智東西

編譯 | 楊京麗

編輯 | 李水青

智東西9月2日消息，今日，據《福布斯》援引兩名知情人士消息，美國AI訓練數據初創公司AfterQuery估值已達到32億美元（約合人民幣215億元）。一名知情人士稱，該公司目前已經實現盈利，並為新一輪孖展確定了領投方。具體孖展金額及投資方身份尚未公布，AfterQuery對此拒絕置評。

五個月前，AfterQuery的估值還只有3億美元（約合人民幣20億元），其估值在五個月內增長約10倍。AfterQuery曾入選YC 2025年冬季創業加速項目，YC合夥人格斯塔夫·阿爾斯特羅默（Gustaf Alströmer）稱，該公司從成立到躋身獨角獸僅用了約18個月，是YC歷史上完成這一跨越速度最快的創業公司。

AfterQuery於2025年2月成立，總部位於美國舊金山，併入選YC 2025年冬季批次。該公司聯合創始人斯賓塞·馬蒂加（Spencer Mateega）和卡洛斯·喬治斯庫（Carlos Georgescu）創辦AfterQuery時仍在讀大學，在嘗試開發金融Agent一段時間後，他們將公司轉向為前沿大模型提供專家推理數據、強化學習環境和模型評測服務。

AfterQuery稱，其平台已彙集近10萬名專業人士。今年7月，馬蒂加在X平台發文稱，該公司年化收入規模已達到今年4月披露的1億美元（約合人民幣6.72億元）的數倍。

▲馬蒂加發文稱其營收達到數億美元（圖源：X）

據《福布斯》報道，AfterQuery的數據已被用於英偉達Nemotron 3 Ultra模型訓練，該公司還與Thinking Machines Lab、法律AI公司Legora及部分中國AI實驗室開展合作。

從兩個大學生的YC項目到估值215億元的獨角獸，AfterQuery的快速增長折射出AI訓練數據市場的變化：大模型公司的需求正從簡單的基礎標註，轉向由專業人士提供的複雜任務數據。

一、高中相識、一起進Meta實習，從金融Agent轉做大模型訓練數據

AfterQuery的兩名聯合創始人斯賓塞·馬蒂加和卡洛斯·喬治斯庫分別為23歲和22歲，加入YC時仍在讀大學，當時既沒有產品，也沒有確定具體的創業方向。

經過轉型，AfterQuery將自身定位為一家服務基礎模型開發的應用研究實驗室，主要為前沿大模型提供由專業人士創建的推理數據、強化學習環境及模型評測服務，而非傳統的數據標註業務。AfterQuery目前團隊規模約為30人。

▲AfterQuery團隊成員（圖源：AfterQuery）

AfterQuery的兩名核心創始人相識於高中時期。當時，兩人蔘加了谷歌舉辦的計算機科學暑期項目，隨後又一起進入Meta實習。

AfterQuery聯合創始人兼CEO馬蒂加曾在Meta和谷歌從事軟件工程工作，還曾進入摩根士丹利科技投資銀行部門以及私募股權投資機構Silver Lake實習。他在賓夕法尼亞大學沃頓商學院取得金融與統計學學士學位，同時還獲得賓夕法尼亞大學計算機科學碩士學位。

▲聯合創始人兼CEO馬蒂加的工作經歷（圖源：領英）

聯合創始人兼CTO喬治斯庫曾在加拿大不列顛哥倫比亞大學，學習計算機科學。在校期間，他創辦並出售了一家教育科技公司，曾在Meta擔任軟件工程師，還兩度進入量化交易公司Citadel Securities實習。加入YC後，尚有一年學業未完成的喬治斯庫決定退學創業。

▲聯合創始人兼CTO喬治斯庫的工作經歷（圖源：領英）

據《福布斯》報道，2025年初，兩人在YC申請截止前用48小時提交了材料。當時他們沒有產品，也沒有明確的創業方向，只確定要前往舊金山進入AI行業。入選YC後，兩人最先嚐試為金融行業開發AI Agent，希望讓模型自動完成投資分析等專業工作。

不過在測試過程中，他們發現，即使是當時最領先的大模型，在複雜的白領工作流程中仍頻繁失敗。問題不完全在模型架構，而在於模型沒有接受過足夠的專業工作訓練，不知道從業者如何處理信息不完整、標準模糊或者需要結合經驗作出判斷的任務。

兩人因此決定轉型，不再直接開發建立在大模型之上的金融應用，而是為大模型提供底層訓練數據。他們開始收集金融、軟件工程、法律和醫療等領域專家的判斷過程與逐步推理數據，希望把專業人士長期積累的隱性知識轉化為模型可以學習的材料。

二、高質量數據需求量大，五個月估值增長10倍

今年4月，AfterQuery完成了一筆3000萬美元（約合人民幣2.02億元）A輪孖展，投後估值為3億美元（約合人民幣20億元）。該輪孖展由Altos Ventures領投，The Raine Group、Y Combinator、BoxGroup和Latitude Capital參投，投資人還包括來自谷歌DeepMind、OpenAI、Anthropic、Meta超級智能實驗室和微軟AI的個人投資者。

