惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

D
Docker
大猫的无限游戏
大猫的无限游戏
Jina AI
Jina AI
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 司徒正美
美团技术团队
雷峰网
雷峰网
阮一峰的网络日志
阮一峰的网络日志
WordPress大学
WordPress大学
T
Tailwind CSS Blog
U
Unit 42
C
Check Point Blog
S
SegmentFault 最新的问题
Martin Fowler
Martin Fowler
Stack Overflow Blog
Stack Overflow Blog
云风的 BLOG
云风的 BLOG
L
LangChain Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
腾讯CDC
罗磊的独立博客
小众软件
小众软件
Recent Announcements
Recent Announcements
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
D
DataBreaches.Net

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
AI数据赛道黑马Micro1:营收增长高达15倍
世界模型工场 · 2025-12-08 · via 人人都是产品经理

在AI狂奔的时代,真正稀缺的不是算力,而是“人”——能为大模型提供高质量反馈与训练数据的人类专家。Micro1 正是踩中这一关键节点,凭借快速招募、评估和管理领域专家的能力,在短短一年内将年度经常性收入(ARR)从700万美元飙升至超1亿美元。

“AI企业正急于通过后期训练和强化学习优化大语言模型,它们对顶级的人类数据的迫切需求,催生了一个快速扩张的市场;此外,还有两个目前尚处于萌芽阶段的新领域,有望重塑数据赛道的竞争格局”。

过去两年,Micro1 实现了迅猛发展,成功跻身高速扩张的 AI 企业行列。

该公司专注于为 AI 公司招募并管理人类专家,以提供训练数据支持。今年伊始,其年度经常性收入(ARR)约为 700 万美元。

近日,公司创始人兼首席执行官 Ali Ansari 向媒体透露,Micro1 的年度经常性收入已突破 1 亿美元。

这一数字较今年 9 月公布的业绩实现了翻倍增长。当时该公司完成了 3500 万美元 A 轮融资,估值达 5 亿美元。

24 岁的 Ansari 表示,Micro1 已与包括 Microsoft 在内的顶尖 AI 实验室,以及一众《财富》100 强企业建立合作关系。

这些企业正急于通过后期训练和强化学习(reinforcement learning)优化大语言模型,它们对顶级的人类数据的迫切需求,催生了一个快速扩张的市场。

Ansari 预测,该市场规模将从目前的 100 – 150 亿美元,在未来两年内增长至近 1000 亿美元。

值得注意的是,Meta 向 Scale AI 注资 140 亿美元后,Scale AI 的首席执行官转而加入 Meta,因此 OpenAI 和 Google 均终止了与 Scale AI 的合作关系。

此后,Micro1 以及 Mercor、Surge 等一众竞争对手,发展速度均显著加快。

尽管 Micro1 的年度经常性收入增长势头强劲,但创始人坦言尚未追上竞争对手:Mercor 的年度经常性收入已超过 4.5 亿美元,而 Surge 2024 年的年度经常性收入已达 12 亿美元。

创始人将 Micro1 的增长归功于其快速招募和评估领域专家的能力。与 Mercor 类似,Micro1 最初以 AI 招聘平台 Zara 的形式起步,主要为软件岗位匹配工程人才,之后才转向数据训练市场。如今,这一工具已用于面试和审核申请平台专家岗位的候选人。

Ansari 表示,除了向顶尖 AI 实验室提供专家级数据外,还有两个目前尚处于萌芽阶段的新领域,有望重塑数据赛道的竞争格局。

第一个领域是传统《财富》1000 强企业(非 AI 原生企业),这些企业将开始为内部工作流程、运营、财务以及特定任务构建 AI agents。

开发这类 AI agents 需要系统性评估:包含测试前沿模型(frontier models)、为输出结果评分、筛选最优模型、进行微调(fine-tuning),并在实际应用中持续验证性能。这一循环高度依赖人类专家对 AI 行为进行大规模评估。

第二个领域是机器人预训练(robotics pre-training),这需要高质量、由人类生成的日常物理任务数据。Micro1 目前正在构建 “全球最大机器人预训练数据集”,通过数百名普通用户在家录制物体交互过程来收集演示数据。机器人公司需积累海量此类数据,其系统才能在家庭和办公场景中实现可靠运行。

“我们预计,传统企业的预算中,将有相当一部分投入到评估人类数据领域,这一比例将从目前的 0% 提升至至少 25%,” 这位在加州大学伯克利分校求学期间创立 Micro1 的首席执行官说道,“我们也在协助机器人实验室构建机器人数据;这两个领域将在未来数据市场中占据重要份额。”

尽管新市场正在崛起,Micro1 目前的增长仍主要依赖顶尖 AI 实验室和 AI 密集型企业。该初创公司正与这些实验室扩大在强化学习(reinforcement learning)方面的合作。

随着数据赛道竞争日益激烈,Micro1 希望凭借在机器人数据和企业 AI agents 开发领域的早期布局,以及扩大其专业强化学习环境(specialized RL environments)的规模,进一步抢占市场份额。

Ansari 表示,目前公司正专注于负责任地扩张:为专家提供优厚报酬,并在这个以训练机器为核心的行业中,始终将人置于中心地位。

目前,Micro1 已在数百个领域管理着数千名专家,涵盖高度技术性领域和五花八门的学科。Ansari 透露,许多专家的时薪接近 100 美元。

“有哈佛教授和斯坦福大学博士每周花一半时间通过 Micro1 训练 AI,”Ansari 说到;

“但更大的增长在于岗位的数量和范围,这一领域正扩展到人们难以想象的语言模型训练相关领域,包括线下和技术门槛较低的领域。我们对公司发展前景非常乐观。”(TC)

本文由人人都是产品经理作者【AI新智能】,微信公众号:【AIOrbit】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。