向前沿实验室出售数据的金矿生意

过去十天里，我与三家从事这一业务的公司创始人聊过。他们的公司向前沿AI实验室出售训练数据，所有人的语气都像是脚下的地面在移动。大致是这种感觉。

我们四月份启动。第一季度完成了3000万美元的订单。我桌上还有未完成的采购订单。到十二月，我们大概能落到某个数字以上。没有经常性收入，但一切都在增长。这个月可能给我们带来2000万美元。我们团队不到12人，可能还有些实习生。

如今我在这个市场中听到的每场对话都是这样的。有一阵子我一直在想，这简直是火箭飞船，为什么没更多人谈论它？然后我意识到，创始人自己也在问一个更好的问题。他们知道现金是真实的，也知道合同不会永远持续。在这种局面下，你应该做什么？

实际在出售什么

这个类别用一个标签掩盖了六种不同的产品。查看发票，市场就能清晰地划分开。

有些公司出售工时：人类标注图像、评价聊天机器人的回答——流水线时代的产品，已经在消亡。有些出售判断：医生、律师和物理学家写下他们的推理过程，每小时100到500美元，因为模型已经耗尽了业余者能教给它们的东西。有些出售世界：模拟的Salesforce实例、假银行、复制的医院，让智能体在其中进行数百万次重复练习。这里的单位是专家判断，包装成一个任务、一个可以行动的世界、一套定义“好”的评分标准、以及一个打分的验证器。有些出售裁决：基准测试、评估、红队测试——比赛的裁判。有些出售身体：传感器装置、触觉手套和真实工人身上的摄像机背带，因为机器人需要观察双手。有些出售权利：授权档案，像Reddit那样的交易，每年价值数千万美元，机构将数十年积累的文本转化为年金。

现在看看资金实际是如何到位的，因为收入机制比收入本身更重要。几乎一切都是针对可交付物的采购订单：一个被接受的数据集、一批通过质量检查的任务、一个交付的环境。没有什么是默认续约的。你看到的头条数字是年化后的，通常是最佳月份乘以12——而在这种业务中，实验室可以在一个季度内将订单翻倍或归零。而且每个人都知道毛收入不等于净收入。市场平台会将60-70%的账单转给执行任务的专家。例外情况是结构性的：那些从低成本地区交付的公司在每一美元中保留70-80%以上，这就是为什么这个市场中最赚钱的一些名字几乎不在估值榜单上。同样的发票，底下的业务却截然不同。发票反正不关心判断是在哪里制造的——至少目前是这样。但供应商的损益表肯定关心。

意外的巨头

这个市场顶层的人，几乎没有人是刻意去建造这一切的。

Mercor最初是一个将自由工程师与公司匹配的市场平台，并用AI面试官进行筛选。Micro1起步方式相同，有一个名叫Zara的AI招聘官。Turing多年来一直是一个远程开发者市场。Handshake在过去十年里是一个大学招聘网络，它注意到实验室从自己的会员中挖走博士生标注员后，便转型了。它停止出租自己的网络，开始直接出售这项工作本身，在约16个月内从零增长到大约10亿美元的年化毛收入。就连Scale最初也只是Amazon Mechanical Turk的一个API，后来才找到自动驾驶汽车这条道路。

这个模式告诉你，产品到底是什么。这些公司胜出，不是因为他们理解数据，而是因为他们已经建立了大规模验证陌生人的机器——比如谁是真的医生、哪个工程师真的能写代码、谁的判断在不认识的情况下也能被信任。当实验室突然需要成百上千的经过验证的专家时，招聘公司是唯一拥有供给的。数据从来不是产品。经过验证的判断才是，而经过验证的判断的既得利益者是工作平台。

为什么实验室一直付钱

实验室签署九位数采购订单的原因，是一场他们无法退出的战争。现在没有任何实验室拥有持久的领先能力。没有人能保持王座超过一个赛季，开源模型落后前沿几个月，每个价格层级都在不断崩塌。他们必须竭尽全力奔跑才能停在原地，而在跑步机上，每个人持续购买的只有鞋子。数据供应商卖的就是鞋子。他们的收入不需要选出一个赢家。这是对无人获胜征收的一种税。

Alex Karp这个月一直在指责硅谷过度推销AI，告诉公众不要相信他们自己的眼睛。看看这个市场，一件有趣的事发生了：采购订单同意他的观点。如果模型几乎完成了，实验室就不会为人类判断支付这么多钱。这个行业的每张发票都是一份关于模型尚不能做什么的坦白。