若《福布斯》此次披露的32億美元估值確認，意味着AfterQuery的估值在五個月內增長了約10倍。

拉動AfterQuery快速增長的，是前沿AI公司對高質量訓練數據的需求。通用大模型已經消化了互聯網上大量可公開獲取的文本、圖像和代碼，而通過模型生成的合成數據也存在質量邊界。

為了讓模型完成金融分析、軟件開發、法律審查和醫療判斷等專業任務，AI實驗室需要進一步獲得專業人士在真實工作中作出判斷、處理例外情況和使用軟件工具的完整過程。

因而，過去主要依靠大量低成本人員完成的數據標註，逐漸轉變為由軟件工程師、律師、金融分析師和醫生等專業人士參與的「推理數據」業務。數據供應商出售的不再只是簡單的分類標籤，而是專家處理複雜任務時的思考過程、操作軌跡、判斷標準和反饋結果。

人類數據也由此成為AI創業領域估值增長最快的方向之一。Scale AI創始人汪滔（Alexandr Wang）曾憑藉數據標註業務成為全球最年輕的白手起家億萬富豪。另一家AI數據公司Mercor的三名創始人隨後以22歲的年齡刷新這一紀錄。據The Information 8月報道，Mercor正在與英偉達洽談新一輪孖展，目標估值達到200億美元（約合人民幣1344億元）。

三、聚集近10萬名專業人士，用定製軟件系統驗證數據

AfterQuery稱，其平台彙集了近10萬名經過驗證的專業人士，覆蓋工程、醫療、法律和金融等領域。這些從業者負責提供專業判斷、操作過程和任務反饋，幫助模型學習僅靠公開網絡數據難以掌握的實際工作經驗。

該公司提供的產品包括監督微調及人類反饋強化學習數據、工具調用和電腦操作強化學習環境，以及定製訓練集與模型評測。例如，AfterQuery可以基於真實API、MCP服務器和開發工具搭建訓練環境，讓AI Agent學習調用工具、處理錯誤並完成多步驟任務。

馬蒂加今年4月接受《福布斯》採訪時稱，AfterQuery與Mercor等同行的區別，在於其使用定製軟件系統，驗證人類生成的數據。系統會進行多輪檢查，將任務難度控制在適中區間：既能對先進模型構成挑戰，又不至於讓模型完全無法作答。

AfterQuery還會在交付數據前自行運行後訓練流程，觀察數據能否提升模型的基準測試成績。馬蒂加稱，這可以讓客戶在查看數據前，先通過模型表現的變化判斷數據質量。

四、進入英偉達大模型訓練，法律評測集覆蓋5161個案例

AfterQuery的數據已經進入前沿模型的實際訓練流程。今年6月，英偉達發布的Nemotron 3 Ultra技術報告顯示，其使用AfterQuery提供的辦公與職場任務數據訓練模型，相關數據覆蓋基於文件的推理、專業交付物生成、多步驟分析和結果評判。AfterQuery稱，他們是該技術報告中唯一被點名的數據合作方。

▲英偉達Nemotron 3 Ultra的部分訓練中使用AfterQuery提供的數據（圖源：英偉達）

AfterQuery稱，在英偉達的一項消融實驗中，加入相關預熱訓練後，Nemotron 3 Ultra在真實職業任務評測集GDPval上的成績從35.3分提升至46.7分，GDPval覆蓋美國國內生產總值規模最大的九個行業、44種職業和1320項真實工作任務。

在法律領域，AfterQuery與法律AI創業公司Legora共同開發了Agent推理評測基準BAR。該評測集包含28個法律業務領域的5161個案例和11075份源文件，用於測試AI Agent能否在Legora的工具環境中完成端到端法律工作。Legora稱，根據該評測發現的問題調整系統後，其產品在相同模型上的輸出質量一個月內提高了5%。

據《福布斯》報道，AfterQuery曾與OpenAI前首席技術官米拉·穆拉蒂（Mira Murati）創辦的Thinking Machines Lab合作。與部分美國AI數據供應商不同，AfterQuery也和一些中國AI實驗室保持着密切合作。

結語：數據標註正轉向「專家經驗工程」

AfterQuery的估值變化顯示，AI數據行業的競爭重點正在發生變化。隨着公開互聯網數據的價值逐漸被挖掘，數據供應商開始從提供規模化基礎標註，轉向收集專業人士的判斷和隱性經驗，並進一步提供強化學習環境和模型評測系統。

不過，高估值並不意味着已經建立穩固壁壘。AI實驗室的數據需求和供應商名單可能快速變化。AfterQuery能否持續保持增長，最終仍取決於其能否穩定獲得專業人士供給、用軟件控制數據質量，並持續證明這些數據能夠讓模型取得可量化的能力提升。

來源：AfterQuery、《福布斯》、X、領英