Snorkel AI 完成 3.5 億美元 E 輪融資，估值翻三倍至 35 億美元

新聞摘要

為人工智慧系統打造精選訓練資料的新創公司 Snorkel AI 於 2026 年 9 月 22 日（美東時間）宣布，已完成 3.5 億美元的 E 輪融資，估值達 35 億美元，幾乎是 17 個月前 13 億美元估值的三倍。本輪融資凸顯出，隨著 AI 實驗室朝更強大、更專業化的模型推進，市場對高品質、由專家精選訓練資料的需求成長有多麼迅速。

本輪融資

E 輪由 Insight Partners 與 S32 領投，後者是與 Alphabet 成長生態系相關的創投部門，另有 Third Point、March、Blumberg、Allegis、Standard VC 與 Frontline 參與。既有投資人也回流參與本輪，包括 Addition、Lightspeed、Greylock、GV、P7、Wells Fargo、Walden Catalyst Ventures 與 Factory。該公司一年多前在 1 億美元 D 輪融資時估值為 13 億美元，如今躍升至 35 億美元，反映出整體 AI 資料基礎設施產業正快速重新評價。

從資料標註軟體到資料即服務

Snorkel 由執行長 Alex Ratner 與一支源自史丹佛大學 AI 實驗室的團隊於七年前創立，並在 2019 年以軟體平台形式商業推出，用於自動化資料標註，也就是為原始資料加上標籤，讓機器學習模型能從中學習的過程。大約一年前，該公司轉向「資料即服務」模式，從銷售標註工具，轉為直接產出完成度高的優質資料集與模擬環境，讓 AI 實驗室與企業能直接接入其模型訓練流程。

這項轉型似乎已見成效。Snorkel 表示，資料即服務業務在過去 12 個月成長 18 倍，並在融資宣布當週突破 3.75 億美元的年化營收運行率。

代理式資料平台如何運作

Snorkel 的核心賣點是其所稱的代理式資料平台，該平台將人類領域專家與專門化 AI 代理配對，而非僅依賴人類或通用語言模型。根據 Ratner 的說法，這些代理能接收專家對任務的初步「草圖」，並將其擴展為完整環境或完整的資料實例集，同時負責品質控管，並將工作分派給合適的專家。

Snorkel 表示，與使用標準大型語言模型的人類審查員相比，這些專門化代理可將品質控管工作加速超過 50%，並將審查準確率提升超過 15 個百分點。該公司也聲稱，其系統在資料品質任務上的準確率，是非專門化前沿 LLM 基準的兩倍以上。Ratner 將這種做法描述為「遞迴式自我改進」循環，人類回饋會持續重新訓練並磨練協助資料建立工作的 AI 代理。

值得注意的是，Snorkel 將支付給人類專家網絡的費用列為銷貨成本，而非計入主要營收數字，這項結構選擇使其公布的財務數據與該領域部分同業有所不同。

客戶與市場定位

Snorkel 表示，其客戶群如今涵蓋前沿 AI 實驗室、超大規模雲端供應商、所謂的「新實驗室」、垂直 AI 公司、大型企業與美國政府機構。客戶名單如此廣泛，說明對精選、特定領域訓練資料的需求，已遠遠擴散到少數打造最大通用模型的企業之外。

本輪融資也正值 AI 訓練資料業務更廣泛的熱潮。該領域其他公司也回報了類似的爆炸性成長：根據產業報導，資料標註與專家網絡公司 Mercor 已達到 20 億美元總年化營收，而勞動力資料平台 Handshake 也表示其在該類別已突破 10 億美元。投資人似乎正押注，隨著 AI 實驗室耗盡容易取得的公開資料，對由專家生成、經驗證與合成的訓練資料需求將持續快速擴張。

資金用途

Snorkel 表示，計劃將新資金用於擴編工程、研究與市場推廣團隊，擴大其 Open Benchmarks Grants 計畫，這是一項約 300 萬美元的承諾，用於支持為 AI 研究社群建立開放評估資料集，並進一步投資專門化 AI 模型。該公司也表示，部分研究工作將特別聚焦於 AI 對齊與安全的資料開發，隨著模型部署於更高風險的場景，這個領域已日益受到關注。