5个月估值翻10倍，AI数据赛道跑出一家新独角兽

成立约 18 个月后，AfterQuery 成了 Y Combinator 历史上成长最快的独角兽。

据《福布斯》援引两位直接知情人士报道，这家人工智能训练数据公司正在筹集新一轮融资，估值达到 32 亿美元。公司已经确定领投方，但融资金额和投资者身份尚未披露，AfterQuery 也拒绝置评。YC 合伙人 Gustaf Alströmer 称，如果交易按当前条件完成，它将刷新 YC 公司从成立到进入独角兽行列的速度纪录。

5 个月前，AfterQuery 刚刚完成由 Altos Ventures 领投的 3,000 万美元 A 轮融资，投后估值为 3 亿美元。新一轮估值相当于上涨超过 10 倍。

AI 训练数据这条赛道早已造就过一批年轻创始人的融资奇迹。Scale AI 创始人 Alexandr Wang 在 24 岁时成为亿万富翁；Mercor 的三位创始人也在 22 岁时凭借百亿美元估值跻身亿万富翁行列。如今，AfterQuery 又以更快的速度复制了这条路径。

那么问题来了，在训练数据这个听起来早已不再新鲜和“性感”，而且又塞满多家高估值公司的赛道，为什么仍能容纳新的独角兽？

实际上，AfterQuery 最初并不准备销售训练数据。

2025 年初，AfterQuery 创始人 Mateega 与他的高中好友 Carlos Georgescu 进入 YC 冬季项目时，计划开发用于金融工作的 AI 智能体。在测试中，他们发现，当时的模型能够生成看似完整的答案，却经常无法处理真实金融工作中的假设、例外情况和判断取舍。

图丨 AfterQuery 团队（来源：AfterQuery）

于是，团队最终放弃应用层产品，转而收集模型缺失的训练材料：金融分析师如何建立假设，律师如何修改合同，医生如何排除诊断，软件工程师如何在现有代码中修复问题。

AfterQuery 将这些过程加工成监督微调数据、评测集、评分规则和强化学习环境。与传统标注任务相比，专家交付的不只是一个正确答案，还包括操作顺序、决策依据、工具使用和错误修正。

公司称，其专家网络已有近 10 万名从业者，覆盖金融、法律、医疗和软件工程等领域。公开客户包括 Nvidia、法律 AI 公司 Legora，以及 Mira Murati 创立的 Thinking Machines Lab；部分数据还被用于 Nvidia 的 Nemotron 模型。上述客户关系和专家规模主要来自公司披露。

这种“把专业判断编码成数据”的表述并不新鲜。AfterQuery 的速度很快，但它进入的是一条已经出现多家高估值公司的赛道。

最为大众所熟知的 Scale AI 最初依靠大量外包人员标注图片和其他基础数据起家。随着大模型发展，它逐渐把业务扩展到专家数据、模型评测和后训练。2024 年，Scale AI 完成 10 亿美元融资，估值达到 138 亿美元；2025 年 Meta 投资 143 亿美元时，其对应估值超过 290 亿美元。

Mercor 则更直接地把专业人士组织成训练数据供应网络。它招募医生、律师、程序员、银行从业者和研究人员，为模型公司设计任务、回答问题并评价结果。Mercor 在 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 亿美元的计划。

所以说，Scale AI 和 Mercor 的高估值说明，资本很早就认识到专业人类数据的价值。AfterQuery 的机会并不是来自一个无人发现的市场，而是来自模型训练目标的移动。

早期数据标注主要告诉模型一张图片里有什么，或者哪段回答更好。推理模型和智能体需要掌握更长的任务链：打开哪些软件，读取哪些文件，遇到冲突信息如何取舍，执行失败后如何恢复，以及怎样判断任务是否真正完成。

Scale AI 今年 2 月称，其接近一半的新数据训练项目已经涉及强化学习环境。环境会复刻软件和业务状态，记录智能体的每一步行动，再用专家设计的验证器检查实际结果，而不只判断最后生成的文字是否合理。

低成本标注没有消失，高价专家数据也存在多年。2026 年的新趋势，是两者之外又出现了一类商品：真实企业积累下来的工作轨迹。

据报道，AfterQuery 已经收购约 30—50 家倒闭创业公司的代码库，Turing 收购了约 5—10 家。AfterQuery 会把真实代码改造成训练任务：让模型尝试增加功能或修复问题，再将工程师曾经提交的代码作为参照，生成可用于后训练的数据。

Turing 则推出了“Project Lazarus”，公开收购私有代码库及其配套资料。它给出的价格表中，遗留代码库价值通常为 1 万至 10 万美元以上，现代代码库最高约 1 万美元；Jira 工单、产品需求文档、架构资料和客服记录也可以按件计价。

在这些数据背后，真正有价值的并非某一段代码，而是代码形成的过程。一套投入实际使用的产品会留下需求变更、设计争论、故障记录、用户投诉和补丁。它们共同说明一家公司如何在成本、时间、安全和客户要求之间作出选择。这类资料很少出现在开源项目或公开网页中，也很难用合成数据完整复刻。

Spirit Airlines 这家公司的破产拍卖让这场争夺进入了更公开的阶段。Google 曾以 1,000 万美元竞得 Spirit 的内部数据，超过 Mercor 的 750 万美元报价；AI 数据公司 Micro1 随后又提交了 1,250 万美元的逾期报价。待售资料包括约 1 亿封邮件、5 亿条 Teams 消息、3,000 万行代码，以及可追溯到 1986 年的部分员工记录。截至 9 月 2 日，交易仍需等待破产法院裁决，Google 获得的是竞价优势，还没有正式取得数据。

这类交易再次推宽了专家数据的边界。知识不只存在于某位律师或工程师脑中，也存在于一家公司多年积累的邮件、工单、代码修改和协作关系里。公开互联网保存了大量最终成果，却很少记录成果产生前的犹豫、返工和妥协。企业内部档案所保存的，恰好是模型最难从公开语料中学到的部分。

与此同时，数据越接近真实工作，其隐私和安全风险越难处理。Mercor 今年遭遇数据泄露后，Meta 暂停了与其合作，OpenAI 也对事件展开调查。泄露内容可能涉及模型公司的训练方法、承包人员信息和专有数据。

Spirit 的资料计划在交付前去除身份信息，但员工关系和跨系统记录需要保留，否则数据就会失去训练价值。美国空乘人员协会据此提出异议：当邮件、聊天和文件仍然可以沿着同一名员工的行为轨迹串联，重新识别个人的风险并不会完全消失。

员工在工作中产生的数据由谁拥有，公司倒闭后谁有权出售，匿名化能否覆盖商业秘密和个人关系，这些问题尚未形成稳定答案。数据公司越接近真实工作，获得的训练信号越有价值，需要承担的隐私和知识产权风险也越集中。

32 亿美元的估值再次说明，投资人并不认为数据服务会随着大模型变得更聪明而迅速贬值。模型能力每向真实工作推进一步，训练数据也要跟着从答案进入过程，从公开语料进入企业内部，从一个专家的判断进入一整套组织运行记录。

参考资料：

1.https://www.forbes.com/sites/annatong/2026/09/01/afterquery-becomes-ycs-fastest-unicorn-at-32-billion/

2.https://scale.com/blog/rl-environments

3.https://www.turing.com/blog/agi-advance-newsletter-57

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成