Ein ehemaliger Praktikant von Kimi gründete ein Startup, dessen Bewertung mittlerweile fast 20 Milliarden Yuan beträgt.
Unternehmen für Large-Sprachmodell-Daten waren lange Zeit nicht im Blickfeld der VC-Branche, aber diese Situation hat sich inzwischen geändert. Ich habe kürzlich gehört, dass mehrere junge Menschen mit Praxiserfahrung bei großen Modellanbietern wie Alibaba Tongyi und Moon's Dark eine Datenfirma gegründet haben, die bei Kapitalgebern sehr beliebt ist.
Dieses Unternehmen nutzt KI-Trainingsdaten als Einstiegspunkt, hat in weniger als einem Jahr Aufträge im Wert von mehreren zehn Millionen US-Dollar erhalten, etwa drei Finanzierungsrunden abgeschlossen und seine Bewertung ist stetig gestiegen. Neueste ausländische Medienberichte zeigen, dass das Unternehmen kurz vor dem Abschluss einer Finanzierungsrunde von 300 Millionen US-Dollar steht, das Investorenportfolio ist hochkarätig und umfasst bekannte Institutionen wie HSG, Alibaba und Tencent, die Bewertung erreicht 2,5 Milliarden US-Dollar.
Natürlich gab es in China schon früher Datendienstleister, aber vor diesem Jahr haben nur sehr wenige solcher Unternehmen die Aufmerksamkeit von Risikokapital auf sich gezogen. Der Grund liegt darin, dass dieses Modell hauptsächlich ein Cashflow-Geschäft ist und die Hürden für eine Gründung im KI-Bereich nicht besonders hoch sind. Früher gab es in kleinen Städten der dritten und vierten Ebene eine Reihe von Datenunternehmen, die billige Arbeitskräfte nutzten, um Korpusmaterial für das Modelltraining bereitzustellen. Mit der Verbesserung der Intelligenz von Large-Sprachmodellen steigen die Anforderungen an die Datenqualität gleichzeitig, und immer mehr hochqualifizierte Fachkräfte mit Hintergrund von renommierten Universitäten treten in diese Branche ein. Erfahrene Fachleute aus allen Bereichen, zum Beispiel Juristen, Ärzte, Journalisten und Drehbuchautoren, beginnen, auf Plattformen einiger Datendienstleister zu arbeiten. Als Nebentätigkeit liegt das Einkommen für die Datenannotierung zwischen 500 und 1000 Yuan pro Stunde.
Aber wenn man nur ein Expertennetzwerk betreibt, ist es in China sehr schwierig, eine Bewertung von 100 Milliarden Yuan zu erreichen. Das Modell des Datenverkaufs wird in den Augen vieler Investoren immer noch als ein Geschäft mit zweifelhafter Nachhaltigkeit in der Übergangsphase angesehen.
Ein Investor, der mit dem oben genannten Projekt in Kontakt stand, sagte mir, dass vor der Runde mit 200 Millionen US-Dollar die Investoren ihre Entscheidungen hauptsächlich auf der Grundlage der Beurteilung der Gründer trafen. Jetzt, da das Unternehmen eine Finanzierung mit einer Bewertung von 2,5 Milliarden US-Dollar durchführen will, muss es eine neue überzeugende Geschichte erzählen. Soweit ich weiß, hat es im ersten Halbjahr dieses Jahres bereits begonnen, in den Finanzbereich vorzudringen und ein vergleichbares, überprüfbares System für die Marktprognose entwickelt, das angeblich durch den Verkauf von APIs Einnahmen erzielen soll.
