共计 1257 个字符，预计需要花费 4 分钟才能阅读完成。
Snorkel AI triples valuation to $3.5B as demand for AI training data booms
The seven-year-old startup has raised a $350 million Series E to fuel it…
AI 训练数据赛道再度迎来高额融资。 成立七年的 Snorkel AI 宣布完成 3.5 亿美元 E 轮融资, 投后估值达到 35 亿美元, 较 17 个月前 D 轮时的 13 亿美元估值接近翻三倍。本轮由 Insight Partners 和 S32 领投,Addition、Lightspeed、Greylock、GV 及 Wells Fargo 等老股东继续跟投。
📌 从数据标注工具转向数据即服务
Snorkel AI 最初以数据标注自动化软件起家 , 去年转向直接向客户交付完整数据集, 并将这一模式称为“数据即服务”。与单纯依赖人工专家市场不同,Snorkel 采用混合路径: 一方面用自有软件和模型合成数据, 另一方面引入领域专家参与, 以兼顾规模与质量。
公司由联合创始人兼 CEO Alex Ratner 及其斯坦福 AI 实验室团队经过四年研究后, 于 2019 年正式商业化。
🔍 年化收入运行率一年增长 18 倍
Snorkel 披露, 其当前年化收入运行率已达 3.75 亿美元, 过去 12 个月增长约 18 倍。这一增速背后, 是 AI 实验室对高端训练数据持续且旺盛的需求。
训练数据正从“成本项”变成 AI 竞赛中的关键投入, 谁能稳定提供高质量、可规模化的数据与环境, 谁就更容易卡住上游位置。
💡 同赛道公司增长同样迅猛
将自身定位为“AI 数据实验室”的公司近期普遍录得高速增长 。Mercor 的毛年化收入已攀升至 20 亿美元,Handshake 今年早些时候突破 10 亿美元,Micro1 也被报道规模达到 5 亿美元。
不过需要区分的是, 这类公司通常将约 60% 至 70% 的营收直接支付给完成任务的领域专家, 因此实际净收入明显低于对外披露的毛收入数字。Snorkel 表示, 由于其销售的是强化学习环境和完整数据集, 而非单纯人力, 支付给人类专家的费用计入销售成本, 而非计入对外披露的年化收入。
📊 几个值得关注的看点
- 估值跳升: 一年半内估值接近翻三倍, 反映资本对数据层基础设施的持续押注。
- 模式差异:Snorkel 强调软件与模型合成数据, 而非纯人力众包, 收入口径与同行不完全可比。
- 需求驱动:AI 实验室对强化学习环境和高质量数据集的需求, 是增长的核心推手。
- 竞争加剧:Mercor、Handshake、Micro1 等玩家同步扩张, 赛道竞争正在升温。
🚀 行业观察与总结
随着大模型训练从“拼参数”转向“拼数据质量与后训练效果”, 训练数据、评估环境与强化学习场景正成为 AI 产业链中不可忽视的一环。Snorkel 此轮融资和收入增长, 既是这一趋势的注脚, 也意味着数据服务商的竞争将更聚焦于合成数据能力、领域专家网络与交付效率。
接下来值得观察的是, 这类公司能否在高速扩张中维持数据质量与毛利率 , 以及当 AI 实验室自建数据团队时, 第三方数据服务商的不可替代性究竟有多强。
