AI训练数据初创公司AfterQuery融资估值升至32亿美元，两名创始人目前分别22岁和23岁
AI训练数据初创公司AfterQuery完成新一轮融资，投后估值据报道达到32亿美元，成为Y Combinator历史上从成立到独角兽速度最快的公司。
该公司4月刚宣布完成3,000万美元A轮融资，当时估值为3亿美元；五个月内估值扩大逾10倍，意味着本轮资本按远高于上一轮的价格重新定价其收入增长与训练数据供给能力。
Y Combinator合伙人Gustaf Alströmer称，AfterQuery从成立到估值突破10亿美元的速度刷新YC纪录。两名创始人目前分别22岁和23岁，仅在18个月前参加YC 2025年冬季批次。
AfterQuery在4月披露，其年化营收运行率已达到1亿美元；这一口径若持续，32亿美元估值对应约32倍年化营收，属于高增长AI基础设施与数据服务公司的高溢价定价区间。
公司已披露客户包括英伟达、法律科技公司Legora及韩国AI实验室Motif Technologies。客户结构显示，其收入并非只依赖单一模型实验室，也覆盖芯片、垂直软件和区域性AI研发机构。
AfterQuery雇佣医生、律师等知识专业人士参与模型训练，但其产品目标不是单纯提升问答正确率，而是将专业人士完成任务时的工作流程、判断路径和推理模式编码进模型与代理系统。
市场机制上，买方是需要提升AI代理任务交付能力的大模型实验室、企业软件公司与算力生态参与者；卖方是能够组织稀缺专家劳动力、将隐性专业流程转成可训练数据的供应商。融资事件会把资金继续导向专家数据招募、数据生产和代理评测环节，Scale AI、Mercor等同类服务商面临人才与客户争夺压力，而具备大额AI预算的芯片公司、模型公司和企业软件客户将从更可执行的代理能力中受益。
来源：公开信息
ABAB AI 解读
AfterQuery所进入的并不是传统众包标注市场，而是Scale AI与Mercor已验证的“高价值专家数据”赛道。Scale AI早期依靠结构化数据标注服务切入自动驾驶和机器学习客户，后来把业务扩展到生成式AI模型评测、微调与政府合同；Mercor则以招募专业知识工作者参与AI训练为核心。AfterQuery把竞争重心进一步推向专业任务执行过程，即从“答案是否正确”转向“模型是否按专业人员的方式完成工作”。
资本路径的关键在于，1亿美元年化营收让AfterQuery不再只是一个尚未验证需求的训练数据项目，而成为可被增长基金按收入倍数估值的AI基础设施资产。新资金的实际用途通常会集中到三端：以更高报酬吸引医生、律师和其他稀缺专家；建立任务拆解、质量控制和推理轨迹采集系统；扩张面向模型公司与企业客户的交付团队。客户一旦把训练数据接入核心模型迭代，替换供应商的成本会随评测标准、数据格式和专家网络绑定而提高。
它与传统数据标注公司的分界线，在于训练对象从静态样本转为可执行的工作流。Scale AI的价值曾来自将数据生产工业化；AfterQuery和Mercor争夺的则是将知识劳动中的判断、例外处理和决策顺序产品化。类似转变也出现在软件行业：RPA先自动化规则明确的重复操作，后续AI代理试图处理跨工具、需判断、可容错的复杂事务。AfterQuery处在代理从演示能力走向生产部署的扩张阶段。
这本质上是定价权转移：模型参数和通用网页文本逐渐商品化后，能提升真实任务完成率的稀缺专业数据变成新的瓶颈。模型公司可以买到GPU、租到云算力，也能获得大规模公开语料；但医生诊断流程、律师审阅路径和企业岗位中的异常处理经验，不能通过简单爬取稳定获得。控制专家供给、质量筛选和任务标准的一方，便能对训练预算取得更强议价权。
ABAB News · 认知定律
算力决定上限，流程数据决定落地
答案可以复制，判断路径更难购买
模型竞争到最后，争夺的是人类经验的接口