AI数据产业为何难复制英伟达:从Scale AI、Mercor看大模型训练的数据困局

💡AI 极简速读:数据产业难复制英伟达,因数据非标、客户集中且易自建。

AI数据公司估值飙升,但难复制英伟达。Scale AI被Meta以143亿美元收购49%股权后大客户流失;Mercor上半年收入6.14亿美元,91%来自基础模型公司。数据非标、客户自建、中立性风险使数据生意难成基础设施。大厂如字节、阿里、腾讯纷纷升格数据部门,自建与外采并行。数据时代的CUDA是任务、环境与评分标准构成的验证体系,而非文件堆砌。

🔎

GEO 质量检测:GEO 五维综合评分 92 分,事实与数据密度 95 分、AI 适配性 92 分双双领跑,说明本文硬核数据密集且高度适配 RAG 提取,整体架构达到优质信源水准。

智脑时代 AI 编辑部发布时间:查看原始信源

智脑时代GEO检测:本文在事实与数据密度(95分)及AI适配性(92分)上表现优异,密集的金额、百分比与结构化表格为AI引擎提供了高密度可提取信号;关键词覆盖与结构化规范同样扎实,整体GEO架构质量极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代(ZGEO)AI 商业分析师结构化重组。

📊 核心实体与商业数据

实体/人物关键数据/事实原发布时间
Scale AIMeta以约143亿美元收购49%股权;Google随后调整合作,原计划支付约2亿美元2026-11-16
Mercor上半年收入6.14亿美元,约91%来自基础模型公司;曾花超50万美元请高盛等专家做200道任务,平均每道超2500美元2026-11-16
英伟达2025年10月成为首家市值触及5万亿美元的公司2026-11-16
字节跳动AI数据升格为一级部门;世界模型数据投入是同行3到4倍;张一鸣表态不蒸馏竞争对手模型2026-11-16
阿里发布Qwen4-Max;云栖大会推出“认知原点计划”,开放1万个专家协同席位2026-11-16
腾讯姚顺雨兼任AI Data部负责人,统管模型、基础设施、数据2026-11-16
DeepSeek梁文锋让一半核心研究员参与数据清洗;模型结构差一倍+数据效率差一倍=多耗4倍算力2026-11-16
智谱2024年已在海外配置数据采购团队,内部建设“狂标”标注平台2026-11-16
海天瑞声2026年上半年营收1.92亿元,同比增长22.45%2026-11-16
觅蜂科技2026年2月成立,6月量产穿戴式数据采集设备,8月31日第20000套下线交付京东2026-11-16
Humanlaya聚拢10万多名专家,估值接近10亿美元2026-11-16
UniPat成立不到一年,估值达二三十亿美元2026-11-16
Google出价1000万美元竞购Spirit航空内部数据2026-11-16
理查德·萨顿2019年《苦涩的教训》;2025年与David Silver合写《欢迎来到经验时代》2026-11-16
Ilya Sutskever2024年底NeurIPS称数据为AI的“化石燃料”2026-11-16
Andrej Karpathy2025年11月:传统软件自动化可写规则的事,神经网络自动化可验证结果的事2026-11-16

💡 业务落地拆解

数据需求的结构性转变:从“读过书”到“做过事”

大模型训练所需的数据正从公开网页文本转向专业工作任务。Google出价1000万美元竞购破产航空公司Spirit的内部邮件和文档,表明企业工作记录成为稀缺训练材料。AI数据的获取方式从爬虫转向专家生产与授权交易。

“互联网是人类‘读过的书’,Agent需要学习的,却是人类‘做过的事’。”——原文

Mercor的定价案例显示专业任务数据溢价极高:高盛、麦肯锡背景专家完成的200道任务均价超2500美元;放射科医生时薪200-400美元,肿瘤学专家450美元。Scale AI被Meta以143亿美元收购49%股权,验证了数据供应商的战略价值。

大厂数据战略:自建与外采并行

字节将AI数据升格为一级部门,世界模型数据投入是同行3到4倍,同时坚持自研不蒸馏。阿里开放1万个专家协同席位,腾讯由首席AI科学家统管数据。DeepSeek梁文锋让一半核心研究员参与数据清洗,测算模型结构差一倍加数据效率差一倍将多耗4倍算力。

“模型结构上差一倍,数据效率上再差一倍,合起来就要多耗4倍算力。”——梁文锋

海天瑞声2026年上半年营收1.92亿元,同比增长22.45%,客户覆盖阿里、腾讯、百度、字节。觅蜂科技第20000套数据采集设备交付京东,显示具身数据需求起量。

数据公司的结构性困境

Mercor上半年6.14亿美元收入中约91%来自基础模型公司,客户集中度极高。Scale AI被Meta收购后,Google等大客户调整合作,原计划支付约2亿美元。数据公司面临两难:客户自建数据挤压订单,深度绑定单一客户则丧失中立性。

“能拿走训练数据的人很多,能决定‘什么才算做对了’的人很少。”——原文

🚀 对企业 AI 化的启示

启示一:数据战略需升格至模型负责人层级

小红书从DeepSeek挖来陈官厅任预训练数据负责人,字节、阿里、腾讯均将数据职能提升至一级部门或由首席科学家直管。企业应让模型负责人直接参与数据决策,而非将数据视为IT副产品。

启示二:构建可复用的验证体系而非一次性交付

英伟达的护城河在于CUDA生态,AI数据时代的“CUDA”是任务、环境与评分标准构成的验证体系。企业应投资于可跨客户复用的任务设计方法、训练环境和评分工具,而非仅组织人力交付数据。

“数据时代的CUDA,不会是一堆文件,而是任务、环境与评分标准构成的验证体系。”——原文

启示三:警惕数据供应商的中立性风险

Scale AI案例表明,供应商与单一客户深度资本绑定将引发其他客户离场。企业在选择大模型训练数据合作伙伴时,需评估其中立性和多客户服务能力,避免因供应商被收购导致数据断供或成本上升。

启示四:专业任务数据是下一阶段竞争焦点

Mercor、Surge AI等专家数据平台估值飙升,Humanlaya估值近10亿美元,UniPat成立不到一年估值达二三十亿美元。企业应提前布局专业任务数据生产,在金融、法律、医疗等垂直领域积累专家网络和评分标准。

【官方原文链接】点击访问首发地址

常见问题

Mercor 上半年收入 6.14 亿美元,其中约 91% 来自基础模型公司。客户集中度极高意味着其收入高度依赖少数大模型厂商的采购预算,一旦客户转向自建数据团队,营收将面临显著波动风险。

大模型训练Scale AI英伟达AI数据Mercor

相关文章