作者 ｜ 黄小艺 微信 ｜ H997Hbiu 一家成立约一年的公司，被放到了25亿美元估值的谈判桌上。 9月，外媒报道称，阿里拟领投AI训练与评测公司UniPat的一轮3亿美元融资，本轮估值约25 亿美元，腾讯、红杉中国等投资者也传出参与意愿。 这个数字，曾经属于前两轮AI创业热潮中的明星项目：Kimi背后的月之暗面，在成立约一年时达到了约25亿美元的估值；AI编程工具Cursor背后的公司，则在成立约两年时进入这一估值量级。 一个造大模型，一个则是过去几年最热的能力方向。而这一次，是一家为模型提供训练数据和评测服务的公司。 此前，UniPat创始人李宽在阿里通义AI实验室从事过后训练分析、数据合成和强化学习工作。 这个组合有意思的地方在于： 从模型团队出来的人，开始为模型团队生产训练材料，大厂则出现在投资者名单里。 美国已经出现过一个“逆向”的标志性人物。2016年，Alexandr Wang与Lucy Guo共同创办Scale AI，从自动驾驶数据标注做起，逐步进入大模型训练数据和评测业务。2025年，Meta入股时，Scale的估值超过290亿美元，Wang也加入Meta。他已经展示过，数据供应商能够走到离模型核心多近的位置。 中国当然有数据公司，海天瑞声等企业早已提供采集、标注和大模型数据服务。如今出现的新变化是，直接参与过模型后训练、Agent产品和内部评测的人，开始出来做这门生意。 UniPat之外，前MiniMax成员创办了Copula Lab；智能知识的核心团队则来自于字节Seed。 他们共同看见的机会，是模型越接近真实工作，训练所需的数据就越难从现成的互联网内容里找到。 智能的生产制造，正在向数据公司延伸。大厂带着采购需求而来，投资人热切寻找标的，模型团队里的人则走出来创业。 1 基座模型内部的“考官”们，陆续创业了 从UniPat团队此前的研究里，可以看见这门生意的来处。 在成为创始人之前，李宽在通义AI实验室从事后训练、数据合成和强化学习工作，已经开始研究怎样给模型出难题。 2025年7月发表的WebSailor论文中，他是列名第一的作者，也是三位项目负责人之一。团队合成复杂搜索任务，让模型学习查找证据、调用工具、连续推理，探索怎样通过强化学习，提高Agent执行任务的能力。 同为WebSailor项目负责人的尹汇锋，后来也成为了UniPat的成员。 联合创始人兼CTO陈亮则曾在Qwen、Moonshot多模态团队从事研究，其个人学术主页在2025年8月就记录了启动Agent数据与强化学习环境公司的消息。 这支团队熟悉的，是怎样围绕模型欠缺的能力设计任务，再用这些任务训练和检验模型。成立公司之后，这些研究经验通过一系列公开评测呈现出来。 今年1月，UniPat发布BabyVision，检验模型的基础视觉推理能力。5月，Terminal-X测试编程Agent解决复杂工程任务、应对多轮需求变化和完成版本升级的能力；ExpertEval评价医疗、金融和法律场景中的专业判断；SaaS-Bench则检验Agent能否跨越多个业务软件，完成一整套工作流程；7月发布的Vibe-Coding Arena进一步引入真人专家，在多轮编程协作中，评价Agent怎样理解需求、接受反馈和修正错误。 考题从“答得对不对”，走向“多元的真实工作任务”。 论文和 benchmark 在很长一段时间是外界认知 UniPat 的唯一路径。 这种低调也是这一波数据创业公司的共同倾向：愿意交流技术，却很少谈及具体业务。毕竟，研究成果可以公开，但为谁补什么能力、怎样生产数据、如何验收，已经涉及客户研发方向与自己的商业壁垒。 一位相关从业者告诉我们，尽管最近才被爆融资消息，但UniPat实际上已融多次，阿里作为此次披露的领投方，同时提供资金与算力支持，后者一年约为数千万元人民币级别。 另一位从业者介绍，UniPat和阿里的合作，以强化学习后训练数据为主，包括不同Agent运行框架下的编程轨迹和多工具任务，先在较小模型上做低成本训练实验，筛选出有效的数据方案，再扩大生产与交付，在大模型上训练验证。 这是一种深度合作定制：客户买的不只是材料，还包括寻找有效材料的实验过程。公开Benchmark只是切口，水面之下，UniPat试图成为模型方的外部数据研发来源。 不同于UniPat，同样面对模型厂的数据需求，智能知识把重心放在了专家知识怎样被组织起来、持续生产上。 创始人兼CEO汪涉洋此前负责字节Seed模型数据工程架构，也做过抖音医疗大模型数据工程；CTO李宽野是前字节跳动基座模型数据工程师，做过强化学习数据合成与环境搭建。 2025年5月，汪涉洋已公开提出，高质量专家数据越来越重要，但好用的生产工具仍集中在大厂内部。智能知识因此用“一面千识”寻找、筛选