AI 训练数据争夺战升级：Datacurve 融资 1500 万美元，用赏金猎人模式抢夺高质量数据

Datacurve 采用赏金猎人系统来吸引熟练的软件工程师完成最难获取的数据集。公司为这些贡献付费，迄今已分发超过 100 万美元的赏金。

但联合创始人 SerenaGe 表示，最大的动力并非金钱。对于软件开发这样的高价值服务来说，数据工作的报酬总是远低于传统雇佣关系，因此公司最重要的优势是积极的用户体验。

Ge 说，我们把这当作一个消费产品来对待，而不是数据标注操作。他们花了大量时间思考如何优化，让他们想要的人感兴趣并进入平台。

这一点在训练后数据需求变得更加复杂的当下尤为重要。早期模型在简单数据集上训练，而今天的 AI 产品依赖复杂的强化学习环境，这些环境需要通过特定和战略性的数据收集来构建。随着环境变得更加复杂，数据要求在数量和质量上都变得更加严苛，这一因素可能会让 Datacurve 这样的高质量数据收集公司获得优势。

作为一家早期公司，Datacurve 目前专注于软件工程领域，但 Ge 表示这种模式同样适用于金融、营销甚至医学等领域。

Ge 解释说，他们现在正在做的是为训练后数据收集创建一个基础设施，吸引并留住各自领域的高水平人才。

在 AI 模型训练进入新阶段的背景下，数据质量的重要性正在超越数据数量。ScaleAI 曾经凭借规模化的数据标注服务占据市场主导地位，但随着 Wang 离开去 Meta 担任要职，市场格局开始松动。Datacurve 的赏金猎人模式和消费产品思维，为这个竞争激烈的赛道带来了新的可能性。从投资阵容来看，来自顶级 AI 实验室员工的参与，本身就是对 Datacurve 数据质量和战略方向的最好背书。这场围绕高质量训练数据的争夺战，才刚刚进入新的回合。