Snorkel AI估值翻三倍达35亿美元，AI训练数据成新风口

AI数据服务公司Snorkel估值飙升至35亿美元

成立七年的AI初创公司Snorkel AI近日完成了3.5亿美元的E轮融资，公司估值随之翻至三倍，达到35亿美元。这一跳跃式增长背后，折射出整个AI产业正在经历的一个关键转变——高质量训练数据的价值正在被重新定义。

Snorkel AI起家于斯坦福大学的研究项目，早期以「程序化数据标注」（programmatic labeling）技术闻名，主张通过弱监督（weak supervision）等方法，用代码化的规则替代大量人工标注工作。如今，它将业务重心进一步聚焦到「数据即服务」（data-as-a-service）模式上，本轮融资正是为这一方向注入资金弹药。

为什么训练数据成了资本追逐的焦点

过去几年，行业的注意力大多集中在模型架构和算力规模上。但随着基础大模型的能力逐渐趋同，业界越来越意识到：决定模型上限的往往不是参数量，而是喂给它的数据质量。

对企业客户而言，通用大模型能解决的是通用问题，真正的竞争力在于用自己的专有数据把模型调教到贴合具体业务场景。这中间需要大量的领域数据整理、标注、清洗与对齐工作——而这正是Snorkel试图切入的市场空间。数据从「原料」升级为「战略资产」，直接推高了相关服务商的估值想象力。

从工具到服务的商业模式演进

值得关注的是Snorkel的商业路径变化。早期它更像是一套面向数据科学家的开发工具，而现在向「数据即服务」转型，意味着它不再只卖工具，而是直接交付整理好、可用于训练的数据产品和流程。这种模式对客户的门槛更低，也更容易形成持续性的营收，是资本市场愿意给出高溢价的重要原因之一。

**弱监督（Weak Supervision）**是Snorkel早期核心技术的基础，理解它有助于把握这家公司的技术护城河。传统机器学习依赖人工为每条数据打上精确标签，成本极高且难以规模化。弱监督则采用另一种思路：由领域专家编写一批"标注函数"（Labeling Functions），这些函数是描述数据特征的简单规则或启发式逻辑，质量参差不齐、甚至相互矛盾，但系统通过概率模型将它们综合起来，生成带有置信度的软标签。Snorkel的核心框架正是基于此，使企业能在数天而非数月内构建出可用的训练数据集。这种方法在医疗影像标注、法律文本分类等专业领域尤为有价值——这些场景中，人工标注不仅昂贵，还需要稀缺的专家时间。

「数据即服务」（Data-as-a-Service，DaaS）在AI语境下有其特定含义，与传统数据库订阅服务有所区别。在AI训练场景中，DaaS通常意味着服务商不仅提供数据采集或标注平台，还承担端到端的数据工程交付——包括数据清洗、格式规范化、标注质量管控，乃至与客户模型训练流程的对接。对企业客户而言，这意味着可以将繁琐的数据准备工作外包出去，专注于模型调优和业务应用。从SaaS工具到DaaS服务的跃迁，商业逻辑也发生了本质变化：前者按席位或使用量收费，天花板明显；后者与客户的数据规模和迭代频次深度绑定，更容易随客户业务成长而扩大合同体量，这正是资本市场给予更高估值倍数的底层逻辑。

一次融资背后的行业信号

3.5亿美元的E轮融资规模在当前AI创投环境中相当可观。它至少传递出三层信息：

其一，数据基础设施赛道正在从「配角」走向「主角」。当模型能力普及化，围绕数据的工程能力反而成为差异化关键。

其二，企业级AI落地的需求正在真实放量。Snorkel的客户主要面向大型企业和机构，估值的翻倍某种程度上反映了这些客户对定制化AI能力的付费意愿。

其三，一家成立七年的公司能持续获得资本加注，说明这条赛道并非短期炒作，而是有可验证的商业模型支撑。

对行业的启示

对于关注AI产业格局的观察者来说，Snorkel的这次融资是一个有价值的参照点。它提醒我们，AI价值链的重心正在向上游和中游转移——不只是谁能训练出更大的模型，更是谁能高效地把数据转化为模型能力。

在大模型军备竞赛趋于白热化的当下，数据服务这类「卖铲子」的公司或许才是更稳健的商业机会。当然，随着更多玩家涌入这一领域，Snorkel能否守住技术护城河、将高估值转化为可持续的盈利，仍需时间检验。

注：本文基于公开融资信息撰写，原始素材信息量有限，部分行业分析为基于公开背景的合理推断。