但同一台跑步机也在不断淘汰自己的供应商。2023年，产品是众包工人评价回答。一旦模型超越了评价者，评价就变成了噪音，2024年属于有资质的专家。然后推理模型学会了根据可验证的答案自我评分，2025年资金转向了环境和评分标准。每一代模型都会从训练它的数据中毕业。前沿底下的阶梯不断消失。前沿继续付钱。

上周末我和一家前沿实验室的朋友聊天，问他直接合作的數據供应商有多少家。他说七家。这七家都被要求生产相同类型的数据集。不用说，一年后，其中一些会看到那份采购订单消失。这就是整个市场的一个缩影：巨大的需求、故意重复的供给、以及一个掌握时间的买家。

每份合同里的时钟

关于环境，值得上一堂经济学课，因为它们是市场中最奇怪的产品。Epoch AI的研究人员采访了供应商并公布了价目表——一个用于智能体训练的简单网站副本大约2万美元，一家实验室据说一次性买了数百个，就像你为驾校买路锥一样。一个企业工具的高保真克隆版，配有专家编写的任务，价格约20万到90万美元。单个任务定价在200到2000美元之间，独占性将一切乘以4到5倍，因为一个你的竞争对手也在训练的任务，不能教你如何打败他们。

但转折点在这里：一旦模型在大约70%的情况下通过了一个任务，这个任务就被丢弃了。产品因成功而贬值。你在向一个每季度都会毕业的学生出售作业。这保证了重复订单——这就是为什么收入曲线看起来是垂直的——同时也保证了没有任何东西会自动年金化。一切都必须重建得更难，永远如此。

我感觉这个领域的创始人至少对未来三四年是看好的，也许他们应该看好，但买家——前沿实验室——却在同时玩两边。据报道，Anthropic讨论过一年内在环境上花费超过10亿美元，同时与十多家供应商合作，并让他们全部遵循自己的框架——通过采购实现商品化。OpenAI据称为一个内部数据平台注册了商标，旨在减少对其养肥的那些供应商的依赖，并已要求承包商上传过去真实工作的成果——这最礼貌的说法是“我们要源头，不要转售商”。xAI削减了三分之一的内部标注团队，转而培养专业辅导者。Karpathy虽然对环境这个概念本身持乐观态度，但却公开看衰整个类别所依赖的训练技术并以此获利。

这在这个行业内部以前就发生过。2016年到2021年间，一代数据公司靠自动驾驶项目为生，然后幸存下来的汽车制造商把标注业务收归内部，最纯粹的供应商要么被收购要么倒闭。Scale活了下来，因为它及时跳上了大语言模型的浪潮。看看Appen。一家澳大利亚公司，曾经是市值40亿美元的上市宠儿，向大型科技公司提供人类数据，巅峰时期80%的收入来自五个客户。2024年1月，谷歌毫无预警地取消了合同。股价从峰值下跌超过95%。一封客户的邮件、一次技术转向，整个类别的既得利益者就成了一个案例研究。制药行业走了另一条路，从未把药物试验收回内部，四十年后，外包试验行业仍在复合增长。两种结局在这里都有可能。你得到哪一种，由一条规律决定。

但规律是什么？凡是机器能验证的东西，机器最终都会在没有你的情况下学会。凡是仍然需要人类说“这个很好”的东西，会继续为人类付费。代码和数学最先沦陷，因为正确性是可检查的，实验室现在从公共仓库中自己挖掘出数以万计的训练任务。品味、模糊性、受监管的判断、以及物理世界，最后才沦陷，也许永远不会。没有单元测试能检验一位资深外科医生看到了什么，你也不能单元测试一件叠好的衬衫。验证就是稀缺性。围绕它来销售，时钟就会为你工作，而不是对你不利。

现金应该用来买什么

这并不意味着数据浪潮是假的。钱是真的，增长是真的，跑步机的物理性质保证了对更难作业的需求会持续多年。这意味着浪潮奖励一种非常特定形态的公司，并惩罚那些克隆者——在这个细分领域里，一家完全自给自足的公司可以发货产品，一个海外交付团队可以压低你报的任何价格。当一个市场的头号客户在支付你发票的同时正在建造你的替代品时，你的产品不是护城河。你的位置才是。

所以真正的问题是那些印钞票的创始人晚餐时讨论的。没有人在经营一家以这些利润率产生1亿到5亿美元采购订单现金的企业时会停下来。他们也不应该停。接下每一份订单。全力运转机器。在这个阶段唯一可能犯的错误是把意外之财当作业务本身，而不是当作业务的融资。采购订单收入是一笔很好的燃料，但接下来的是它能购买的选择菜单，以及每个选项的诚实评估。

