两个00后给英伟达供数据，估值215亿

5 个月估值激增近 10 倍，AI 数据独角兽 AfterQuery 崛起。

编译 |  杨京丽

编辑 |  李水青

智东西 9 月 2 日消息，据《福布斯》援引知情人士披露，美国 AI 训练数据初创公司 AfterQuery 最新估值已达32 亿美元（约合人民币 215 亿元）。该公司目前已实现盈利，并确定了新一轮融资的领投方，具体金额及投资方细节暂未公开。

短短五个月前，AfterQuery 的估值仅为3 亿美元（约合人民币 20 亿元）。这意味着其估值在半年内增长了约 10 倍。作为 YC 2025 年冬季加速项目成员，YC 合伙人格斯塔夫·阿尔斯特罗默指出，AfterQuery从成立到跻身独角兽仅用时约 18 个月，刷新了 YC 历史上的最快纪录。

AfterQuery 成立于 2025 年 2 月，总部位于旧金山。两位联合创始人斯宾塞·马蒂加（Spencer Mateega）和卡洛斯·乔治斯库（Carlos Georgescu）在校期间曾尝试开发金融 Agent，随后敏锐转向为前沿大模型提供专家推理数据、强化学习环境及模型评测服务。

目前，AfterQuery 平台已汇聚近10 万名专业人士。创始人马蒂加今年 7 月在社交平台透露，公司年化收入规模已是今年 4 月披露的 1 亿美元（约合人民币 6.72 亿元）的数倍。

▲马蒂加发文称其营收达到数亿美元（图源：X）

据《福布斯》报道，AfterQuery 的数据已应用于英伟达 Nemotron 3 Ultra 模型训练，并与Thinking Machines Lab、法律 AI 公司 Legora 及部分中国 AI 实验室建立了深度合作。

从两名大学生的 YC 项目到估值 215 亿元的独角兽，AfterQuery 的爆发式增长折射出 AI 训练数据市场的深刻变革：大模型公司的需求正从简单的基础标注，转向由专业人士提供的复杂任务数据与专家经验。

高中相识携手创业，从金融 Agent 转型大模型数据

AfterQuery 的两位联合创始人马蒂加（23 岁）和乔治斯库（22 岁）在加入 YC 时仍是在校大学生，初期既无成熟产品，也无明确方向。

经过战略调整，AfterQuery 定位为服务基础模型开发的应用研究实验室，专注于提供由专业人士创建的推理数据、强化学习环境及模型评测服务，摒弃了传统的数据标注模式。目前团队规模约 30 人。

▲AfterQuery 团队成员（图源：AfterQuery）

两位创始人相识于高中，曾共同参与谷歌计算机科学暑期项目，并先后在 Meta 实习。马蒂加拥有宾夕法尼亚大学沃顿商学院金融与统计学学士学位及计算机科学硕士学位，曾在 Meta、谷歌、摩根士丹利及 Silver Lake 任职。

▲联合创始人兼 CEO 马蒂加的工作经历（图源：领英）

CTO 乔治斯库就读于加拿大不列颠哥伦比亚大学计算机科学专业，在校期间曾创办并出售一家教育科技公司，拥有 Meta 软件工程师及 Citadel Securities 实习经历。加入 YC 后，他选择退学全职创业。

▲联合创始人兼 CTO 乔治斯库的工作经历（图源：领英）

2025 年初，两人在 YC 申请截止前 48 小时提交材料，虽无具体产品，但确立了进军旧金山 AI 行业的目标。入选后，他们最初尝试开发金融 AI Agent，旨在自动化投资分析等专业工作。

测试中发现，即便是最先进的大模型，在处理复杂的白领工作流程时也频频失误。核心问题在于模型缺乏足够的专业工作训练，难以应对信息不完整、标准模糊或需结合经验判断的任务。

基于此，团队决定转型，不再直接开发上层应用，转而为大模型提供底层训练数据。他们开始收集金融、软件工程、法律和医疗等领域专家的判断过程与逐步推理数据，将隐性知识转化为模型可学习的素材。

