Snorkel AI 完成 3.5 亿美元 E 轮融资，估值翻三倍至 35 亿美元

新闻摘要

Snorkel AI 是一家为人工智能系统构建精选训练数据的初创公司。该公司于 2026 年 9 月 22 日（美国东部时间）宣布，已完成 3.5 亿美元 E 轮融资，估值达 35 亿美元——几乎是 17 个月前 13 亿美元估值的三倍。这轮融资凸显出，随着 AI 实验室不断推进能力更强、更专业化的模型，对高质量、由专家精选的训练数据的需求增长得有多快。

融资轮次

E 轮由 Insight Partners 和 S32 领投，后者是与 Alphabet 增长生态相关的风投部门，Third Point、March、Blumberg、Allegis、Standard VC 和 Frontline 也参与了投资。现有投资方也回归了本轮融资，包括 Addition、Lightspeed、Greylock、GV、P7、Wells Fargo、Walden Catalyst Ventures 和 Factory。从一年多前公司完成 1 亿美元 D 轮融资时的 13 亿美元估值，跃升至如今的 35 亿美元，反映出整个 AI 数据基础设施行业正在被迅速重新定价。

从数据标注软件到数据即服务

Snorkel 由首席执行官 Alex Ratner 和一个从斯坦福大学 AI 实验室走出的团队于七年前创立，并于 2019 年以软件平台形式商业化，用于自动化数据标注——即为原始数据打标签，以便机器学习模型从中学习。大约一年前，公司转向“数据即服务”模式，从销售标注工具转向直接生产成品、高质量数据集和模拟环境，供 AI 实验室和企业直接接入其模型训练流程。

这一转型似乎已经见效。Snorkel 表示，数据即服务业务在过去十二个月中增长了 18 倍，并在融资公告发布当周突破了 3.75 亿美元的年化收入运行率。

智能体数据平台如何运作

Snorkel 推介的核心是其所称的智能体数据平台，该平台将人类领域专家与专门化的 AI 智能体配对，而不是单纯依赖人类或通用语言模型。据 Ratner 介绍，这些智能体可以接收专家对任务的初步“草图”，并将其扩展为完整环境或完整的数据实例集，同时还能处理质量控制，并将工作路由给合适的专家。

Snorkel 报告称，与使用标准大语言模型的人类审核员相比，这些专门化智能体将质量控制工作提速超过 50%，并将审核准确率提升超过 15 个百分点。该公司还声称，其系统在数据质量任务上的准确率超过非专门化前沿 LLM 基线的两倍以上。Ratner 将这种方法描述为一种“递归自我改进”循环，其中人类反馈会持续重新训练并打磨协助数据创建的 AI 智能体。

值得注意的是，Snorkel 将其支付给人类专家网络的费用计入销售成本，而不是并入总体收入数字中，这一结构化选择使其报告的财务数据与该领域的一些同行有所不同。

客户与市场地位

Snorkel 表示，其客户群如今涵盖前沿 AI 实验室、超大规模云服务提供商、所谓的“新实验室”、垂直 AI 公司、大型企业以及美国政府机构。这一客户名单的广度表明，对精选、领域特定训练数据的需求，已经远远超出了少数构建最大通用模型的公司。

这轮融资也正值 AI 训练数据业务整体繁荣之际。该领域的其他公司也报告了类似的爆发式增长：据行业报道，数据标注和专家网络公司 Mercor 已报告达到 20 亿美元的总年化收入，而劳动力数据平台 Handshake 则表示其在该类别中已突破 10 亿美元。投资者似乎正在押注，随着 AI 实验室耗尽易于获取的公开数据，对专家生成、经过验证以及合成训练数据的需求将持续快速扩张。

资金用途

Snorkel 表示，计划将新资金用于扩展其工程、研究和市场推广团队，发展其 Open Benchmarks Grants 项目——一项约 300 万美元的承诺，用于支持为 AI 研究社区创建开放评估数据集——并进一步投资专门化 AI 模型。该公司还表示，其一部分研究工作将专门聚焦于 AI 对齐和安全方面的数据开发，随着模型被部署到更高风险的场景中，这一领域已受到越来越多关注。