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。