Kimi实习生创立的AI训练数据公司估值达25亿美元：红杉与Mercor模式的本土化启示

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-14

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

国内AI训练数据服务商长期处于VC视野之外，但这一局面正在被一批具有模型大厂实习经验的年轻创业者改变。一家由前月之暗面（Kimi）实习生创立的AI训练数据公司，在不到一年内拿下千万美元级订单，完成约三轮融资，并即将以25亿美元估值完成3亿美元融资，投资方包括红杉、阿里和腾讯。

📊 核心实体与商业数据

💡 业务落地拆解

从专家网络到强化学习环境

随着模型能力提升，医疗、法律、金融等专业领域对资深人才标注的需求快速增长。Mercor早期为大型数据标注公司提供合同制人才，后直接组织专业人士成训练数据供应网络，2025年以100亿美元估值融资，2026年又传出按200亿美元估值筹集约5亿美元。

国内数据公司同样在进化。一位模型厂研究员指出：

现在需要的数据，已经不只是“问题和答案”，而是能够让模型反复行动、获得反馈的可闭环、可验证的训练环境。

成本结构与订单风险

数据生意面临毛利压力。Mercor年化收入达1亿美元时，60%到70%总收入需支付给承包商。Scale AI也有超过一半营收用于直接业务成本。国内标注员时薪通常在200至500元，资深专家可达上千元。

订单并非确定性收入。投资人透露，客户签下1亿美元订单，并不意味着公司半年、一年或两年后一定能实现对应规模收入，每批数据需研究员验收，连续不达标可能导致订单缩减或取消。

新故事：RSI与工作流嵌入

2026年以来，头部模型厂商发版节奏压缩至月度级，RSI（递归式自我改进）成为热词。5月，Meta前FAIR研究总监田渊栋等8位研究员联合创办的Recursive Superintelligence完成6.5亿美元融资，投后估值约46.5亿美元。

一些数据公司开始搭建“半RSI”系统，在某些环节实现**70%到80%**的自动化。同时，数据公司试图站到SaaS位置，进入传统企业工作流，帮助其完成AI化改造，定价从按数据条数付费转向为持续产生高质量数据的系统付费。

🚀 对企业 AI 化的启示

1. 数据服务正从外包走向基础设施

单纯的数据标注天花板有限。Mercor和Scale AI的案例表明，只有深入客户工作流，积累真实任务轨迹和交互反馈，才能形成长期壁垒。企业应评估数据供应商是否具备嵌入核心业务流程的能力。

2. 强化学习环境是下一个竞争焦点

Anthropic管理层讨论未来一年投入10亿美元于强化学习环境；OpenAI 2025年全年数据开销约10亿美元，内部预测2030年涨至80亿美元。企业需关注可闭环、可验证的训练环境构建能力，而非仅采购静态数据集。

3. 年轻创始人带来新叙事，但RSI门槛极高

红杉投资的这批95后、00后创业者离模型厂需求更近，但RSI需要前沿模型、巨额算力、顶尖人才和评估系统，目前仅OpenAI、Anthropic、Google DeepMind等极少数玩家有能力闭合完整循环。企业应拆解RSI的具体含义，判断其解决的是哪个层面的问题。

4. 数据安全与合规风险不可忽视

Mercor今年遭遇数据泄露事件后，Meta暂停合作，OpenAI展开调查。数据越深入客户核心业务，风险越高。企业在选择数据合作伙伴时，需将安全合规纳入核心评估维度。

如果一个团队能够一边做数据、一边赚钱养活自己，同时持续积累researcher和工程能力，再沿着模型智能不断往前走，这件事情其实是非常有意思的。

【官方原文链接】点击访问首发地址