3.5 亿美元 E 轮，估值一年内从 13 亿跳升至 35 亿
AI 训练数据提供商 Snorkel AI 今日宣布完成 3.5 亿美元 E 轮融资，投后估值 35 亿美元。本轮由 Insight Partners 与 S32 联合领投，Addition、March Capital、Greylock、Lightspeed、GV、Factory、Prosperity7、Walden Catalyst、Wells Fargo 等超过 12 家机构跟投。公司累计融资总额至此突破 6.85 亿美元。
从融资节奏看，Snorkel AI 的资本之路呈现清晰的"加速曲线"：2020 年种子轮仅 325 万美元；2021 年 C 轮以 10 亿美元估值跻身独角兽；2025 年 5 月 D 轮估值 13 亿美元；仅 16 个月后，估值跳升至 35 亿美元，增长近 170%。
Saasverse 初步判断：这轮融资的实质，是资本市场对 Snorkel AI 从"数据标注工具商"向"智能体数据工厂"战略转型的一次集中投票。350M 的融资规模在当前的 AI 基础设施赛道中并不罕见，真正值得拆解的，是支撑 35 亿估值的商业逻辑是否成立，以及它对整个 AI 数据产业链意味着什么。
关键数据：真正值得关注的事实
ARR 运行率突破 3.75 亿美元。2025 年全年营收 1.48 亿美元，较 2024 年的 3680 万美元同比增长约 300%。增长的核心引擎是 2025 年 9 月推出的 Expert Data-as-a-Service（DaaS）业务——推出后 12 个月内实现超过 18 倍增长。
估值效率：9.3 倍 ARR 乘数。以 35 亿美元估值对应 3.75 亿美元 ARR，Snorkel AI 的估值乘数约为 9.3 倍。作为对比，赛道最大玩家 Scale AI 在 2025 年 6 月 Meta 入股时估值 290 亿美元，对应约 20 亿美元营收，乘数约 14.5 倍。Snorkel AI 展示了一条更"省资本"的高增长路径。
约 1000 人规模，有纪律的收缩与扩张。公司曾在 2025 年 9 月进行 13% 的裁员，主动剥离传统软件授权业务，将资源集中于 DaaS 和大模型评估（LLM Evaluation）业务。此后已重启积极招聘。这一"先缩后扩"的节奏，体现的是管理层对资源配置的清醒——在 AI 基础设施这样一个"风口"赛道中，这种克制本身就是一个值得关注的信号。
战略重构：从"卖工具"到"卖数据"，再到"智能体数据工厂"
Snorkel AI 的创业起点并不性感。2019 年从斯坦福 AI 实验室孵化时，公司的核心产品 Snorkel Flow 是一个帮助开发者用程序化方法自动标注训练数据的软件平台——本质上是一个"卖铲子"的工具型生意。
真正的转折发生在 2025 年。公司推出 Snorkel Evaluate 与 Snorkel Expert DaaS 两大产品，完成了从"软件授权"到"数据即服务"的战略重构。新的商业模式将 AI 智能体与经过精选的人类领域专家网络深度结合，直接为客户交付可用于强化学习（RLHF）和模型评估的复杂数据集。
第一，从"监督学习"到"强化学习"的需求迁移。传统数据标注解决的是"有标准答案"的问题——框出一辆车、标注一段文本的情感。但前沿 AI 模型（尤其是 reasoning 模型）需要的是"无标准答案"的开放性问题数据集，以及配套的评估准则（evaluation rubrics）。这类数据的生产难度远超传统标注，需要领域专家设计任务、审核答案、迭代评估标准——这正是 Snorkel AI 的 DaaS 业务所瞄准的缺口。
第二，从"一次性交付"到"持续迭代"的商业模式升级。软件授权是典型的"卖断"模式，客户生命周期价值有限。DaaS 模式下，数据集的构建、评估标准的优化、AI 训练沙箱的维护都是持续服务，天然具备更高的留存率和扩展性。18 倍增长的背后，不仅仅是需求的爆发，更是商业模型从"交易型"向"关系型"的转变。
