Sabrina Halper與Ali Ansari進行訪談，micro1年化收入突破10億美元
Sabrina Halper與Ali Ansari進行訪談，後者爲25歲獨立創始人兼CEO，其公司micro1剛剛突破10億美元年化經常性收入。
訪談稱，Ali九歲從伊朗移居美國時不會英語，後從翻賣教科書起步，最終打造了當前增長最快的AI數據公司之一。
訪談議題包括：專家是否在訓練自己的替代者；如何教AI主觀判斷；知識並非靜態，對齊AI始終需要新數據；機器人與真實世界數據瓶頸；向中國出售訓練數據的高風險；以及AI經濟能否支撐基礎設施投入。
公司從AI招聘工具轉型至爲前沿AI實驗室提供專家人類訓練數據、RLHF反饋與評估；此前曾因客戶流失一度接近破產，後重建並保持盈利，核心團隊約180人、全遠程、覆蓋14個以上國家。
突破10億美元年化收入前，公司在夏季超過5億美元時完成Series B，估值40億美元，由Dream Ventures領投，Microsoft等參與，並設約2500萬美元員工股份回購。
訪談還討論互聯網數據作爲訓練數據的侷限性，以及需要持續新數據以維持模型與人類判斷對齊。
來源：公開信息
ABAB AI 解讀
Ali Ansari作爲獨立創始人，從伊朗移民背景起步，早期通過eBay與教科書翻賣積累經驗，後在伯克利與斯坦福學習計算機科學，先開發AI招聘工具，再於2025年前後將業務重心轉向專家人類數據，爲前沿實驗室提供訓練、RLHF與評估服務；公司在一度失去主要收入後重建，並於2026年10月宣佈突破10億美元年化經常性收入並保持盈利。
資本路徑上，公司通過專家網絡與結構化數據環境向AI實驗室收費，Series B由Dream Ventures領投、Microsoft等參與，估值40億美元，並提供員工流動性；資源集中於招募領域專家、生成非互聯網來源的真實世界與主觀判斷數據，而非依賴公開網絡數據。
這類似於Scale AI、Mercor與Surge等人類數據供應商在前沿模型後訓練階段的競爭，或早期數據標註公司向專家級RLHF轉型的路徑；當前micro1處於AI訓練數據從通用標註向領域專家與真實世界環境遷移的階段，機器人數據與對齊主觀判斷成爲下一瓶頸。
本質屬於產業鏈重構：訓練數據從互聯網抓取與通用標註轉向專家驅動的結構化環境與持續新數據供給，使人類判斷成爲模型對齊與能力提升的核心輸入；基礎設施投入依賴於數據質量與專家網絡的持續擴張，同時向特定國家出售數據涉及戰略與合規約束，使數據供給成爲AI能力競爭的關鍵環節。
ABAB News · 認知定律
專家數據成爲模型對齊的持續輸入
年化收入跨越十億時，數據質量決定基礎設施回報
互聯網數據失效後，真實世界與主觀判斷成瓶頸