作者丨林夕

编辑丨小龙

AI 训练数据赛道，又诞生了一笔大额融资。

9 月 22 日，AI 数据服务商 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（约 235 亿元）。本轮由 Insight Partners 和 S32 领投，Addition、Lightspeed、Greylock、GV、Wells Fargo 等机构跟投。

这距离上一轮融资仅过去 17 个月。

2025 年 5 月，Snorkel 完成 1 亿美元 D 轮融资，估值 13 亿美元。如今，公司估值已接近当时的 3 倍。

资本加速涌入的背后，是一条更陡峭的收入曲线。

Snorkel 披露，目前公司年化收入已达到 3.75 亿美元。一年前，这个数字还只有约 2000 万美元，短短一年增长约 18 倍，公司预计今年实现盈利。

一家不训练大模型、不生产芯片的公司，为什么能获得如此高的增长？

01 从斯坦福实验室出发，先做了一套 " 给数据打标签 " 的软件

Snorkel 的故事，要从斯坦福 AI 实验室开始。

联合创始人兼 CEO Alex Ratner 在斯坦福攻读计算机博士期间，研究的就是机器学习中的数据问题。当时，模型训练仍高度依赖人工标注：专家需要逐条查看数据、判断类别，再将结果交给模型学习。

Alex Ratner

Ratner 想解决的是其中最耗费人力的一环：能不能让专家不再逐条标注，而是把自己的判断规则交给机器，由程序批量处理数据？

2017 年，Ratner 等人在斯坦福 AI 实验室发表 Snorkel 相关论文，提出 " 数据编程 "（Data Programming）方法。专家不再直接给每条数据贴标签，而是编写规则或标注函数，再由系统利用这些规则生成大量训练标签，并处理不同规则之间的冲突。

例如，在医学影像场景中，医生可以定义哪些特征可能对应某种疾病，系统再据此处理大规模数据。专家的作用，从重复性的标注劳动转向制定判断标准。

这套方法很快从实验室走向产业。Snorkel 团队的技术曾在 Google、Intel、Apple、Stanford Medicine 等机构得到应用。经过数年的研究和迭代，2019 年，Ratner 带领团队从斯坦福 AI 实验室分拆，正式创业。

从左至右依次为：Snorkel AI 公司副总裁 Vincent Sunn Chen、联合创始人 Henry Kiss Ehrenberg、联合创始人兼研究主管 Paroma Varma 以及首席执行官兼联合创始人 Alex Ratner

2020 年，Snorkel 推出商业产品 Snorkel Flow。

早期的 Snorkel，本质上是一家数据基础设施软件公司：客户提供原始数据，领域专家通过规则定义如何标注，Snorkel Flow 负责将这套流程自动化。

相比传统的人工逐条标注，这种模式可以用更少的专家处理更大规模的数据，也因此成为 Snorkel 早期商业化的核心。

但它的边界同样清晰：客户仍然需要自己拥有数据、设计任务，并完成整个数据生产流程。

随着大模型进入高速发展期，这一模式开始显得不够。

模型训练所需要的数据，从通用文本逐渐扩展到代码、数学、法律、医疗等专业领域。尤其在后训练阶段，模型需要的不只是 " 标准答案 "，还需要专业人士告诉它为什么一个答案是对的、另一个答案为什么不够好。

Snorkel 也由此开始从数据生产工具向模型评测和专家数据延伸。

2025 年 5 月，公司完成 1 亿美元 D 轮融资，估值达到 13 亿美元。同期披露的案例显示，一家大型美国银行让贷款专家参与构建 AI 系统，用于回答机构客户相关问题，模型准确率从 25% 提升至 93%；AI 销售公司 Rox 使用 Snorkel 生成的评测数据后，模型准确率提升了 10% 至 12%。

这时，Snorkel 已经不再只是帮助客户 " 处理数据 "，而是在参与定义模型应该学什么，以及如何判断模型有没有学会。

2025 年 9 月，Snorkel 开始把自己的专家网络、软件系统和 AI 模型结合起来，直接向客户交付成品训练数据、评测数据和强化学习环境，将业务从传统的软件授权进一步推进到 Data-as-a-Service。

Snorkel 由此完成了从 " 卖工具 " 到 " 卖数据 " 的转身。

02 一年收入涨 18 倍，Snorkel 卖的已经不是 " 标注 "

Snorkel 目前拥有数万名专业人士组成的专家网络，覆盖编程、法律、医疗等领域。专家不再承担大规模、重复性的基础数据处理，而是负责定义任务、设计场景、制定评分标准，并判断什么样的结果才算正确。

剩余的大量工作交给 AI 完成。

Snorkel 会调用不同的专用模型和 AI Agent 参与数据生成、检查和质量控制。今年 9 月，公司披露，在编程 Agent 的数据生产中，单个任务最多可以调用数百个专用 AI 模型进行交叉检查。按照公司披露的数据，这套系统使质量控制效率提升 50% 以上；与单纯依赖通用大模型审核相比，准确率提升超过 15 个百分点。

