5个月，估值涨近10倍。
智东西9月2日消息，今日，据《福布斯》援引两名知情人士消息，美国AI训练数据初创公司AfterQuery估值已达到32亿美元（约合人民币215亿元）。一名知情人士称，该公司目前已经实现盈利，并为新一轮融资确定了领投方。具体融资金额及投资方身份尚未公布，AfterQuery对此拒绝置评。
五个月前，AfterQuery的估值还只有3亿美元（约合人民币20亿元），其估值在五个月内增长约10倍。AfterQuery曾入选YC 2025年冬季创业加速项目，YC合伙人格斯塔夫·阿尔斯特罗默（Gustaf Alströmer）称，该公司从成立到跻身独角兽仅用了约18个月，是YC历史上完成这一跨越速度最快的创业公司。
AfterQuery于2025年2月成立，总部位于美国旧金山，并入选YC 2025年冬季批次。该公司联合创始人斯宾塞·马蒂加（Spencer Mateega）和卡洛斯·乔治斯库（Carlos Georgescu）创办AfterQuery时仍在读大学，在尝试开发金融Agent一段时间后，他们将公司转向为前沿大模型提供专家推理数据、强化学习环境和模型评测服务。
AfterQuery称，其平台已汇集近10万名专业人士。今年7月，马蒂加在X平台发文称，该公司年化收入规模已达到今年4月披露的1亿美元（约合人民币6.72亿元）的数倍。
▲马蒂加发文称其营收达到数亿美元（图源：X）
据《福布斯》报道，AfterQuery的数据已被用于英伟达Nemotron 3 Ultra模型训练，该公司还与Thinking Machines Lab、法律AI公司Legora及部分中国AI实验室开展合作。
从两个大学生的YC项目到估值215亿元的独角兽，AfterQuery的快速增长折射出AI训练数据市场的变化：大模型公司的需求正从简单的基础标注，转向由专业人士提供的复杂任务数据。
高中相识、一起进Meta实习
从金融Agent转做大模型训练数据
AfterQuery的两名联合创始人斯宾塞·马蒂加和卡洛斯·乔治斯库分别为23岁和22岁，加入YC时仍在读大学，当时既没有产品，也没有确定具体的创业方向。
经过转型，AfterQuery将自身定位为一家服务基础模型开发的应用研究实验室，主要为前沿大模型提供由专业人士创建的推理数据、强化学习环境及模型评测服务，而非传统的数据标注业务。AfterQuery目前团队规模约为30人。
▲AfterQuery团队成员（图源：AfterQuery）
AfterQuery的两名核心创始人相识于高中时期。当时，两人参加了谷歌举办的计算机科学暑期项目，随后又一起进入Meta实习。
AfterQuery联合创始人兼CEO马蒂加曾在Meta和谷歌从事软件工程工作，还曾进入摩根士丹利科技投资银行部门以及私募股权投资机构Silver Lake实习。他在宾夕法尼亚大学沃顿商学院取得金融与统计学学士学位，同时还获得宾夕法尼亚大学计算机科学硕士学位。
▲联合创始人兼CEO马蒂加的工作经历（图源：领英）
联合创始人兼CTO乔治斯库曾在加拿大不列颠哥伦比亚大学，学习计算机科学。在校期间，他创办并出售了一家教育科技公司，曾在Meta担任软件工程师，还两度进入量化交易公司Citadel Securities实习。加入YC后，尚有一年学业未完成的乔治斯库决定退学创业。
▲联合创始人兼CTO乔治斯库的工作经历（图源：领英）
据《福布斯》报道，2025年初，两人在YC申请截止前用48小时提交了材料。当时他们没有产品，也没有明确的创业方向，只确定要前往旧金山进入AI行业。入选YC后，两人最先尝试为金融行业开发AI Agent，希望让模型自动完成投资分析等专业工作。
不过在测试过程中，他们发现，即使是当时最领先的大模型，在复杂的白领工作流程中仍频繁失败。问题不完全在模型架构，而在于模型没有接受过足够的专业工作训练，不知道从业者如何处理信息不完整、标准模糊或者需要结合经验作出判断的任务。
两人因此决定转型，不再直接开发建立在大模型之上的金融应用，而是为大模型提供底层训练数据。他们开始收集金融、软件工程、法律和医疗等领域专家的判断过程与逐步推理数据，希望把专业人士长期积累的隐性知识转化为模型可以学习的材料。
高质量数据需求量大
五个月估值增长10倍
今年4月，AfterQuery完成了一笔3000万美元（约合人民币2.02亿元）A轮融资，投后估值为3亿美元（约合人民币20亿元）。该轮融资由Altos Ventures领投，The Raine Group、Y Combinator、BoxGroup和Latitude Capital参投，投资人还包括来自谷歌DeepMind、OpenAI、Anthropic、Meta超级智能实验室和微软AI的个人投资者。
