智東西
編譯 陳佳
編輯 程茜

智東西3月26日消息，據(jù)外媒TechCrunch昨日?qǐng)?bào)道，提供訓(xùn)練后數(shù)據(jù)和評(píng)估工作的印度創(chuàng)企Deccan AI完成2500萬(wàn)美元（約合人民幣1.73億元）A輪融資。Deccan AI成立于2024年10月，在過(guò)去一年業(yè)務(wù)規(guī)模實(shí)現(xiàn)10倍增長(zhǎng)，年化營(yíng)收已達(dá)數(shù)千萬(wàn)美元量級(jí)。該公司已服務(wù)約10家客戶，客戶名單中包括谷歌DeepMind和云數(shù)據(jù)平臺(tái)Snowflake，約80%的收入來(lái)自前五大客戶。

Deccan AI的核心定位，是填補(bǔ)前沿AI實(shí)驗(yàn)室自研能力之外的后訓(xùn)練空白。該公司創(chuàng)始人魯克什·雷迪（Rukesh Reddy）說(shuō)，后訓(xùn)練階段對(duì)錯(cuò)誤的容忍度接近于零，任何失誤都會(huì)直接影響模型在生產(chǎn)環(huán)境中的表現(xiàn)。這使得后訓(xùn)練這一環(huán)節(jié)比早期訓(xùn)練階段更難規(guī)?；?/p>

本輪融資全部以股權(quán)形式完成，由A91 Partners領(lǐng)投，Susquehanna國(guó)際集團(tuán)和普羅斯風(fēng)投（Prosus Ventures）跟投。

Deccan AI總部位于舊金山灣區(qū)，在印度海得拉巴設(shè)有大規(guī)模運(yùn)營(yíng)團(tuán)隊(duì)，目前員工約125人，背后依托超過(guò)百萬(wàn)名貢獻(xiàn)者組成的任務(wù)網(wǎng)絡(luò)，每月活躍貢獻(xiàn)者在5000至10000人之間。

Deccan AI創(chuàng)始人Reddy畢業(yè)于印度頂尖院校印度理工學(xué)院孟買(mǎi)分校（IIT Bombay），擁有印度管理學(xué)院艾哈邁達(dá)巴德分校（IIM Ahmedabad）MBA學(xué)位，此后在花旗銀行、摩根大通和咨詢公司Monitor Group從事金融和管理咨詢工作超過(guò)15年。

▲Deccan AI創(chuàng)始人魯克什·雷迪（Rukesh Reddy）（圖源：Deccan AI）

一、后訓(xùn)練需求快速外溢，模型落地能力開(kāi)始依賴外部服務(wù)商

包括OpenAI與Anthropic在內(nèi)的頭部AI實(shí)驗(yàn)室仍將基礎(chǔ)模型訓(xùn)練牢牢掌握在內(nèi)部，但圍繞模型落地的大量工作正在向外轉(zhuǎn)移。從數(shù)據(jù)生成、結(jié)果評(píng)估到強(qiáng)化學(xué)習(xí)優(yōu)化，后訓(xùn)練逐漸從附屬環(huán)節(jié)變?yōu)闆Q定模型可用性的關(guān)鍵步驟。隨著企業(yè)推動(dòng)大模型進(jìn)入真實(shí)業(yè)務(wù)場(chǎng)景，對(duì)穩(wěn)定性、準(zhǔn)確性和可控性的要求顯著提高，這一階段的復(fù)雜度與成本同步上升，外部服務(wù)商開(kāi)始承接越來(lái)越多任務(wù)。

Deccan AI正是在這一趨勢(shì)中切入市場(chǎng)。該公司提供從代碼能力提升、智能體訓(xùn)練到模型調(diào)用API等外部工具的一整套服務(wù)，使模型能夠與真實(shí)軟件系統(tǒng)交互并完成復(fù)雜任務(wù)。相比早期以文本處理為主的模型應(yīng)用，當(dāng)前行業(yè)正在向“世界模型”演進(jìn)，涉及機(jī)器人與視覺(jué)系統(tǒng)，對(duì)數(shù)據(jù)質(zhì)量和評(píng)估體系提出更高要求，這也進(jìn)一步放大了后訓(xùn)練的需求。

該公司與谷歌DeepMind等前沿實(shí)驗(yàn)室合作，參與專家反饋生成、評(píng)估流程設(shè)計(jì)以及強(qiáng)化學(xué)習(xí)環(huán)境構(gòu)建，同時(shí)向企業(yè)客戶提供評(píng)估工具Helix和運(yùn)營(yíng)自動(dòng)化平臺(tái)。Deccan AI的客戶還包括云數(shù)據(jù)平臺(tái)Snowflake，目前已服務(wù)約10家客戶，并在同一時(shí)間運(yùn)行數(shù)十個(gè)項(xiàng)目。