第三，"智能体 + 人类专家"的混合模式正在成为新的护城河。Snorkel AI 汇聚了数以万计的领域专家（覆盖金融服务、医疗健康、国防等高度专业化行业），并通过 AI 智能体辅助管理任务分配、质量控制与评估迭代。这种混合模式既不是纯软件（容易被复制），也不是纯人力服务（难以规模化），而是两者的深度耦合——规模越大，网络效应越强，护城河越深。
产业逻辑：为什么 AI 数据赛道正在经历"Data 2.0"变迁
当前 AI 数据标注与标记市场规模约为 23 亿至 28 亿美元，预计 2031 年将超过 65 亿美元。但比规模更重要的是结构——市场正在经历从"Data 1.0"到"Data 2.0"的根本性转型。
Data 1.0：简单人工标注（边框标注、文本分类、语音转写），门槛低、利润薄、可替代性强。这是 Scale AI 起家的战场，也是大量劳动力密集型标注公司的聚集地。
Data 2.0：专家级智能体任务、RLHF 数据构建、复杂 LLM 评估。这类数据需要领域知识、逻辑推理能力和评估框架设计能力，供给高度稀缺，定价权向上游转移。
Snorkel AI 的 DaaS 业务踩中的正是 Data 2.0 的爆发点。当 OpenAI、Google、Anthropic 等前沿模型公司进入"推理能力军备竞赛"阶段，对高质量 RLHF 数据的需求正在从"可选项"变成"必选项"——而能够规模化供给这类数据的服务商，在全球范围内屈指可数。
Saasverse 观察到一个值得注意的结构性变量：2025 年 6 月，Meta 以 143 亿美元收购 Scale AI 49% 无投票权股份，使 Scale AI 估值达到 290 亿美元。这笔交易虽然为 Scale AI 注入了巨额资本，但也引发了严重的中立性质疑——据报道，Google、OpenAI、xAI 等客户相继削减合作。这为像 Snorkel AI 这样保持独立第三方身份的数据平台打开了难得的市场窗口。在 AI 数据基础设施这个"军火商"赛道上，中立性本身就是一种战略资产。
从一级市场看：融资、估值和投资偏好的变化
Snorkel AI 的融资故事折射出几个一级市场的趋势信号：
信号一：AI 基础设施投资正在从"模型层"向"数据层"迁移。2023-2025 年，一级市场的资本洪流主要涌向基础模型公司（OpenAI、Anthropic、xAI 等）。但随着模型层的竞争格局逐渐清晰，资本开始向产业链上游的"卖铲人"转移——数据、评估、算力优化等基础设施环节成为新的配置方向。
信号二：DaaS 模式正在获得估值溢价。纯软件工具型公司（如早期的 Snorkel AI）的估值逻辑是"用户数 × ARPU × 留存率"；DaaS 模式下的估值逻辑更接近"数据资产规模 × 客户锁定效应 × 行业渗透率"。后者天然具备更高的估值天花板。
信号三：资本效率重新成为定价因子。在一个"烧钱换增长"曾经被默许的赛道中，Snorkel AI 以 9.3 倍 ARR 乘数获得定价，且公司已展现出"先缩后扩"的纪律性，反映出投资人对"可持续增长"的偏好正在回归。
从竞争格局看，AI 数据赛道的估值梯队已初步形成：
第一梯队：Scale AI（290 亿美元估值，但面临中立性挑战）、Surge AI（据报营收超 10 亿美元，估值区间 150-250 亿美元）
第二梯队：Mercor（100 亿美元估值，2026 年洽谈估值或升至 200 亿美元）、Snorkel AI（35 亿美元）
第三梯队：Turing、Labelbox、SuperAnnotate、Encord、V7 等
Snorkel AI 当前处于第二梯队的中后段，但其 DaaS 业务的增速和资本效率使其具备向上跃迁的潜力——前提是公司能够在保持中立性的同时，持续扩大在金融、医疗、国防等高壁垒行业的客户渗透。
从二级市场看：增长、利润、现金流和估值锚点
Snorkel AI 尚未上市，但它的估值逻辑已可以为二级市场的 AI 基础设施标的提供参照。
增长质量：300% 的年度营收增速叠加 18 倍的 DaaS 业务增长，显示公司正处于"S 曲线"的陡峭爬升段。但需要关注的是，2025 年的增长部分受益于低基数效应（2024 年营收仅 3680 万美元），未来能否维持三位数增速将取决于 DaaS 业务在核心客户中的渗透深度和扩展速度。