往数据深处走，而不是往宽处走。 懒惰的做法是横向扩展——更多领域，更通用的供应，与四个拥有信任的巨头竞争。复利的做法是垂直深入——选择一个验证仍然困难的领域，雇佣其中200名最优秀的专家作为自己的团队，成为实验室在这方面的唯一对手。一家年轻公司拥有音频。一家拥有芯片设计。一家拥有高等数学。随着模型的进步，新的阶梯会不断出现，实验室自己生成数据不会终结这种需求，而是将其向难度曲线上推移，指向谁拥有一个领域的顶端。当你真正拥有稀缺专家时就行得通。当你的专家与对手的电子表格可以互换时就行不通。

走向物理世界，并掌握整个循环。 物理数据中的错误是认为手套就是业务。硬件采集是便宜的部分。真正重要的公司会端到端地运行采集操作——他们雇佣工人、建造设备、雇佣了解正确焊接、缝合或锁定程序是什么样子的内部行业专家、编码一个行业实际运作方式，并以独占条款出售标注后的输出。我脑海中能想到的最空白的方格是工业设备、炼油厂、工厂车间、矿山——这些地方无论多少钱都没有数据集存在，而所有人都挤在零售、金融和医疗保健相关的演示中。然而，这只有当你控制采集、质量和权利时才有效；如果你只是他人摄像头的中间商，就会失败。

继续构建环境，但要向上游销售。 2万美元的网站复制品层级已经在商品化，逐渐进入开源中心。持久的层级是高保真、专家评分、独占的，并且它指向两个买家而不是一个。今天的实验室。明天的企业。而这第二个买家改变了一切。萨提亚·纳德拉一直在告诉每家公司，他们为智能付了两次钱——一次是金钱，一次是每次提示中泄露出去的专有判断——所以他们必须在自己的墙内构建自己的评估和自己的学习环境。把这当作一份产品规格。你为实验室工作构建的相同技能——将混乱的工作流程变成一个有评分标准和验证器的世界——变成了客户防火墙后面的私人训练场：他们的理赔流程、他们的交易台、他们的医院，模拟出来以便他们的智能体可以学习，而他们的判断永远不离开大楼。它把你的买家数量从五个扩大到五千个。它之所以有效，是因为使用了同一块肌肉。只有当你在实验室的采购订单放缓之前才开始构建它时，才会失败。

清醒地进入企业工作流。 在公司内部部署智能体是一项前向部署工作——映射发票实际如何流转、发现标准操作流程是虚构的、与团队坐在一起直到异常停止（我最近就此写了一篇完整的文章）。这是一个真实的目的地，一些数据公司会在那里建立真正的业务。但在投入现金之前要了解其中的物理规律。数据收入以几周内签署的2500万美元采购订单到来；企业收入以季度内签署的50万到200万美元试点项目到来；今天大约95%的企业AI试点没有显示出可衡量的回报。只有当作为一个独立运行的单元、有独立的期望和自身的领导层时，这个举动才有效。当作为数据业务偶尔拨派人员负责的附带项目时，它就会失败，因为所需肌肉不同，需要耐心、嵌入和粘合代码，而不是吞吐量。

只有在计算能促进你产品的情况下才购买计算。 这个市场中不止一位创始人正在问，现金是否应该变成GPU和一个托管的强化学习平台。诚实的回答是：出租原始计算是在超大规模云和新兴云之间被挤压的商品，一个充满折旧芯片的金库不是护城河。可行的版本更窄：托管那些在你自己的环境中运行的训练循环，利用率由你保证，客户购买的是世界加健身房加计算作为一个产品。Prime Intellect已经公开运行这个策略。它免费提供了包含2500多个社区环境的中枢，并出售运行在上面的计算和托管训练。环境是店面。GPU是收银台。这是一个风险投资赌注，而不是一个现金停放决策。如果我是做这件事的创始人，我会有意做出决定，或者根本不做。

收购下一个阶梯，而不是晚了再构建。 这个市场到目前为止最具启发性的资本配置是：一家巨头利用其采购订单意外之财，在五个月内收购了两家环境初创公司，花钱登上了新阶梯，而竞争对手还在为此招聘。大约18个月内，模式很可能会定位那些拥有真实环境工程师的公司，这些人会乐意被收购。速度是这里唯一的优势。你坐拥大量现金——所以一个战争基金加上对下一个阶梯的清晰地图，在一个每18个月重新洗牌的市场中，胜过有机速度。

向政府销售。 一个新的客户群体正在到来。购买主权AI项目的政府将需要国家数据管道、本地语料库、本地评估，以及来自本国工厂和田野的物理数据，原因与它们购买自己的电网相同。

把能转化的收入转化为可持续收入。 采购订单就像天气。其中一些可以转化为气候——比如评估订阅而非一次性基准销售、环境维护合同而非一次性构建、数据更新保留、认证计划等。