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。

2024年，AI数据与评测公司Surge AI收入约12亿美元；Mercor今年披露的年化总收入已超过20亿美元；Scale AI去年收入也已逼近10亿美元。

- 01 -一年冒出三家十亿美元生意

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”。模型会做多少题并不够，训练团队还要知道：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取代智能体研发项目中，原本测试团队要做的事情，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。公司今年上半年总收入约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，手里有高校、学生和校友网络。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。公司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。相比单纯的人力撮合，这更接近一套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。

- 02 -好答案，很值钱

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。UniPat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。结果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%。

这3.8%恰恰是这类公司的生意。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。

- 03 -下一笔钱

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。今年它发布的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。

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。

本文不构成任何投资建议。

本文来自微信公众号“铅笔道”（ID：pencilnews），作者：松格，编辑：黄小贵