「20亿，阿里领投一位90后实习生：给AI当老师」
一家成立不到一年的AI公司，正在拿下20亿元融资。据报道，阿里巴巴拟领投UniPat新一轮约3亿美元融资，腾讯、红杉中国等参与，公司估值约25亿美元，折合人民币近170亿元。UniPat给AI出题、判卷，告诉模型哪里做错了——这门生意已经开始赚大钱。
一年冒出三家十亿美元生意
不到一年，UniPat 就把 AI 出题、判卷做成了生意，还带出一批十亿美元级同行。
| 维度 | 核心结论 |
|---|---|
| 融资规模 | UniPat获阿里拟领投约3亿美元，估值25亿美元（近170亿元），成立不到一年即拿下20亿元级融资 |
| 赛道玩家 | Surge AI、Mercor、Scale AI、Handshake已跑出三家十亿美元级收入，AI数据与评测成新风口 |
| 评分标准即数据 | 模型越强越需要专业人判卷，评分标准本身成了数据，从”有没有答案”转向”什么答案才算好” |
| 能力壁垒 | UniPat ExpertEval覆盖3213个专家案例、207个场景；SaaS-Bench端到端完成率仅3.8% |
| 商业模式 | 从卖专家时间到RL Environment，形成三层收费，越往后越接近AI训练基础设施 |
| 公司 | 成立 / 切入 | 融资与估值 | 收入（口径） | 关键客户 / 备注 |
|---|---|---|---|---|
| UniPat | 2025年末成立（创始人李宽，90后） | 新一轮约3亿美元（阿里拟领投，腾讯、红杉中国等参与）；估值约25亿美元（折人民币近170亿元） | 原文未披露（”已经开始赚大钱”） | 头部大厂AI智能体项目；为AI出题、判卷 |
| Surge AI | 创始人Edwin Chen（曾任职Google、Facebook、Twitter） | 原文未披露 | 2024年收入约12亿美元 | 客户：Google、Meta、Microsoft、Anthropic；高毛利数据服务商 |
| Mercor | 由AI招聘转向AI训练 | 原文未披露 | 2025年6月年化总收入超过20亿美元（较2月10亿美元翻倍）；上半年总收入约6.14亿美元（91%来自基础模型公司） | 客户：OpenAI、Anthropic、Google DeepMind；约60%–70%流水付专家 |
| Handshake | 原大学生招聘平台，2025切入AI训练 | 原文未披露 | 切入不到一年年化总收入接近10亿美元；扣除专家报酬后年化净收入约3亿美元 | 企业真实运营数据合作：10万–400万美元以上/份 |
| Scale AI | 自动驾驶数据标注起家 | 2025年Meta斥资143亿美元取得49%股份，估值升至290亿美元 | 原文lead提”去年收入逼近10亿美元”（正文未详述） | 业务：高质量训练数据、模型评测、红队测试、政府项目 |
UniPat：90后博士的AI评测创业
UniPat成立于2025年末，创始人李宽是90后，本科毕业于北京航空航天大学，硕士毕业于中国科学院计算技术研究所，目前在香港科技大学计算机科学与工程系攻读博士，研究方向包括LLM Agent。创业前，他曾作为实习生在阿里通义DeepResearch参与后训练研究，重点包括数据合成和强化学习。后训练解决的核心问题之一，是让已经完成预训练的模型继续”变聪明”——训练团队不仅要知道模型会做多少题，更要知道什么答案算好、错在什么地方、哪种反馈最值得拿去继续训练。
UniPat把这件事做成了产品。一位在头部大厂AI智能体项目负责人告诉铅笔道，UniPat取代了智能体研发项目中原本测试团队要做的事，把整个评估过程打包成产品来评估AI任务执行的完善程度，切中了刚需。目前最直接的赚钱方式，是把专业人士的判断卖给大模型公司。
Mercor、Handshake、Surge：卖专家判断的同行
Mercor为OpenAI、Anthropic、Google DeepMind等组织程序员、律师、金融从业者和科学家，让他们出题、写答案、评价模型输出，再把数据交给客户做后训练。公司最初做AI招聘，后来发现最舍得为高端人才付钱的是大模型实验室，于是转向AI训练。据Forbes报道，Mercor今年6月的年化总收入超过20亿美元，比2月的10亿美元又翻了一倍；公司上半年总收入约6.14亿美元，其中约91%来自基础模型公司。但这20亿美元不是纯软件收入，约60%至70%的流水要付给专家，Mercor赚的是撮合差价，更重要的是快速找到合适专家、控制交付质量。
Handshake走的是同一条路。它原本是大学生招聘平台，2025年切入AI训练后，不到一年这项业务的年化总收入接近10亿美元，扣除专家报酬后年化净收入约3亿美元。Surge AI则更像一家高毛利的数据服务商，创始人Edwin Chen曾在Google、Facebook和Twitter工作，2024年收入约12亿美元，客户包括Google、Meta、Microsoft和Anthropic。Surge卖的同样是人类反馈和高质量数据，但它把业务往更高价值环节推：不只是找人做题，而是设计任务、评分标准、评测集和训练环境，相比单纯人力撮合更接近一套AI后训练服务。这几家公司赚的是同一笔钱：模型越强，越需要更专业的人告诉它哪里错了。
ai训练数据标准