伴隨大模型商業(yè)化推進(jìn)，圍繞后訓(xùn)練形成的服務(wù)市場(chǎng)正在快速擴(kuò)張。AI數(shù)據(jù)服務(wù)公司Scale AI與其競(jìng)爭(zhēng)對(duì)手Surge AI，以及AI訓(xùn)練服務(wù)商Turing、AI人才平臺(tái)Mercor等公司均在提供數(shù)據(jù)標(biāo)注、評(píng)估與強(qiáng)化學(xué)習(xí)相關(guān)服務(wù)。與傳統(tǒng)數(shù)據(jù)標(biāo)注不同，這一階段更依賴高學(xué)歷專家參與，對(duì)數(shù)據(jù)的專業(yè)性與一致性要求更高，同時(shí)交付周期往往被壓縮至數(shù)天之內(nèi)，速度與質(zhì)量之間的矛盾成為行業(yè)普遍挑戰(zhàn)。

二、后訓(xùn)練質(zhì)量容錯(cuò)率接近為零，速度與精度之間的矛盾加劇

在后訓(xùn)練階段，數(shù)據(jù)質(zhì)量直接決定模型在真實(shí)環(huán)境中的表現(xiàn)。Deccan AI創(chuàng)始人Reddy說(shuō)，這一環(huán)節(jié)對(duì)錯(cuò)誤的容忍度“接近于零”，任何標(biāo)注偏差或評(píng)估誤差都可能在上線后被放大，影響模型穩(wěn)定性與安全性。這使后訓(xùn)練不再是簡(jiǎn)單的數(shù)據(jù)加工，而是需要高度專業(yè)知識(shí)參與的精細(xì)化過(guò)程。數(shù)據(jù)往往必須具備明確的領(lǐng)域?qū)傩裕缇幊?、金融或工程等專業(yè)場(chǎng)景。

這種高要求也帶來(lái)了規(guī)?；y題。相比早期以圖像識(shí)別為代表的標(biāo)注任務(wù)，當(dāng)前大模型后訓(xùn)練更依賴具備碩士、博士背景的知識(shí)型勞動(dòng)者。Deccan AI的貢獻(xiàn)者網(wǎng)絡(luò)超過(guò)100萬(wàn)人，其中約10%擁有高等學(xué)位，在實(shí)際項(xiàng)目中這一比例會(huì)進(jìn)一步提高。平臺(tái)每月活躍貢獻(xiàn)者在5000至10000人之間，覆蓋學(xué)生、行業(yè)專家與研究人員，但即便如此，高質(zhì)量數(shù)據(jù)供給仍然受到限制。

Reddy說(shuō)，AI實(shí)驗(yàn)室往往要求在數(shù)天內(nèi)完成大規(guī)模高質(zhì)量數(shù)據(jù)交付，這意味著企業(yè)需要在極短周期內(nèi)完成任務(wù)拆解、專家匹配與質(zhì)量控制流程。對(duì)服務(wù)商而言，既要保證數(shù)據(jù)準(zhǔn)確性，又要滿足快速迭代節(jié)奏，是運(yùn)營(yíng)上的核心挑戰(zhàn)。

圍繞這一環(huán)節(jié)的用工模式也持續(xù)引發(fā)討論。行業(yè)普遍依賴靈活用工來(lái)完成數(shù)據(jù)生產(chǎn)，不同平臺(tái)的報(bào)酬差異較大。Deccan AI能給出的區(qū)間為每小時(shí)10美元至700美元（約合人民幣69元至4834元）不等，頂級(jí)貢獻(xiàn)者月收入最高可達(dá)7000美元（約合人民幣4.83萬(wàn)元）。這一分布反映出后訓(xùn)練任務(wù)的分層結(jié)構(gòu)，基礎(chǔ)標(biāo)注與高端專家任務(wù)在價(jià)值與門(mén)檻上差異明顯。

結(jié)語(yǔ)：后訓(xùn)練外包市場(chǎng)成型，AI產(chǎn)業(yè)鏈分工格局初現(xiàn)

Deccan AI的融資是一個(gè)信號(hào)，說(shuō)明圍繞大模型落地形成的后訓(xùn)練服務(wù)市場(chǎng)已經(jīng)具備獨(dú)立規(guī)模。前沿模型的研發(fā)競(jìng)爭(zhēng)仍在激烈推進(jìn)，OpenAI、Anthropic、谷歌DeepMind與百度、阿里、DeepSeek等公司都在持續(xù)投入核心能力建設(shè)，但模型之外的后訓(xùn)練工作正在加速流向?qū)I(yè)服務(wù)商。

這條產(chǎn)業(yè)鏈的分工邏輯已經(jīng)清晰：誰(shuí)來(lái)做模型、誰(shuí)來(lái)做數(shù)據(jù)、誰(shuí)來(lái)做評(píng)估，各自的位置正在成型。后訓(xùn)練不再是模型研發(fā)的尾聲，而是決定模型能否真正落地的關(guān)鍵環(huán)節(jié)，圍繞它形成的專業(yè)化分工，將是AI產(chǎn)業(yè)下一階段競(jìng)爭(zhēng)的重要變量。

來(lái)源：TechCrunch