5個月，估值從3億美元走到32億美元。

如果這一輪融資最終得到確認，AfterQuery將成為Y Combinator歷史上最快達到獨角獸級別的公司之一。

「數據是新石油。」這句經常被用來形容數位經濟的話，放到今天的AI產業裡，似乎仍然成立，只是市場對「數據」的要求已經變了。

據《福布斯》報導，總部位於舊金山的AI訓練數據新創AfterQuery最新估值已達32億美元。就在今年4月，公司才完成3000萬美元A輪融資，當時估值約3億美元。

不到半年，估值增長超過10倍。

這個速度本身已經足夠引發市場關注。但真正值得研究的，並不是一家公司估值漲了多少，而是投資人為什麼願意為「AI訓練數據」支付如此高的價格。

AfterQuery到底在賣什麼？

AfterQuery的定位，並不是傳統意義上的資料標註公司。

公司主要向AI實驗室提供專業訓練數據，服務對象包括英偉達、Legora以及韓國Motif Technologies等。

它更看重的，是如何讓AI模型不只是「知道答案」，而是能夠按照專業人士的方式完成工作。

這個區別很重要。

例如，一個模型可能知道法律條文，也可能知道醫學知識，但真正進入律師、醫生等專業工作場景後，問題往往不只是知識量。

如何判斷？

如何取捨？

遇到資訊不完整時怎麼決策？

面對複雜工作流程時又該如何行動？

這些能力很難單純依靠網路文字訓練出來。

AfterQuery試圖做的，就是把專業人士的工作模式、決策方式以及推理過程轉化為AI可以學習的訓練資料。

換句話說，它賣的不是單純的「資料」，而是專業能力。

1億美元年化營收，為何讓資本市場更在意？

AfterQuery今年4月公布的年化營收約為1億美元。

這個數字之所以重要，是因為它讓這家公司與一般仍處於產品驗證階段的AI新創有所不同。

如果32億美元估值的報導最終得到確認，那麼市場需要回答的問題就變成了：一家年化營收約1億美元的公司，為什麼能夠獲得如此高的估值？

答案可能與AI產業正在發生的結構變化有關。

過去兩年，AI市場的競爭焦點主要集中在基礎模型。

誰擁有更大的模型？

誰擁有更多GPU？

誰能夠降低推理成本？

但隨著模型能力逐漸提升，新的瓶頸開始出現。

模型知道很多東西，並不代表它真的能完成複雜工作。

尤其當AI代理開始被用於程式開發、法律研究、金融分析以及企業工作流程時，模型需要的不只是更多資訊，而是更加接近真實職業場景的高品質資料。

這可能正是AfterQuery受到資本追捧的原因。

AI代理崛起，訓練數據正在變得更貴

Mercor、Scale等公司已經在AI訓練數據市場形成一定知名度，AfterQuery則選擇了一條更加垂直的路線。

它把重點放在專業人士身上，包括醫生、律師等知識型人才。

這種模式的成本顯然不會像抓取普通網路內容那麼低。

但問題也恰恰在這裡。

如果AI代理未來真的需要處理更加複雜的工作，那麼普通網路資料的邊際價值可能會下降，而經過專業人士驗證、整理和示範的高品質數據，其價值可能反而上升。

簡單理解，AI的下一個競爭階段，或許不再只是「誰的資料更多」，而是「誰擁有更有用的資料」。

這也是AfterQuery模式值得市場觀察的地方。

估值暴增，也暴露出另一個問題

但高估值並不等於高確定性。

如果一家公司在短短幾個月內完成從3億美元到32億美元的估值跳升，投資人同樣需要思考，這種增長究竟有多少來自業務基本面，又有多少來自整個AI市場的高預期。

尤其目前最新一輪融資的具體細節尚未由AfterQuery公開確認，因此32億美元應被視為媒體報導中的估值，而不是已完全公开验证的最终结果。

這一點不能忽略。

AI產業目前仍處於高速變化階段。模型架構、AI代理、資料需求以及企業採用方式都可能快速改變。

今天被視為稀缺資源的數據，未來或許會因模型訓練方式變化而重新定價。

因此，AfterQuery真正需要證明的，不只是能不能獲得高估值，而是這套「專業知識數據化」的商業模式能否持續擴張。

AI的下一場戰爭，可能發生在模型之外

說實話，AfterQuery最值得關注的地方，並不是兩位創辦人年僅22歲和23歲，也不是公司成為YC快速成長案例。

真正重要的是，它反映出AI產業的競爭正在向模型之外延伸。

當基礎模型逐漸普及後，真正稀缺的東西可能變成高品質資料、專業知識以及能夠讓AI完成真實工作的訓練方法。

這意味著AI產業的價值鏈可能正在重新分配。

模型公司需要數據，AI代理需要專業能力，企業需要能夠真正執行任務的AI系統，而AfterQuery這類公司則試圖成為其中的「能力供應商」。

如果這條路走得通，AI訓練數據就不再只是模型公司的成本中心，而可能成為一個獨立且具有巨大商業價值的基礎設施市場。

32億美元只是開始，真正考驗還在後面

AfterQuery從3億美元估值走向據報32億美元，速度令人印象深刻。

但這個故事真正值得市場記住的，不只是估值數字，而是AI產業對訓練數據的需求正在發生變化。

AI模型正在從回答問題走向執行任務，而要讓AI像專業人士一樣工作，就需要更加接近真實職業場景的數據與推理樣本。

因此，市場接下來關注的或許不是AfterQuery下一次估值能達到多少，而是它能否持續證明：專業知識真的可以被系統化、數據化，並最終轉化成AI代理可以執行的能力。

如果答案是肯定的，那麼AI訓練數據可能只是下一輪基礎設施競爭的開始。

FAQ

Q1：AfterQuery主要做什麼？

AfterQuery是一家AI訓練數據新創，主要為AI實驗室提供專業領域訓練數據。與單純提升模型知識量不同，其方向更聚焦於醫生、律師等專業人士的工作模式、判斷和推理能力，希望幫助AI處理更加複雜的實際任務。

Q2：為什麼AfterQuery的估值增長如此快？

據報導，AfterQuery今年4月完成3000萬美元A輪融資，當時估值約3億美元，最新估值則達32億美元。其快速增長可能與AI代理發展以及市場對高品質專業訓練數據需求增加有關，但32億美元估值目前仍屬媒體報導資訊。

Q3：AI訓練數據為什麼越來越重要？

隨著AI模型從回答問題逐步走向執行複雜任務，單純增加網路文本可能已經不足以提升模型的實際工作能力。專業人士提供的決策、推理和操作樣本，可以讓AI更接近真實工作場景，因此高品質專業數據可能成為AI產業下一階段的重要資源。