AI訓練數據初創公司AfterQuery融資估值升至32億美元，兩名創始人目前分別22歲和23歲
AI訓練數據初創公司AfterQuery完成新一輪融資，投後估值據報道達到32億美元，成爲Y Combinator歷史上從成立到獨角獸速度最快的公司。
該公司4月剛宣佈完成3,000萬美元A輪融資，當時估值爲3億美元；五個月內估值擴大逾10倍，意味着本輪資本按遠高於上一輪的價格重新定價其收入增長與訓練數據供給能力。
Y Combinator合夥人Gustaf Alströmer稱，AfterQuery從成立到估值突破10億美元的速度刷新YC紀錄。兩名創始人目前分別22歲和23歲，僅在18個月前參加YC 2025年冬季批次。
AfterQuery在4月披露，其年化營收運行率已達到1億美元；這一口徑若持續，32億美元估值對應約32倍年化營收，屬於高增長AI基礎設施與數據服務公司的高溢價定價區間。
公司已披露客戶包括英偉達、法律科技公司Legora及韓國AI實驗室Motif Technologies。客戶結構顯示，其收入並非只依賴單一模型實驗室，也覆蓋芯片、垂直軟件和區域性AI研發機構。
AfterQuery僱傭醫生、律師等知識專業人士參與模型訓練，但其產品目標不是單純提升問答正確率，而是將專業人士完成任務時的工作流程、判斷路徑和推理模式編碼進模型與代理系統。
市場機制上，買方是需要提升AI代理任務交付能力的大模型實驗室、企業軟件公司與算力生態參與者；賣方是能夠組織稀缺專家勞動力、將隱性專業流程轉成可訓練數據的供應商。融資事件會把資金繼續導向專家數據招募、數據生產和代理評測環節，Scale AI、Mercor等同類服務商面臨人才與客戶爭奪壓力，而具備大額AI預算的芯片公司、模型公司和企業軟件客戶將從更可執行的代理能力中受益。
來源：公開信息
ABAB AI 解讀
AfterQuery所進入的並不是傳統衆包標註市場，而是Scale AI與Mercor已驗證的“高價值專家數據”賽道。Scale AI早期依靠結構化數據標註服務切入自動駕駛和機器學習客戶，後來把業務擴展到生成式AI模型評測、微調與政府合同；Mercor則以招募專業知識工作者參與AI訓練爲核心。AfterQuery把競爭重心進一步推向專業任務執行過程，即從“答案是否正確”轉向“模型是否按專業人員的方式完成工作”。
資本路徑的關鍵在於，1億美元年化營收讓AfterQuery不再只是一個尚未驗證需求的訓練數據項目，而成爲可被增長基金按收入倍數估值的AI基礎設施資產。新資金的實際用途通常會集中到三端：以更高報酬吸引醫生、律師和其他稀缺專家；建立任務拆解、質量控制和推理軌跡採集系統；擴張面向模型公司與企業客戶的交付團隊。客戶一旦把訓練數據接入核心模型迭代，替換供應商的成本會隨評測標準、數據格式和專家網絡綁定而提高。
它與傳統數據標註公司的分界線，在於訓練對象從靜態樣本轉爲可執行的工作流。Scale AI的價值曾來自將數據生產工業化；AfterQuery和Mercor爭奪的則是將知識勞動中的判斷、例外處理和決策順序產品化。類似轉變也出現在軟件行業：RPA先自動化規則明確的重複操作，後續AI代理試圖處理跨工具、需判斷、可容錯的複雜事務。AfterQuery處在代理從演示能力走向生產部署的擴張階段。
這本質上是定價權轉移：模型參數和通用網頁文本逐漸商品化後，能提升真實任務完成率的稀缺專業數據變成新的瓶頸。模型公司可以買到GPU、租到雲算力，也能獲得大規模公開語料；但醫生診斷流程、律師審閱路徑和企業崗位中的異常處理經驗，不能通過簡單爬取穩定獲得。控制專家供給、質量篩選和任務標準的一方，便能對訓練預算取得更強議價權。
ABAB News · 認知定律
算力決定上限，流程數據決定落地
答案可以複製，判斷路徑更難購買
模型競爭到最後，爭奪的是人類經驗的接口