若《福布斯》此次披露的32亿美元估值确认，意味着AfterQuery的估值在五个月内增长了约10倍。
拉动AfterQuery快速增长的，是前沿AI公司对高质量训练数据的需求。通用大模型已经消化了互联网上大量可公开获取的文本、图像和代码，而通过模型生成的合成数据也存在质量边界。
为了让模型完成金融分析、软件开发、法律审查和医疗判断等专业任务，AI实验室需要进一步获得专业人士在真实工作中作出判断、处理例外情况和使用软件工具的完整过程。
因而，过去主要依靠大量低成本人员完成的数据标注，逐渐转变为由软件工程师、律师、金融分析师和医生等专业人士参与的“推理数据”业务。数据供应商出售的不再只是简单的分类标签，而是专家处理复杂任务时的思考过程、操作轨迹、判断标准和反馈结果。
人类数据也由此成为AI创业领域估值增长最快的方向之一。Scale AI创始人汪滔（Alexandr Wang）曾凭借数据标注业务成为全球最年轻的白手起家亿万富豪。另一家AI数据公司Mercor的三名创始人随后以22岁的年龄刷新这一纪录。据The Information 8月报道，Mercor正在与英伟达洽谈新一轮融资，目标估值达到200亿美元（约合人民币1344亿元）。
聚集近10万名专业人士
用定制软件系统验证数据
AfterQuery称，其平台汇集了近10万名经过验证的专业人士，覆盖工程、医疗、法律和金融等领域。这些从业者负责提供专业判断、操作过程和任务反馈，帮助模型学习仅靠公开网络数据难以掌握的实际工作经验。
该公司提供的产品包括监督微调及人类反馈强化学习数据、工具调用和电脑操作强化学习环境，以及定制训练集与模型评测。例如，AfterQuery可以基于真实API、MCP服务器和开发工具搭建训练环境，让AI Agent学习调用工具、处理错误并完成多步骤任务。
马蒂加今年4月接受《福布斯》采访时称，AfterQuery与Mercor等同行的区别，在于其使用定制软件系统，验证人类生成的数据。系统会进行多轮检查，将任务难度控制在适中区间：既能对先进模型构成挑战，又不至于让模型完全无法作答。
AfterQuery还会在交付数据前自行运行后训练流程，观察数据能否提升模型的基准测试成绩。马蒂加称，这可以让客户在查看数据前，先通过模型表现的变化判断数据质量。
进入英伟达大模型训练
法律评测集覆盖5161个案例
AfterQuery的数据已经进入前沿模型的实际训练流程。今年6月，英伟达发布的Nemotron 3 Ultra技术报告显示，其使用AfterQuery提供的办公与职场任务数据训练模型，相关数据覆盖基于文件的推理、专业交付物生成、多步骤分析和结果评判。AfterQuery称，他们是该技术报告中唯一被点名的数据合作方。
▲英伟达Nemotron 3 Ultra的部分训练中使用AfterQuery提供的数据（图源：英伟达）
AfterQuery称，在英伟达的一项消融实验中，加入相关预热训练后，Nemotron 3 Ultra在真实职业任务评测集GDPval上的成绩从35.3分提升至46.7分，GDPval覆盖美国国内生产总值规模最大的九个行业、44种职业和1320项真实工作任务。
在法律领域，AfterQuery与法律AI创业公司Legora共同开发了Agent推理评测基准BAR。该评测集包含28个法律业务领域的5161个案例和11075份源文件，用于测试AI Agent能否在Legora的工具环境中完成端到端法律工作。Legora称，根据该评测发现的问题调整系统后，其产品在相同模型上的输出质量一个月内提高了5%。
据《福布斯》报道，AfterQuery曾与OpenAI前首席技术官米拉·穆拉蒂（Mira Murati）创办的Thinking Machines Lab合作。与部分美国AI数据供应商不同，AfterQuery也和一些中国AI实验室保持着密切合作。
结语：数据标注正转向“专家经验工程”
AfterQuery的估值变化显示，AI数据行业的竞争重点正在发生变化。随着公开互联网数据的价值逐渐被挖掘，数据供应商开始从提供规模化基础标注，转向收集专业人士的判断和隐性经验，并进一步提供强化学习环境和模型评测系统。
不过，高估值并不意味着已经建立稳固壁垒。AI实验室的数据需求和供应商名单可能快速变化。AfterQuery能否持续保持增长，最终仍取决于其能否稳定获得专业人士供给、用软件控制数据质量，并持续证明这些数据能够让模型取得可量化的能力提升。
文章来自于微信公众号 “智东西”，作者 “智东西”