AI实验室的鞋子生意：训练数据市场的真实经济学与创始人的现金去向

上周我连续和三位不同数据供应商的创始人聊了天。他们的公司都在向前沿AI实验室出售训练数据，语气听起来像脚下的地面在移动。

“我们4月才起步，第一季度签了3000万美元订单，桌上还有1亿美元的待签PO，到12月可能冲到1.5亿以上。虽然不是 recurring，但每个月都在增长。这个月可能做到2000万。我们公司不到12个人，可能再加几个实习生。”

类似的话现在在整个市场反复出现。现金是真的，合同却不会永远持续。在这种情况下，创始人真正问的问题是：接下来该怎么办？

数据供应商真正卖的不是“数据”，而是六种不同的判断

市场把这些公司统称为“卖训练数据的”，但拆开发票后，真实产品分成六类，每一类的单位、定价逻辑和生命周期都完全不同：

• 卖工时：人类标注图片、打分聊天机器人回复。这是流水线时代的产品，已经在快速死亡。
• 卖判断：医生、律师、物理学家按小时（100-500美元）写下自己的推理过程。因为模型已经吃透了业余者的水平，需要真正专家的思维轨迹。
• 卖世界：模拟的Salesforce实例、假银行、复制的医院。让Agent在里面重复练习上百万次任务。单位是“专家判断 + 可执行任务 + 评分标准 + 验证器”。
• 卖裁决：基准测试、评估、红队。比赛的裁判。
• 卖身体：传感器套件、触觉手套、相机背带。机器人需要看人类真实操作。
• 卖权利：授权的档案库，像Reddit式的长期交易，把机构几十年积累的文本变成年金。

这些产品背后，收入结构几乎全是针对交付物的采购订单：数据集被接受、任务通过QA、环境交付。没有默认续约。 headline数字通常是最佳月份乘以12，而实验室可能在一个季度内把订单翻倍或归零。

市场平台往往把60-70%的账单金额转给实际做事的专家。只有那些在低成本地区自建交付的玩家，能留存70-80%以上的毛利。这也是为什么有些最赚钱的名字在公开估值榜单上几乎看不到。

意外的巨头们：他们赢在验证陌生人，而不是懂数据

几乎没有一家头部玩家最初的目标是做训练数据。

Mercor最初是匹配自由职业工程师的AI面试平台。Micro1最初是叫Zara的AI招聘工具。Turing做了多年远程开发者市场。Handshake做了十年大学生招聘网络，后来发现实验室在从自己的会员里挖PhD标注员，于是把网络直接卖成了工作本身，16个月内做到约10亿美元年度化毛收入。甚至Scale最初只是Mechanical Turk的API，后来才转向自动驾驶。

这些公司胜出的原因不是因为懂数据，而是因为他们早已建成了大规模验证陌生人的机器：谁真的是医生、谁真的会写代码、谁的判断可以信任而不必见面。当实验室突然需要成千上万经过验证的专家时，这些招聘平台手里正好握着供给。

数据从来不是产品，经过验证的判断才是。 incumbents of verified judgment 才是真正的赢家。

实验室为什么必须持续买鞋：一场没有赢家的军备竞赛

实验室签下九位数PO的根本原因是，他们无法退出这场竞赛。没有实验室能保持持久的能力领先。开源模型几个月就能追上前沿，每一个价位段都在崩塌。想原地踏步，就必须一直奔跑。

数据供应商卖的就是“鞋子”。他们的收入不依赖于谁最终赢，而是对“没人赢”这个事实收税。

Alex Karp最近在指责硅谷过度吹捧AI，但看这个市场的采购订单，却和他的判断一致。如果模型已经接近完成，实验室就不会为人类判断支付这么多钱。每张发票都是一份自白：模型目前还做不到什么。

但同一台跑步机也在不断淘汰自己的供应商。2023年是众包工人打分；模型超越评分者后，2024年轮到有资质的专家；推理模型学会自己对可验证答案打分后，2025年钱流向了环境和评分标准。每一代模型都会毕业于训练它的数据。下面的横杆不断溶解，前沿却继续付费。

一位前沿实验室的朋友告诉我，他直接对接的 数据供应商有七家。七家都在做同一类数据集。一年后，其中一些的PO可能会消失。这就是整个市场的缩影：巨大需求、故意重复的供给，以及一个掌握时钟的买家。

