-
Surge AI：据 SemiAnalysis 和 Forbes 报道，向腾讯、智谱、月之暗面出售过强化学习环境。 -
Mercor：据作者看到的数据，向阿里出售过软件工程方向的强化学习环境；Forbes 报道其 2026 年二季度约 2% 的营收来自中国。 -
Turing：向腾讯、阿里出售代码数据。 -
AfterQuery：据 TechCrunch 报道，1 亿美元年化收入里约一半来自中国业务。
一、国内实验室从美国买了什么？
-
办公类环境：数据公司做一个 PPT 的仿制品，请麦肯锡顾问、设计师写评分细则 Rubric，训练模型做出像样的幻灯片。 -
代码类环境：数据公司买下一些公司的 GitHub 代码仓库，里面有真实的 bug 和修复记录，用来检验模型能不能找到正确的补丁。
-
专家判分的数据：金融、法律、医疗、生物这类领域，判分要靠专家写细则或直接评审。美国头部数据公司手里有成规模的专家网络：据澎湃新闻 10 月的一篇行业分析，Surge AI 有约 5 万名合约专家，Handshake 号称有 50 万名博士专家池。 -
小众、验证过的环境：美国实验室已经买过、用过、证明有效的环境，中国实验室买同一款，可以省掉自己试错的成本。ChinaTalk 认为，后训练、尤其是强化学习，是决定模型最终表现最重要的环节之一。
-
K3.1 背下了隐藏规则：11 月初，研究机构 R40 发现，Kimi K3.1 在 Terminal-Bench 4.0 上会说出题面里没有、只有隐藏测试才检查的规则。研究者把题改成和这些规则矛盾的版本，它的通过率从 90% 掉到 15%。
-
公开榜第一，私有题掉队：10 月底 Artificial Analysis 发布智能指数 v5，六成权重换成不公开的私有题集。同一份榜单上，K3.1 Pro 在公开的 Terminal-Bench 4.0 上排第一，在新加入的 Terminal-Bench-Science 上只有 34%。
-
出口管制只管得到实体清单：智谱这类在实体清单上的公司受限，但不在清单上的海外关联公司可以绕开。 -
现有数据规则管的是别的数据：美国司法部的数据安全计划等规则，主要管可识别的美国人数据、医疗数据和大宗数据，训练数据和环境基本不在其中。 -
供应商自己的客户政策很松：Mercor 今年 5 月才把客户政策从「看所有权」改成「看所在地」。 -
承包的专家往往不知道最终买家：项目用客户代号进行，干活的人不知道数据卖给了谁。
-
敏感方向最先被点名。ChinaTalk 的建议是分层的：网络安全、生物、芯片设计这类「两用」环境，用现有出口管制规则处理，由美国商务部工业与安全局 BIS 向供应商发「知情函」，要求向军事最终用户或生物武器相关用途出售前申请许可；同时用国防采购规则（FAR、DFARS），让和国防部签约的数据公司不得向相关中国实验室出售。 -
供应商在主动收缩。Scale、micro1、Fleet 已经公开表示不做中国业务。Mercor 收紧了客户政策。数据公司同时服务美国国防部和中国实验室，在美国政策讨论里会越来越难解释。 -
最好的数据本来就买不到。据 Epoch AI 的估计，美国实验室愿意为独家产品多付 4 到 5 倍，以保护自己的后训练配方。生命科学、化学、网络安全、芯片设计、投行这类敏感领域，美国实验室也越来越多地自己招专家、自己做环境。
-
Humanlaya（原壤智能）：9 月完成数亿元 Pre-A 轮融资，旗下 Talents-AI 平台聚集了 10 万多名专家，国内多个模型公司是它的客户； -
UniPat：由前阿里强化学习基础设施成员创办，投前估值约 25 亿美元。 -
Relia Lab：Relia 是发起于硅谷，连接年轻人才与前沿 AI 团队的的招聘平台，Relia Lab 是旗下的Benchmark与专家数据实验室，覆盖软件开发、科学研究、空间智能、产品设计、工业工程、金融量化六个方向。
-
专家网络的规模和深度：美国公司动辄几万名合约专家，覆盖金融、法律、医疗、生物等专家判分领域；国内能稳定组织起来、按题计酬、通过质检的垂直专家还少。 -
质检标准：环境能不能自证、判分会不会被钻空子、和公开题集有没有重合，国内还没有形成像 Terminal-Bench 那样被普遍接受的收题规范。 -
中文场景的环境：国内办公、金融、制造、政务软件的环境，本来就只能在国内做。这是国内供应商最直接的机会。