家大型科技公司。

第二类是专家与专业任务数据公司,前文提到的Mercor、Surge AI都算。它们不止做标注,还组织各行业专家,产出模型练习专业工作所需的那些任务、环境和评分标准。比如要训练模型做投资分析,供应商除了交最终报告,还得请专家备好原始业务资料、参考操作步骤,以及评判结果的评分清单。

第三类是具身数据公司,面向机器人训练,采集人和设备在真实环境中的操作数据。今年2月才成立的觅蜂科技由国内人形机器人公司智元孵化,6月量产了一种穿戴式无本体数据采集设备,8月31日第20000套下线,交到了京东手里。只是这类数据没法像网页那样自动抓取——机器人要学一个动作,往往得靠人和设备在现场反复演示、采集。

但在《新立场》看来,价格高、估值高,不等于这门生意就好做。

第三方数据公司的难处,恰恰来自“自建”与“外采”两条路并存。模型公司一旦自己生产数据、设计任务、建设评测环境,外部数据公司的生意就要面临新的考验。大客户既是收入来源,也可能变成竞争对手。

大厂自己造数据,外部供应商的订单可能被挤压。可跟某家大厂走得太近,同样有风险。去年6月,Meta以约143亿美元取得Scale AI 49%的股权。据报道,Google等大客户随后调整了与Scale的合作,Google原本计划当年向其支付约2亿美元。就算没有实际的数据泄露,一家服务多家竞争对手的供应商与其中一家建立深度资本关系,其他客户也不得不重新掂量合作风险。

英伟达之外,AI数据公司为何难成下一座金矿?(配图 6)

所以数据公司既要防着客户自己造数据,又得避免绑死一个客户而丢掉其他客户。很多标注任务、合成数据和自动评分工具,模型公司自己都能建。一家外部供应商如果只按客户要求组织专家、交付数据,生意再大,也可能只是一家更高级的人力外包公司。

反过来说,真正该下本钱的是那套能服务多个客户、反复使用的生产体系:专业任务怎么设计、训练环境能一遍遍跑、评分工具经得起验证,再加上长期攒起来的专家网络——用不着每接一单就重新搭一遍。这些东西攒住了,数据公司才有可能不再只做一锤子交付,转而成为模型公司离不开的长期基础设施。

写在最后

当年洛克菲勒赢的并不是油井。1870年他创办标准石油,那会儿宾夕法尼亚的油井主们在暴富和破产之间来回打转,原油价格忽高忽低。他押注的是炼油和运输:靠规模把成本压下去,靠铁路运价折扣把对手挤垮,十年后握住了美国约九成的炼油能力。打井的人一批批来了又走,标准石油攥在手里的,是把原油变成产品的那一段。

高价数据也未必是好生意。客户可能自己生产,独家授权会限制复用,一批昂贵任务也可能很快失去稀缺性。

数据会过时,买家自己能造,客户还集中得离谱:Mercor上半年6.14亿美元收入里,约91%来自基础模型公司。Meta拿下Scale近半股权之后,据报道大客户跟着就走了——一口井的中立性,一份交易公告就能让它消失。

这也是为什么,数据产业很难简单复制英伟达。

英伟达的优势不只在GPU,也在CUDA及其开发者生态。2007年CUDA发布时,GPU还是打游戏的;2012年,AlexNet用两块游戏显卡训练出来,这套软件才等到自己变成行业标准的时刻。此后十几年,每一代开发者都在CUDA上写代码,换掉它的成本越来越高。

数据时代的“CUDA”,不会是一摞文件,而是一套由任务、环境和评分标准搭起来的验证体系。它得能重来,能反复试,还能自动打分。做到这些,既离不开行业知识,也要靠环境工程、质量控制和独立评测。自动评分能把规模做上去,可评分本身照样得接受检验。

训练数据,能拿走的人不少;但“什么才算做对了”,能拍板的人不多。

*题图及文中配图来源于网络。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 英伟达推Rubin HPC:超5万CUDA核心,押注AI智能体改写科学计算

    英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统

    来源 腾讯网
  2. 黄仁勋卸任英伟达CEO:33年掌舵结束,AI初创融资生变?

    IT之家 11 月 15 日消息,这是一场震动全球科技行业的人事变动。执掌英伟达 33 年、共同创立这家芯片巨头的首席执行官黄仁勋(Jensen Huang)已正式辞职。TechCrunch 援引一位新兴云计算公司的创始人的话称,他第一次听到这一消息时的反应是:“这就像一颗炸弹突然爆炸了。”过去几年,英伟达一直是科技初

    来源 腾讯网
  3. SemiAnalysis下调AI算力预测:2028年资本开支降28%,英伟达承压最重

    SemiAnalysis将2028年全球AI加速器资本开支预测下调28%,2030年下修40%;2026—2030年加速器硅片出货面积累计预测下调17%,2028年HBM需求预测更被砍掉30%,2030年功耗需求预测下调34%。英伟达成为最大受冲击者,占全球硅片出货削减幅度的66%,其2030年按计算收入测算的出货预测