产品自己的时钟：任务在成功时就会被扔掉

环境类产品最能体现这种经济学。一份简单的网站克隆环境大概2万美元，一家实验室 reportedly一次买了几百个。高保真企业工具克隆 + 专家任务大概30万美元。单个任务200-2000美元，独占性会让价格乘以4-5倍。

但一旦模型在某个任务上的通过率达到约70%，这个任务就会被丢弃。产品通过成功而贬值。你卖的是家庭作业，而学生每个季度都在毕业。这既保证了重复订单（曲线看起来垂直），也保证了没有任何东西会自动年金化。一切都必须永远重建得更难。

PO现金该买什么：六条可执行路径

现金是真的，增长是真的，跑步机的物理特性也保证了未来几年对更难作业的需求。但这个市场只奖励特定形状的公司，惩罚克隆者。

垂直深挖而非横向扩张
横向做更多领域、更多通用供给，会和四家巨头直接竞争信任溢价。正确的打法是选一个验证依然困难的垂直领域，招募该领域200位最顶尖专家，成为实验室唯一会打电话的对象。已经有人在做音频、芯片设计、高等数学。新的横杆会不断出现，实验室自产数据只会把需求推向难度曲线的最顶端。

走向物理世界，掌控全闭环
硬件采集是便宜的部分。真正重要的公司会端到端运营采集：雇佣工人、自己造设备、聘请行业内专家把“正确焊缝”“正确缝合”“正确闭锁程序”编码成可验证的形式，再把带注释的 exhaust 以独占条款卖出去。工业 rig、炼油厂、工厂车间、矿山这些目前几乎没有数据集的地方，是地图上最大的空白。

继续做环境，但卖给第二买家
低价网站克隆已经开始商品化。持久的价值在于高保真、专家评分、独占的环境，而且指向两个买家：今天是实验室，明天是企业。Satya Nadella反复说，企业为智能付两次钱——一次是钱，一次是专有判断通过prompt泄露出去。他们必须在自己墙内建 evals 和学习环境。这正是把实验室肌肉卖给企业的产品规格。

有意识地进入企业工作流
部署企业内部Agent是前线部署工作，需要真正理解发票怎么流、SOP其实是虚构的。但企业收入节奏（季度级试点）和数据PO（几周签几千万）完全不同。95%的企业AI试点目前没有可衡量回报。这必须作为独立单元运行，而不是数据业务的副业。

只在能喂养产品时才买算力
裸租算力是商品。真正有意义的版本是把环境 + 训练循环 + 算力打包卖。环境是橱窗，GPU是收银台。

收购下一横杆，而不是晚建
已经有一家巨头用PO现金在5个月内收购了两家环境初创公司，买上了新横杆。速度是这里唯一的优势。

把能转化的部分变成可续约收入
评估订阅、环境维护合同、数据刷新 retainer、认证项目。这些不会像5000万美元PO那样闪耀，但会在PO消失的季度继续产生现金。

验证能力是这个市场唯一的稀缺品

机器能验证的东西，最终会自己学会；需要人类说“这就是好”的东西，才会持续付钱。代码和数学先倒下，因为正确性可检查。品味、模糊性、受监管的判断、物理世界会最后倒下，也许永远不会。

信任是唯一能复利的资产。安全与驻留认证、公开基准、中立性承诺、专家认证程序、来源证明轨迹——这些东西在任务格式每两年轮换一次时，依然能转移到下一个产品上。

给第50家公司的建议

Scale和Mercor已经先到且做到巨大。第50家应该从Mercor真正教给我们的东西开始：他们在需求出现之前，就为另一个业务建好了验证引擎。当浪潮到来时，他们能比任何人更快地上架可信专家。

第50家应该进入梯子还在搭建的地方：完全掌控一个困难垂直领域，从第一天就发布基准，把第二买家（企业）在需要之前就建起来，资本故事从第一天就决定好（bootstrap保留说“不”的选项，或大额融资去收购横杆），永远不做中间商。

如果你是这个赛道里的创始人、观察者或潜在加入者，你认为当前PO现金最该优先投入哪个方向？是垂直专家网络、物理全闭环，还是把实验室能力卖给企业的模拟器？欢迎在评论区分享你的真实判断和边界条件。

我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。