Es gibt etwa mehr als zwanzig inländische Datentrainingsunternehmen, und die oben erwähnte Geschichte der Ausweitung in den Finanzbereich ist nur eine der Zukunftsrichtungen, die sie versuchen zu beschreiben. Nach Gesprächen mit Investoren habe ich festgestellt, dass die traditionellen Datendienstleistungsmodelle wie manuelle Annotierung, Expertenauslagerung und Datenlieferung, die kaum überzeugende Wachstumsgeschichten erzählen können, bei immer mehr jungen Gründern der Generationen nach 1995 und 2000 neue Auslegungen gefunden haben. Dank ihrer Erfahrung im Modelltraining und ausreichenden Kenntnis der Fähigkeiten von Modellen haben sie ein ursprünglich relativ trockenes Cashflow-Geschäft mit neuen Vorstellungsmöglichkeiten versehen und damit eine Welle von Finanzierungsinteresse ausgelöst.
Neue Anforderungen an Daten sind entstanden
Um dieses Geschäft der Praktikanten zu verstehen, muss man möglicherweise von dem letztes Jahr in den Medien heiß diskutierten Thema „Master- und Doktorabsolventen der 985- und 211-Universitäten werden KI-Trainer“ ausgehen. Zum Beispiel Absolventen des chinesischen Literaturinstituts der Peking-Universität bei DeepSeek und medizinische Doktoren bei Kimi. Einige von ihnen bezeichnen sich im Internet selbst ironisch als „Daten-Bauunternehmer“ und leiten einige Annotatoren, die in Form von BPO (Auslagerung) arbeiten, um mit dem Entwicklerteam zusammenzuarbeiten und Trainingsdaten für Modelle zu produzieren.
Die Geschäftslogik des Datenverkaufs ist nicht kompliziert: Solange man Aufträge erhalten kann, kann man selbst ein Unternehmen mit gutem Cashflow betreiben und braucht nicht unbedingt eine Finanzierung. Ein typisches Beispiel ist Surge AI: Dieses Unternehmen wurde 2020 gegründet, der Gründer Edwin Chen arbeitete zuvor im Bereich maschinelles Lernen bei Google und Meta, bevor er sich selbstständig machte. Lange Zeit nahm das Unternehmen keine externe Finanzierung in Anspruch und entwickelte sich hauptsächlich durch eigene Umsätze. Bis 2025 verbreitete sich die Nachricht auf dem Markt, dass es eine Finanzierung von bis zu 1 Milliarde US-Dollar anstrebt. Zu diesem Zeitpunkt hatte das Unternehmen im vergangenen Jahr einen Umsatz von mehr als 1 Milliarde US-Dollar erzielt, und die vom Markt diskutierte Bewertung überschritt 15 Milliarden US-Dollar.
Mit der Verbesserung der Fähigkeiten von Modellen steigt die Nachfrage nach Annotierung durch erfahrene Fachkräfte in Fachbereichen wie Medizin, Recht und Finanzen sowie bei komplexen Aufgaben, die subjektive Beurteilungen erfordern, rasant an. Hochwertige menschliche Annotatoren sind auf dem Markt knapp, insbesondere Fachkräfte in spezialisierten Bereichen, und große KI-Unternehmen sind bereit, hohe Aufschläge dafür zu zahlen. Mercor hat diese Chance ergriffen: Früher war dieses Unternehmen nur eine KI-Einstellungsplattform, die „Vertragsfachkräfte“ für große Datenannotierungsunternehmen bereitstellte, später organisierte es Fachkräfte direkt zu einem Liefernetzwerk für Trainingsdaten. 2025 finanzierte sich Mercor mit einer Bewertung von 10 Milliarden US-Dollar, und 2026 verbreitete sich die Nachricht über seinen Plan, etwa 500 Millionen US-Dollar mit einer Bewertung von 20 Milliarden US-Dollar aufzunehmen.
Zusammengefasst sind im Ausland viele Einhörner entstanden, aber inländische Anbieter von KI-Trainingsdaten haben nur selten die Chance, Unterstützung von VC zu erhalten.