高质量数据需求爆发，五个月估值跃升十倍

今年 4 月，AfterQuery 完成 3000 万美元 A 轮融资，投后估值 3 亿美元。该轮由 Altos Ventures 领投，The Raine Group、Y Combinator 等参投，投资者还包括来自谷歌 DeepMind、OpenAI、Anthropic 等机构及个人。

若此次《福布斯》披露的 32 亿美元估值属实，意味着 AfterQuery 在五个月内实现了约 10 倍的增长。

驱动这一快速增长的，是前沿 AI 公司对高质量训练数据的迫切需求。随着互联网公开文本、图像和代码被大量消化，合成数据的质量瓶颈日益显现。

为使模型胜任金融分析、软件开发、法律审查和医疗判断等专业任务，AI 实验室急需获取专业人士在真实工作中的完整决策过程、例外处理及工具使用数据。

因此，数据标注业务正从依赖低成本人力的简单分类，转变为由软件工程师、律师、分析师和医生等专业人士参与的“推理数据”服务。数据供应商交付的不再是标签，而是专家处理复杂任务的思维链、操作轨迹及反馈结果。

人类数据已成为 AI 领域估值增长最快的赛道之一。Scale AI 创始人汪滔曾借此成为最年轻的白手起家亿万富豪，而 Mercor 的三位创始人以 22 岁刷新纪录。据悉，Mercor 正与英伟达洽谈新一轮融资，目标估值高达 200 亿美元。

汇聚十万专业人士，定制系统验证数据质量

AfterQuery 平台已汇聚近 10 万名经认证的专业人士，涵盖工程、医疗、法律和金融等领域。他们提供专业判断、操作过程和任务反馈，帮助模型掌握公开网络数据难以覆盖的实际工作经验。

公司产品包括监督微调及人类反馈强化学习数据、工具调用和电脑操作强化学习环境，以及定制训练集与模型评测。例如，AfterQuery 可基于真实 API、MCP 服务器和开发工具搭建训练环境，让 AI Agent 学习多步骤任务处理。

马蒂加指出，AfterQuery 与同行的区别在于使用定制软件系统验证人类生成的数据。系统通过多轮检查控制任务难度，确保其对先进模型构成挑战但又可作答。

此外，AfterQuery 会在交付前自行运行后训练流程，观察数据对模型基准测试成绩的提升效果，让客户能直观判断数据质量。

助力英伟达大模型训练，法律评测覆盖五千案例

AfterQuery 的数据已进入前沿模型的实际训练流程。今年 6 月，英伟达发布的 Nemotron 3 Ultra 技术报告显示，其使用了 AfterQuery 提供的办公与职场任务数据进行训练，涵盖文件推理、专业交付物生成等场景。AfterQuery 是该报告中唯一被点名的数据合作方。

▲英伟达 Nemotron 3 Ultra 的部分训练中使用 AfterQuery 提供的数据（图源：英伟达）

在英伟达的一项消融实验中，加入相关预热训练后，Nemotron 3 Ultra 在真实职业任务评测集 GDPval 上的成绩从 35.3 分提升至 46.7 分。GDPval 覆盖美国九大行业、44 种职业及 1320 项真实工作任务。

在法律领域，AfterQuery 与 Legora 共同开发了 Agent 推理评测基准 BAR。该评测集包含 28 个法律领域的 5161 个案例和 11075 份源文件，用于测试 AI Agent 的端到端法律工作能力。Legora 表示，基于该评测优化系统后，其产品输出质量在一个月内提升了 5%。

此外，AfterQuery 还与 OpenAI 前 CTO 米拉·穆拉蒂创办的 Thinking Machines Lab 合作。不同于部分美国供应商，AfterQuery 也与多家中国 AI 实验室保持着密切联系。

结语：数据标注迈向“专家经验工程”

AfterQuery 的估值飙升表明，AI 数据行业的竞争焦点正在转移。随着公开互联网数据价值被充分挖掘，数据供应商正从提供规模化基础标注，转向收集专业人士的判断与隐性经验，并提供配套的强化学习环境和评测系统。

然而，高估值不代表壁垒稳固。AI 实验室的需求和供应商名单可能快速更迭。AfterQuery 能否持续增长，取决于其能否稳定获取专业人士资源、利用软件严控数据质量，并持续证明这些数据能带来可量化的模型能力提升。

来源：AfterQuery、《福布斯》、X、领英