由此形成了 Snorkel 目前的一套数据生产方法：专家负责定义标准，AI 负责按照标准规模化执行。

过去，一名程序员可能需要花费大量时间逐个判断代码任务；现在，专家更多承担任务设计、规则制定和关键结果判断，数据生成、筛选以及大部分初步质检则由 AI 完成。

这改变的不只是生产效率。

当专家的判断被转化为规则、任务和评价体系之后，它就不再只能用于一次数据生产，而可以持续生成新的任务和反馈，再用于训练和优化模型。Snorkel 将这一过程称为数据开发的 " 递归自我改进 " 循环：AI 帮助专家提高数据生产效率，专家产生的反馈又被用于改进 AI 系统。

这也是公司收入快速增长的一个重要背景。

过去一年，Snorkel 的年化收入从约 2000 万美元增长至 3.75 亿美元。客户购买的也不再是一支外包标注团队，而是一套能够持续生产训练数据、评测模型并支持模型迭代的数据基础设施。

目前，Snorkel 的客户覆盖前沿 AI 实验室、大型云厂商、企业以及美国政府机构，其中编程数据是需求最集中的领域之一。

与此同时，公司正在向更复杂的数据产品延伸：强化学习环境。

这也是 Agent 时代对数据提出的新要求。

对于传统聊天模型，人类可以通过 " 问题—答案 " 的形式判断模型表现。但当模型开始自主执行任务，仅仅提供正确答案已经不够。

以代码 Agent 为例，它需要进入代码库、定位 Bug、修改代码、运行测试，并根据测试结果决定下一步操作。训练这样的 Agent，需要一个能够模拟真实工作流程的环境：Agent 可以在其中执行操作，系统记录状态变化，并最终根据可验证的结果判断任务是否完成。

Snorkel 正在提供的，正是这样的环境。例如，公司曾与保险行业专家合作搭建模拟保险承保环境：Agent 获得企业资料、数据库和承保规则后，需要按照真实业务流程完成承保判断，再由系统依据专家制定的标准评估结果。

03 AI 数据生意，正在分成几条路线

Snorkel 并不是唯一一家押注 AI 数据的公司。过去两年，Scale AI、Mercor 等公司都在快速扩大这门生意。

Scale AI 最早从数据标注切入，客户把模型训练、评测等任务交给平台，再由 Scale 组织标注员、领域专家和软件系统完成数据生产。随着大模型进入后训练阶段，其业务已经扩展到数据采集、生成数据、RLHF、模型评测和安全测试等环节。

2025 年 6 月，Meta 以 143 亿美元投资 Scale AI 约 49% 的股份，使其投后估值达到约 290 亿美元。

Mercor 更接近一个面向 AI 公司的专家网络：平台聚集程序员、医生、律师、研究人员等专业人士，再将他们匹配给 AI 公司，完成模型训练、评测和人工反馈。

Mercor 创始人，从左至右：首席技术官 Adarsh Hiremath、首席执行官 Brendan Foody 和首席运营官 Surya Midha

Snorkel 则将软件、专家网络和 AI 模型结合起来，让专家负责定义任务、设计场景和制定评价标准，再由 AI 承担大规模的数据生成、筛选和质量控制，最终向客户交付训练数据、评测数据和强化学习环境。

三家公司背后的商业模式也因此出现了差异：Scale AI 强调规模，Mercor 强调专家，Snorkel 则试图把专家知识产品化。

随着 AI 训练从数据标注走向后训练和 Agent 开发，三家公司的业务边界也在逐渐重合。Scale AI 从数据标注进入模型评测和 RLHF，Mercor 从专家网络延伸至 Benchmark 和强化学习环境，Snorkel 则从数据生产软件走向成品数据和 Agent 训练环境。

这种分化在国内也正在发生，只是国内公司的路线更加分散。

一部分公司仍然在传统 AI 数据服务的基础上向大模型训练延伸。海天瑞声、数据堂、标贝科技等公司，已经从数据采集、标注进一步进入大模型训练数据、模型评测和高质量数据集等业务。这类公司的核心能力，仍然是把数据采集、加工、标注和交付做得更大、更快、更稳定，商业模式与早期的 Scale AI 更为接近。

另一部分公司则开始进入 Physical AI 的数据采集。

手亿通过腕带、头戴设备等硬件，把人的真实操作转化为机器人训练数据；星忆进一步向高自由度、多模态物理交互数据延伸；真觉万象则围绕可穿戴采集、力学解码和数据对齐等环节搭建 Physical AI 数据基础设施。

它们解决的是另一个问题，机器学习所需要的真实世界数据，究竟从哪里来？

这也让 AI 数据产业开始出现越来越清晰的分层：有人负责采集数据，有人负责加工和标注，有人负责把专家知识转化成训练数据，还有人开始直接设计 AI 训练和试错的环境。

从这个角度看，国内外 AI 数据公司的竞争，正在从 " 谁能生产更多数据 "，走向谁能够控制数据生产链条中的更高价值环节。

对 Snorkel 而言，它真正押注的，也不再是 AI 公司还需要多少人来标数据，而是专家知识能否被软件和 AI 规模化，最终变成一种可以持续交付的数据基础设施。

如果这条路径成立，AI 数据公司的生意就会从 " 卖人力 " 进一步走向 " 卖知识、卖数据，以及生产这些数据的系统 "。

而这场竞争的下一站，可能已经不再是谁能生产更多数据，而是谁能为 AI 生产出更好的任务和更真实的训练环境。

本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。