行业之所以从标注走向评测，原因很简单：模型已经越来越会考试。早期训练数据的问题是”有没有答案”，今天的问题变成了”什么答案才算真正好”。让AI识别一只猫，可以用一个标签解决；让AI修改一个大型代码仓库、做一份投行分析、完成医院行政流程，很难只用”对/错”两个字评分。这时，评分标准本身就成了数据。
UniPat 的三套评测集
UniPat今年推出的ExpertEval覆盖医疗、金融和法律三个领域，共3213个专家案例、207个场景，每个案例平均设置21.83条评分标准。它不仅看结论，还检查证据、推理过程和高风险错误，这些评分结果可以继续用于后训练。它的Monthly-SWEBench则每月从最新关闭的GitHub任务中抽题测试模型，题库必须不断更新，因为公开Benchmark很快会被”刷题”：分数上涨，不等于真实工作能力同步提高。它的SaaS-Bench更接近真实工作，把Agent放进23套可运行的SaaS系统，要求完成报销、关账、项目管理、医疗行政等任务。
这3.8%恰恰是这类公司的生意。目前最好的模型虽然能完成不少中间步骤，但端到端完全完成任务的比例只有3.8%。如果Agent已经能稳定完成99%的工作，评测公司的价值反而会下降；正因为模型频繁失败，AI实验室才需要不断找新题、找错误、设计评分规则，再把失败样本送回训练，模型每升级一次这个循环就可能重来。Scale AI也经历了类似升级，它从自动驾驶数据标注起家，后来进入高质量训练数据、模型评测、红队测试和政府项目；2025年，Meta斥资143亿美元取得其49%股份，公司估值升至290亿美元。这类公司的价值是能否持续发现模型不会做的事，再把失败原因变成训练信号，模型每升级一次，新的评测和训练需求就会再来一遍。
RL Environment：评测公司的下一门生意
RL Environment：给Agent搭模拟公司
行业正在寻找比”按人头卖数据”更好的商业模式，新的方向叫RL Environment，也就是强化学习环境。可以把它理解成给Agent搭一间”模拟公司”，里面有邮件、CRM、代码库、财务系统、客户工单和各种工具，AI不只是回答一道题，而要连续完成几十甚至几百步操作，系统再根据结果自动打分，让模型反复练习。这比传统标注更难，也更接近软件产品——传统模式需要不断招人、派单、验收，收入增长往往伴随人工成本增长；训练环境一旦搭好，可以被不同模型反复调用，并持续生成新的训练轨迹和反馈信号。
Surge已经成立专门团队建设这类环境，今年发布的EnterpriseBench CoreCraft模拟了一家客户支持公司，包含2500多个实体、23种工具，让Agent处理多步骤工作。Mercor也在7月收购了专门做强化学习环境的Deeptune，并明确把编码、医疗、法律等领域的训练环境作为下一阶段业务。Handshake则开始把另一种稀缺资源拿出来卖：企业真实运营数据，它公开向企业征集经过脱敏的业务数据，根据数据规模和价值，一份合作可支付10万至400万美元以上，再把整理后的数据提供给前沿AI实验室用于训练和评测。
三层收费，越接近基础设施
这说明这门生意正在形成三层收费：第一层卖专家时间，第二层卖整理好的训练数据和评分标准，第三层卖可以持续产生训练数据的环境。越往后，越接近基础设施。当然，这门生意还没有摆脱人力服务，Mercor约六至七成流水需要付给专家，客户又高度集中在少数头部AI实验室；Scale在Meta入股后遭遇部分客户关系变化，也说明“中立第三方”本身就是一种资产。
- 不是芯片也不是算力，而是一群给AI出题、判卷的公司在赚钱：UniPat估值约25亿美元，阿里巴巴拟领投，腾讯、红杉中国等参与，成立不到一年即拿下20亿元融资。
- 一家成立不到一年的AI公司正在拿下20亿元融资。UniPat做的是AI后训练里最关键的一环，告诉模型错在哪里、什么答案才算真正好，大股东为阿里巴巴。
- 2024年Surge AI收入约12亿美元，Mercor年化总收入超20亿美元，Scale AI去年逼近10亿美元，AI数据与评测已跑出三家十亿美元级生意。
- UniPat创始人李宽是90后，北航本科、中科院硕士、港科大博士，曾在阿里通义DeepResearch参与后训练研究，研究方向包括LLM Agent与强化学习。
- 从标注到评测，行业逻辑变了：早期数据问的是有没有答案，现在问的是什么答案才算真正好，评分标准本身就成了可训练的数据。
- UniPat的ExpertEval覆盖医疗、金融和法律三领域，共3213个专家案例、207个场景，每个案例平均设置21.83条评分标准，还可查推理过程。
- SaaS-Bench把Agent放进23套可运行SaaS系统，结果目前最好的模型端到端完全完成任务的比例只有3.8%，这正是评测公司的生意空间。
- 下一个方向是RL Environment，也就是强化学习环境：给Agent搭一间模拟公司，让模型连续完成几十上百步操作并自动打分，反复练习。
- 这门生意正在形成三层收费：卖专家时间、卖整理好的训练数据和评分标准、卖能持续产生训练数据的环境，越往后越接近基础设施。
- 但人力服务仍未摆脱：Mercor约六至七成流水要付给专家，客户高度集中于头部AI实验室，中立第三方本身就是一种稀缺资产。
原文链接：20亿，阿里领投一位90后实习生：给AI当老师（来源：铅笔道）
作者 | 铅笔道 松格；编辑 | 铅笔道 黄小贵