Ein Investor, der diese Modellanbieter untersucht hat, sagte mir, dass damals die internen Standards der Modellanbieter für den Datenkauf, einschließlich der Standards für neue Lieferanten, noch nicht besonders klar waren. Obwohl sie bereits mit mehreren Internetunternehmen und sogar einigen ausländischen Lieferanten zusammengearbeitet hatten, war das Gesamtliefervolumen noch nicht so groß. Andererseits wurde in China eine Zeit lang hauptsächlich die Destillationstechnik verwendet, was die Notwendigkeit, nach Expertdaten zu suchen, stark verringerte.
In diesem Jahr sind Agenten umfassend auf dem Vormarsch, und die benötigten Datentypen sind längst nicht mehr einfache Expertdaten, sondern Daten, die der realen Umgebung viel näher kommen.
Ein Forscher bei einem Modellanbieter sagte mir, dass die benötigten Daten heute nicht mehr nur „Fragen und Antworten“ sind, sondern ein geschlossener, überprüfbarer Trainingsumfeld, in dem das Modell wiederholt handeln und Feedback erhalten kann. Das Modell führt Aufgaben darin aus, die Umgebung zeichnet jede seiner Handlungen auf, dann beurteilt ein Prüfwerkzeug das Ergebnis und gibt das Feedback schließlich an das Modell zurück. Zum Beispiel reicht es nicht aus, wenn man ein Modell trainieren will, um besseren Frontend-Code zu schreiben, nur manuell zu sagen „ist dieser Code gut oder schlecht“. Man braucht eine Umgebung, die den Code ausführen kann, außerdem ein Modell, das den Effekt der Seite versteht, um als Schiedsrichter zu fungieren, und dann durch Hunderte von Runden oder noch längere Betriebszeit dem Modell ständig Feedback zu geben.
Einige amerikanische Startups beginnen, sich spezialisiert um Umgebungen für verstärktes Lernen zu kümmern. AfterQuery hofft, dass Modelle und Agenten lernen, Aufgaben wie Fachleute zu erledigen. Das Unternehmen beschreibt dies als „Kodierung der Muster, Entscheidungen und Schlussfolgerungen von weltweit führenden Praktikern“ und liefert Experten-Schlussfolgerungs-Datensätze, Simulationsumgebungen für verstärktes Lernen und Modellevaluationsdienste für hochmoderne Large-Sprachmodelle.
Auf der Nachfrageseite hat auch das Management von Anthropopic diskutiert, innerhalb eines Jahres 1 Milliarde US-Dollar in Umgebungen für verstärktes Lernen zu investieren. Bei OpenAI beliefen sich die gesamten Datenausgaben im Jahr 2025 auf etwa 1 Milliarde US-Dollar, und die interne Prognose geht davon aus, dass dieser Wert bis 2030 auf 8 Milliarden US-Dollar steigen wird. In den USA gibt es mittlerweile etwa mehr als ein Dutzend solcher Teams in der Seed-Runde mit nicht mehr als 20 Mitarbeitern, die 1 bis 3 Großkunden bedienen.
In China entstehen auch viele solche Gründungsmöglichkeiten. Ein Investor sagte mir, dass immer mehr Forscher aus den Modellanbietern ausscheiden. Bis Mai und Juni dieses Jahres ist dieser Trend deutlich geworden: Auf dem Markt tauchen eine Reihe neuer Teams auf, die hochwertige Daten anbieten, gleichzeitig steigt die Nachfrage der Modellanbieter nach Daten in neuen Bereichen.
Die Generation nach 2000 häuft sich an der Vermögensbildung
Wie Gründer in anderen Bereichen der KI sind die Gründer von Datentrainingsunternehmen in der Regel auch sehr jung. Alexandr Wang, Gründer von Scale AI, wurde mit 24 Jahren Milliardär, und die drei Gründer von Mercor stiegen mit 22 Jahren dank einer Bewertung von mehreren zehn Milliarden US-Dollar ebenfalls in die Reihen der Milliardäre auf.