    来源 华尔街见闻
  4. 英伟达机器人学习工程师戴士钦宣布辞职:“黄仁勋离职让我格外失望”

    IT之家 11 月 16 日消息,英伟达机器人学习工程师戴士钦(Darrell Dai)昨日发文,宣布将离开公司。 戴士钦表示,他眼中的黄仁勋不只是英伟达 CEO,他钦佩黄仁勋投资那些一下子看不到明确前景的未来技术。在深度学习热潮到来之前,黄仁勋就已投入 CUDA,并在人工智能成为所有人关注焦点之前布局 AI 领域。这

    来源 AI 行业观察
  5. 奥尔特曼谈黄仁勋离职:AI行业能扛住,英伟达地位不会动摇

    财联社11月17日讯(编辑 赵昊)OpenAI首席执行官萨姆·奥尔特曼(Sam Altman)最新表示,他相信人工智能(AI)行业能够经受住英伟达CEO黄仁勋辞职所引发的不确定性。上周,英伟达宣布公司联合创始人黄仁勋辞去总裁、CEO及董事职务。黄仁勋于1993年参与创立英伟达,此后长期担任CEO,带领英伟达发展成为全球

    来源 腾讯网
  6. 奥尔特曼回应黄仁勋离职:AI行业仍会运转良好,我也被解雇过

    IT之家 11 月 17 日消息,据彭博社今天报道,OpenAI 首席执行官萨姆 · 奥尔特曼表示,即使英伟达前 CEO 黄仁勋不再掌舵,AI 行业依然会“运转良好”。当被问及是否认为黄仁勋应该重返英伟达时,奥尔特曼表示:“我认为自己掌握的信息不足以回答这个问题。”不过他对黄仁勋的处境表示同情,并提到了自己 2023

    来源 腾讯网
  7. 奥特曼谈黄仁勋离职:AI行业需求强劲不会受冲击

    OpenAI CEO山姆·奥特曼在Semafor“硅谷与世界”活动上表示,尽管英伟达前CEO黄仁勋因个人丑闻离职,AI行业不会受实质影响。他认为AI市场需求旺盛、应用价值清晰,收入和需求强劲增长,行业前景向好。此次人事变动正值AI高速发展期,OpenAI与英伟达作为长期合作伙伴,过去十年关系紧密。

    来源 AI 产业速递
  8. 奥尔特曼回应英伟达风波:我也被解雇过,AI行业扛得住吗

    当地时间11月16日,OpenAI首席执行官山姆·奥尔特曼表示,他相信AI行业能够挺过英伟达首席执行官黄仁勋上周离任所引发的不确定性。“收入和需求增长如此强劲,我认为行业会没事的,”奥尔特曼周一在在旧金山举行的Semafor“硅谷与世界”大会上表示。他补充称:“不过,我认为黄仁勋发挥了极其特殊且有价值的作用,他以卓越.

    来源 腾讯网
  9. 贝瑞看空英伟达GPU:AI泡沫刚开始瓦解?

    电影《大卖空》原型人物、知名投资人贝瑞(Michael Burry)警告,早在黄仁勋去职风波爆发前,英伟达就就面临芯片供应过剩与AI产业转型「雪崩」冲击。 他在部落格发文指出:「AI泡沫今....

    来源 腾讯网
  10. 英伟达创始人辞任:AI资本开支节奏生变,光模块龙头密集回应

    21世纪经济报道记者 刘夏菲本周,英伟达创始人辞任的消息再度扰动全球AI产业链,光通信板块随之波动,市场出现“客户是否砍单”“需求是否见顶”的疑问。这次人事变动的特殊之处在于,它发生在全球AI基础设施建设最密集的窗口期,市场对交接期的战略连续性自然产生疑问。市场随即将这种疑问转化为对下游资本开支节奏的担忧...

    来源 腾讯网
  11. Edge AI Daily 早报(11月15日)-钛媒体官方网站

    黄仁勋离任英伟达触发多线连锁:超11.5万人联署要求其回任,马斯克等科技高管声援,董事会曾就继任接触Arm CEO雷内·哈斯的传闻浮出,创始人依赖与制度化治理的张力凸显。亚洲政府重估单一AI基础设施供应商风险,韩国锁定26万颗先进GPU供应并叠加本土芯片,中国重申出口管制,台湾推进台北总部项目。

    来源 钛媒体
  12. 黄仁勋辞职震动硅谷:英伟达的AI央行角色谁来接

    最近硅谷最大的地震,莫过于黄仁勋突然辞职这件事。从全网玩梗,到马斯克力挺,再到两万人请愿复职,剧情跌宕起伏得像坐过山车。那个把英伟达从卖芯片的,做成AI世界中央银行的男人走了,留下的烂摊子,到底谁来收拾?如果你往深一层看就会发现一个很扎心的现实:现在这一轮轰轰烈烈的AI大热潮,很大程度上,就是围着黄仁勋这个人搭建起来的

    来源 腾讯网
向下滚动自动加载更多