Snorkel 拿了 3.5 亿美元 E 轮：把数据当产品卖，一年涨了 18 倍

融资数字本身没什么稀奇：3.5 亿美元 E 轮、估值 35 亿美元，Insight 和 S32 领投，Addition、Lightspeed、Greylock、GV 等老股东跟投。

稀奇的是同一篇文章里的经营数据：推出 data-as-a-service 不到一年，营收增长超过 18 倍，本周跨过年化营收 3.75 亿美元的线。

一家做了七年数据标注软件的公司，把商业模式从”卖软件”改成”交付完整数据集”，一年内体量变了 18 倍。这个转折点对一个人做 AI 生意的人，比融资本身有信息量。

它到底在卖什么

不是标注工具，是成品：面向前沿模型的专家精选数据集，以及强化学习用的环境。官方对编码类环境的描述很具体——要让资深工程师也得折腾几天几周的问题、要在产品级输出上捕捉细微的目标与奖励信号、要针对模型的细微错误模式做分布化靶向、还要通过几百项质量控制检查防止模型走捷径。

交付方式是专家加 agent 的混合：专家给出种子、约束和草图，几十到几百个专用 agent 负责扩展、质检、审查与修订；人工反馈再反过来训练这些 agent。官方给的量化结果是 QC 效率提升 50% 以上、审查准确度提高 15 个百分点以上，专用 agent 相比非专用的前沿 LLM 基线准确率翻倍以上。

真正有参考价值的是收入口径

同行里有一批公司（Mercor、Handshake 这类）把支付给专家的人力支出计入营收，营收看起来很大。Snorkel 的做法是卖强化学习环境和完整数据集，专家费用走销售成本，不算进年化营收。

同一个赛道，两种口径，估值故事完全不一样。前者毛利看起来很高但收入质量存疑，后者收入规模小一圈但每一块钱都是自己的。做服务型 AI 生意时，先想清楚你要用哪种口径讲故事——这个选择会影响你后面每一次融资、每一个客户对”你到底多大”的判断，而且中途改口径非常难看。

一人公司能从这里拿走什么

不需要 GPU，也不需要训练框架。这条生意的输入是领域专家的时间 + 一套质量控制流程。一个人能做的切口通常不是”给前沿实验室做通用数据集”，而是某个垂直领域里没人做过的评测集或标注集——医疗影像的报告规范、某个行业的合同要素抽取、某类工业文档的表格还原。这类东西总量不大，但竞争者也少，而且定价权在你手上。

判断标准很简单：你手里有没有别人拿不到的真实数据，以及你有没有一个能复核质量的流程。两样都有，这就是生意；只有数据没有流程，卖一次就不卖了。

泼冷水

它的客户名单是前沿实验室、超大规模云厂商、垂直 AI 龙头、企业和美国政府机构。这类客户意味着两件事：单个合同金额大，以及客户集中度极高。3.75 亿美元的 ARR 里前几名占多少，外界看不到。一人公司照抄这个模式时，集中度风险会被放大——你丢一个客户可能就是丢 60% 的收入。

另一层风险在需求侧：模型自己变强之后，一部分数据需求会消失。今天要人工构造的推理轨迹，明年模型自己就能生成。卖数据不是卖水，更像卖某一代的耗材。

原文：https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/