Snorkel AI估值飙至35亿美元，训练数据需求爆发

当大模型竞赛的焦点从参数规模转向数据质量，AI训练数据赛道正迎来属于自己的高光时刻。据TechCrunch报道，总部位于美国的Snorkel AI宣布完成3.5亿美元E轮融资，公司估值较上一轮翻了三倍，达到35亿美元。

七年磨一剑：从斯坦福实验室走向35亿美元

Snorkel AI成立于七年前，脱胎于斯坦福大学AI实验室的研究项目。其核心技术是「程序化标注」（programmatic labeling）：开发者不再需要逐条人工打标签，而是通过编写标注函数、调用已有模型等方式生成弱监督信号，再由算法自动融合为训练标签。这套方法大幅削减了构建训练数据集的成本与时间。

在很长一段时间里，这一路线被视为「学术味太重」的偏门方案。但伴随大模型对垂直领域与专有数据的需求激增，Snorkel的价值被市场重新定价——估值短期内翻了三倍，正是资本给出的直接反馈。

数据即服务：AI价值链上最确定的「卖水人」

Snorkel的商业模式是「数据即服务」（data-as-a-service）。企业客户将自有数据接入其平台，借助自动化工具完成清洗、标注、增强与评测，最终得到可直接用于微调或训练的高质量数据集。对于金融、医疗、法律、政府等对数据合规与专业度要求极高的行业，这一模式尤其具有吸引力。

本轮3.5亿美元E轮资金，正是用于扩展这套产品矩阵，并进一步服务企业级客户。用一句话概括Snorkel的定位：它不造模型，它造让模型变好的数据。

在模型架构日益趋同的今天，决定模型上限的往往不是算力，而是数据的质量与独特性。

赛道拥挤，但天花板同样在抬高

Snorkel所处的赛道并不空旷。Scale AI曾以百亿美元级估值成为数据标注领域的标杆，Surge AI、Labelbox、Appen等玩家也在争夺同一批企业客户。与此同时，需求本身也在升级：从早期的图像框选、文本分类，转向RLHF偏好数据、专家级推理数据，以及多模态与智能体轨迹数据。

更值得关注的是，数据需求正从「标注」走向「生成与治理」。合成数据、数据飞轮、自动化评测等新范式，正在重塑这条产业链的价值分配。

挑战：数据红利能持续多久

投资者押注的核心逻辑是：只要模型仍在迭代，数据需求就不会消失。但风险同样存在——模型自我标注与合成数据能力的提升，可能压缩纯人工标注的利润空间；企业客户也可能选择自建数据管线。Snorkel需要用产品化程度和技术壁垒，证明自己不是一轮周期中的过客。

结语

35亿美元估值、3.5亿美元融资，Snorkel AI的这轮跃升是当下AI基础设施投资热度的缩影。当资本从模型层向数据层回撤，真正能拿到长期价值的，或许是那些把「脏活累活」做成标准化产品的公司。

本文编译自TechCrunch