利润与现金流：公司未披露盈利数据，但 2025 年 9 月的 13% 裁员表明管理层对现金流有主动管理意识。DaaS 模式的服务属性决定了它的毛利率大概率低于纯软件模式（人力专家网络的成本结构），但高留存率和持续服务收入可以弥补这一劣势。
估值锚点：9.3 倍 ARR 乘数在 SaaS/Cloud 行业的可比公司中属于中等偏上区间（通常上市 SaaS 公司的 EV/Revenue 在 5-15 倍之间波动，取决于增速和利润率）。考虑到 Snorkel AI 的高增速和 DaaS 模式的战略稀缺性，这一乘数具备合理性，但进一步扩张需要公司证明其盈利路径。
对创业者和投资人的启示
"工具→服务→基础设施"是 AI 赛道的一条已验证的升级路径。
Snorkel AI 用七年时间证明了：从卖软件到卖数据服务，再到成为 AI 训练流程中不可替代的基础设施，每一步都在提升客户锁定效应和定价权。中国的 AI 数据创业者可以从这一路径中寻找自己的"DaaS 时刻"。
Scale AI 因为 Meta 的战略持股而失去部分客户，Snorkel AI 因此受益。对于中国的 AI 数据与评估服务商而言，保持独立第三方身份，避免与单一模型厂商或云平台过度绑定，可能是一个值得严肃考量的战略选择。
纯软件工具壁垒低，纯人力服务不 scalable，两者的结合——尤其是在高复杂度、高行业壁垒的数据场景中——可能是构建护城河的最优解。
Snorkel AI 主动裁员 13% 以剥离低增长业务，这一决策在 AI 赛道中并不多见。它传递的信号是：管理层知道"做什么"很重要，但知道"不做什么"同样重要。
AI 数据赛道的投资机会正在从"模型层"向"数据与评估层"扩散。
随着模型训练进入强化学习主导的阶段，高质量数据的战略价值持续上升。可以关注中国市场中具备 DaaS 特征、服务于 RLHF 和模型评估环节的公司。
估值时需区分"Data 1.0"和"Data 2.0"公司。
传统标注公司的增长天花板和利润率结构与新一代 DaaS 公司截然不同，前者应参照劳动力密集型服务业的估值逻辑，后者更接近数据基础设施平台。混淆两者可能导致严重的定价偏差。
在 AI 生态中，独立第三方的身份价值正在上升——不仅仅在数据环节，在算力、评估、安全等领域同样适用。评估标的时，是否有能力服务多元客户而不产生利益冲突，应成为一个核心维度。
Saasverse Insights
Snorkel AI 的 3.5 亿美元融资放在 2026 年的 AI 投融资语境下，它既不是规模最大的一笔，也不是估值最高的一笔。但它的价值在于揭示了一个正在发生的结构性转变：
AI 基础设施的竞争焦点正在从"计算"转向"数据"。当模型架构趋于收敛、算力成本持续下降，决定 AI 能力边界的核心变量变成了"你能获得多好的数据来训练和评估模型"。Snorkel AI 的 DaaS 模式本质上是在回答一个问题：在高复杂度、高专业性的数据需求爆发时，谁能成为那个规模化供给的"数据工厂"？
对于中国 AI 产业而言，这一趋势的映射意义是清晰的。中国拥有全球最丰富的行业场景数据（金融、医疗、制造、政务），但将这些场景数据转化为可用于前沿模型训练的 RLHF 数据集，需要一个完全不同于传统数据标注的"翻译层"——这个翻译层的构建者，可能就是中国版 Snorkel AI 的雏形。
另外值得注意的一点是：Snorkel AI 在开源基准测试（Senior SWE-bench、Terminal-Bench 4.0）和独立评估标准上的投入（300 万美元资助承诺），表明它正在试图定义"什么是好的 AI 评估"。在一个标准尚未确立的市场中，定义标准的人往往拥有最大的话语权。
Voices of The Community
AI 数据基础设施正在经历一场静默但深刻的重构。Snorkel AI 是一个值得持续追踪的样本——不是因为它的融资规模，而是因为它所代表的商业模式进化方向。
我们也想听听你的判断：在国内 AI 生态中，你认为"智能体数据工厂"模式是否具备落地条件？哪些行业场景最有可能率先跑出中国版的 DaaS 公司？欢迎在评论区留言讨论。
End
Saasverse