AI 训练数据赛道爆发，工作流数据和 RL 环境成新金矿
创业邦 · wechat · 2026-07-25
这篇长文把 AI 训练数据赛道拆得很细，核心判断是：数据已经从一次性原材料，变成模型迭代所需的持续燃料，因此正在长出一个接近百亿美元规模的新生意。
这个市场为什么突然爆发
- 文中引用 Deedy 的行业图谱称，28 家训练数据公司合计年收入约 85 亿美元，总估值接近 1000 亿美元。
- 过去数据采购是项目制、脉冲式的；现在模型迭代越来越快，实验室需要更频繁地获取定制化、高价值数据。
- 代码智能体、复杂任务和长流程工作流，让单条样本的信息密度也大幅提高。
训练数据公司怎么赚钱
- 早期基础文本标注按件计费，如今越来越多是专家标注，时薪显著提高。
- 头部公司不再只是“外包人力”，而是参与评测、任务设计、工程服务，拿到更高的服务溢价。
- 文中提到 Mercor、Scale AI 等公司的毛利率和收入都在上升，说明这个行业的定价权正在增强。
两个新趋势
- 真实工作流数据正在取代纯人工设计任务，成为更稀缺的资产。
- RL 环境开始替代静态数据集，成为实验室采购重点，因为智能体需要在可交互环境里训练任务执行能力。
头部玩家的分化
- Scale AI：向下游走，做企业和政府的 AI 总包。
- Surge：继续专注高端精品数据与安全评估。
- Mercor：扩张专家网络，并收购 Deeptune 切入 RL 环境。
- Handshake：把自己做成连接真实工作流与模型实验室的数据管道。
文章最后的结论很明确：单纯的数据标注会越来越薄，而真正的价值会流向工作流数据、专家网络和 RL 环境这些更深的环节。
「公司和人」频道最新
- 30人机构用 AI 做 FDA 申报，零幻觉成生死线 — alex_verem · 2026-07-25
- 帖子认为头部 AI 实验室至少该保留一个开源版本 — wavefnx · 2026-07-25
- AI 影片创作者正被重新定价为品牌运营者 — taherdhanera · 2026-07-25
- Alec Radford：从宿舍创业到 OpenAI 关键研究员 — bigaiguy · 2026-07-25
- 联想拿下首批 L3 AI PC，中国智能终端有了新标尺 — 智东西 · 2026-07-25
- Reddit 质疑科技 YouTuber 对 GPT-5.6 早期访问做标题党 — simple_explorer1 · 2026-07-25