一家成立不足十二个月的AI初创企业，正接近完成一笔20亿元的融资。
根据消息，阿里巴巴计划领投UniPat新一轮约3亿美元的融资，腾讯与红杉中国等机构也参与其中。该公司估值大约为25亿美元，折合人民币约170亿元。
UniPat的核心业务是为人工智能系统出题、评分，并指出模型在何处出错。
这项业务已经开始产生可观的收益。
2024年，专注于AI数据与评估的公司Surge AI营收约为12亿美元；Mercor今年披露的年化总收入已超过20亿美元；而Scale AI去年的收入也逼近10亿美元。
- 01 - 一年之内涌现三家十亿美元级业务
UniPat于2025年末成立。创始人李宽是一名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学位，研究方向涵盖LLM Agent。在创业之前，他曾以实习生身份在阿里通义DeepResearch参与后训练研究，重点涉及数据合成与强化学习。
后训练要解决的核心问题之一，是让已完成预训练的模型进一步“提升智能”。模型能做对多少题并不足够，训练团队还需要明确：什么样的答案才算合格，错在哪里，哪种反馈最值得用于后续训练。
UniPat将这一过程转化为产品。一位来自头部科技公司AI智能体项目的负责人向铅笔道透露，UniPat替代了智能体研发项目中原本由测试团队承担的工作，把整个评估流程打包成产品，用来衡量AI任务执行的完整程度，精准切中了市场需求。
目前最直接的盈利方式，是将专业人员的判断出售给大模型公司。
Mercor为OpenAI、Anthropic、Google DeepMind等机构组织程序员、律师、金融从业者和科学家，让他们出题、撰写答案、评价模型输出，再将数据提供给客户用于后训练。该公司最初从事AI招聘，随后发现，最愿意为高端人才付费的是大模型实验室，因此转向AI训练领域。
据Forbes报道，Mercor今年6月的年化总收入超过20亿美元，相较于2月的10亿美元翻了一番。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。
但这20亿美元并非纯粹的软件收入。大约60%至70%的流水需要支付给专家。Mercor赚取的是撮合差价，关键在于快速找到合适的专家并控制交付质量。
Handshake走的是相似路线。它原本是一个大学生招聘平台，拥有高校、学生及校友网络。2025年切入AI训练后，不到一年时间，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则更像一家高利润率的数据服务商。创始人Edwin Chen曾在Google、Facebook和Twitter任职。该公司2024年收入约12亿美元，客户包括Google、Meta、Microsoft和Anthropic。
Surge同样销售人类反馈和高质量数据，但它将业务推向更高价值环节：不仅仅是找人做题，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，这更接近一套完整的AI后训练服务。
这几家公司赚取的是同一笔钱：模型越强大，就越需要更专业的人来告诉它错在哪里。
- 02 - 优质答案，价值不菲
行业从标注转向评测的原因很简单：模型已经越来越擅长应对考试。
早期训练数据关注的是“是否有答案”。如今的问题变成了“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；但让AI修改一个大型代码仓库、完成一份投行分析、处理医院行政流程，很难仅用“对/错”两个字来评分。
此时，评分标准本身就成为了数据。
UniPat今年推出的ExpertEval覆盖医疗、金融和法律三个领域，包含3213个专家案例、207个场景，每个案例平均设有21.83条评分标准。它不仅检查最终结论，还评估证据、推理过程和高风险错误。这些评分结果可继续用于后训练。
其Monthly-SWEBench则每月从最新关闭的GitHub任务中抽取题目测试模型。题库必须持续更新，因为公开的Benchmark很快会被“刷题”：分数上涨，并不代表真实工作能力同步提升。
SaaS-Bench更接近实际工作场景。UniPat将Agent放入23套可运行的SaaS系统，要求其完成报销、关账、项目管理、医疗行政等任务。结果显示，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仅为3.8%。
这3.8%恰恰是这类公司的商机所在。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实验室才需要不断寻找新题目、发现错误、设计评分规则，再将失败样本送回训练。模型每升级一次，这个循环就可能重新启动。
Scale AI也经历了类似的升级过程。它从自动驾驶数据标注起步，随后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143亿美元获得其49%股份，公司估值升至290亿美元。
这类公司的核心价值在于能否持续发现模型不会做的事情，并将失败原因转化为训练信号。模型每升级一次，新的评测和训练需求就会再次涌现。
- 03 - 下一笔收入来源
行业正在探索比“按人头出售数据”更优的商业模式。新的方向是RL Environment，即强化学习环境。
可以将其理解为给Agent搭建一个“模拟公司”。里面包含邮件、CRM、代码库、财务系统、客户工单以及各种工具。AI不仅要回答一道题，还需要连续完成几十甚至几百步操作。系统再根据结果自动评分，让模型反复练习。
这比传统标注难度更高，也更接近软件产品。传统模式需要不断招聘人员、分配任务、验收结果，收入增长往往伴随着人工成本上升；而训练环境一旦搭建完成，可以被不同模型反复使用，并持续生成新的训练轨迹和反馈信号。
Surge已经成立专门团队来建设这类环境。今年发布的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月收购了专门从事强化学习环境建设的Deeptune，并明确将编码、医疗、法律等领域的训练环境作为下一阶段的业务重点。
Handshake则开始将另一种稀缺资源拿出来销售：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，再将整理后的数据提供给前沿AI实验室用于训练和评测。
这表明这项业务正在形成三层收费模式：第一层出售专家时间，第二层销售整理好的训练数据和评分标准，第三层提供能持续产生训练数据的环境。越往后，越接近基础设施。
当然，这项业务尚未完全摆脱人力服务。Mercor约六至七成流水需要支付给专家，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，36氪经授权发布。