Kimi实习生创立数据公司估值近200亿，跨界金融与RSI系统支撑高增长叙事

事件概述

一家由拥有阿里通义、月之暗面等一线模型大厂实习经历的95后/00后团队创立的AI训练数据公司，近期估值达到25亿美元（约合人民币200亿元）。该公司在成立不到一年的时间内完成了约三轮融资，并获得了千万美元级别的订单。本轮融资投资方阵容包括红杉资本、阿里巴巴和腾讯等知名机构。

核心背景与市场变化

1. 人才结构升级与需求转变

• 创始人画像：新一代数据创业者多具备名校背景及一线模型厂实习经验，深谙模型训练痛点与工程链路，区别于早期依赖廉价劳动力的标注模式。
• 需求迭代：随着Agent（智能体）爆发，市场对数据的需求从简单的“问答对”转向可闭环、可验证的训练环境。模型需要在环境中反复行动并获得反馈，这对医疗、法律等专业领域的高质量人工标注提出了更高要求，大厂愿意为此支付高溢价。

2. 行业对标案例

• Mercor：通过组织专业人士形成训练数据供应网络，2025年估值达100亿美元，计划以200亿美元估值融资。
• AfterQuery：由23岁和22岁的联合创始人创立，专注于强化学习仿真环境和专家推理数据集，最新估值达32亿美元。
• Scale AI：虽长期未融资，但2025年传出寻求最高10亿美元融资消息，年收入超10亿美元，估值超150亿美元。

商业模式挑战与新叙事

1. 传统数据生意的瓶颈

• 毛利空间有限：数据显示，垂直领域专家数据公司的60%-70%收入需支付给承包商，毛利被严重压缩。
• 收入不确定性高：订单需经反复验收，交付不达标可能导致客户削减或取消订单，单纯“卖数据”难以支撑百亿级估值。

2. 跨界转型与“新故事”
为支撑高估值，该公司正尝试跳出传统外包模式，构建新的增长叙事：

• 涉足金融领域：在预测市场搭建可对比、可验证的系统，计划通过出售API实现盈利。
• 构建“半RSI”系统：尝试搭建递归式自我改进（Recursive Self-Improvement, RSI）的数据管线。虽然尚未实现完全自动化，但在特定环节已做到70%-80%的自迭代能力，将数据服务从一次性交付升级为客户工作流中的长期基础设施。

行业趋势与投资逻辑

• RSI概念升温：随着模型发版节奏加快至月度级，RSI成为创投圈热词。Meta前FAIR研究总监田渊栋创办的Recursive Superintelligence实验室已完成6.5亿美元融资，估值46.5亿美元。
• 投资视角转变：投资人不再仅看重“人”的背景，更关注团队是否具备将研究员认可的质量要求转化为实际生产工程的能力。数据业务被视为团队养活自己、积累Researcher密度和工程能力的阶段性手段，未来可能演变为预训练/后训练组织或深度介入客户AI工作流的SaaS服务商。
• 风险警示：深入客户核心业务伴随高风险，如Mercor曾遭遇数据泄露导致Meta暂停合作。此外，市场上所谓的“RSI”概念层次不一，需甄别其具体解决的是产品自动化层面还是完整的模型改进闭环。