Das jüngste Beispiel sind die zwei Mitgründer von AfterQuery: Spencer Mateega ist 23 Jahre alt, Carlos Georgescu 22 Jahre alt, zum Zeitpunkt der Gründung des Unternehmens waren beide noch Studenten an der Universität. Ihr Unternehmen hat gerade angekündigt, eine neue Finanzierungsrunde zu beschaffen, die Bewertung erreicht 3,2 Milliarden US-Dollar. Dieses Unternehmen wurde erst vor 18 Monaten gegründet, sein Hauptgeschäft ist der KI-Trainingsdatendienst.
Heute ist es bei den Gründern von inländischen Daten-Startups genauso, und sie sind nicht unbedingt die „kleinen Genies“ im Bereich der verkörperten Intelligenz, wie zum Beispiel die Praktikanten bei großen Modellanbietern, die ich am Anfang erwähnt habe.
Ein Investor, der mit einem inländischen Einhorn-Datentrainingsunternehmen in Kontakt stand, sagte mir, dass sich die Beurteilungen in der Frühphase noch hauptsächlich auf die „Personen“ konzentrierten. Menschen mit sowohl Geschäftssinn als auch Forschungsfähigkeiten sind bis heute auf dem Markt relativ selten. Der Gründer dieses Unternehmens hatte Praxiserfahrung bei führenden Modellanbietern wie Moon's Dark, war an Modelltrainingsarbeiten beteiligt und hat wissenschaftliche Arbeiten veröffentlicht.
Derzeit werden die vorderen Arbeiten des Modelltrainings hauptsächlich von promovierten Absolventen renommierter Universitäten übernommen. Sie übernehmen bereits ab dem Praktikum konkrete Ausführungsarbeiten. Nachdem sie diese Arbeiten mit Auslagerungsteams abgeschlossen haben, fällt es ihnen leicht zu denken: Da diese Arbeit auch in der Auslagerungsabteilung eines großen Unternehmens erledigt werden kann, warum nicht selbstständig machen? Also tritt ein Teil von ihnen aus Modellanbietern oder Auslagerungsteams aus, um Daten-Startups zu gründen.
Das ist auch das gemeinsame Merkmal dieser aktuellen Datengründer: Sie sind näher an den tatsächlichen Bedürfnissen der Modellanbieter und reagieren empfindlicher auf Veränderungen des externen Marktes. Ein Investor, der bereits in ähnliche Projekte investiert hat, sagte mir, dass sein Urteil über das Profil der Gründer meistens lautet: Das Team muss mindestens das Niveau T0 oder T1 erreichen, und am besten gehören sie zu der Generation nach 1995, 1998 bis 2000, die tatsächlich an dem vorderen Modelltraining teilgenommen hat.
Ingenieurfähigkeiten sind ebenfalls entscheidend. Wie man ein Team aufbaut und wie man die von Forschern anerkannten Anforderungen an die Datenqualität in der tatsächlichen Produktion umsetzt, erfordert starke Ingenieurfähigkeiten. Von dem Aufbau der gesamten Datenpipeline über das Design von Abfragen und die anfängliche Struktur der Daten bis hin zur späteren Bereinigung und Qualitätskontrolle gibt es komplexe technische Abläufe dahinter, es ist nicht einfach eine manuelle Annotierung.
Daten scheinen oberflächlich ein Geschäft zu sein, aber wenn man es gut genug betreibt, kann es auch zu einem Kandidatenteam außerhalb der Modellanbieter werden, sogar zu einer kleinen Organisation für Vortraining und Nachtraining. Investoren können in der Frühphase ein Team mit hoher Forschungsdichte zu geringen Kosten erwerben. Das Datengeschäft ist ihre Möglichkeit, sich in der Übergangsphase selbst zu versorgen, und kann ihnen auch helfen, ihre Position in der Branche zu beweisen und mit den Veränderungen der Entwicklung der Modellintelligenz Schritt zu halten.
Die Obergrenze des Datengeschäfts
Aber das reine Datengeschäft kann diese Startups kaum dabei unterstützen, nachhaltig erfolgreich zu sein.
Im Jahr 2025 wurde vom Markt offengelegt, dass Mercor, das mit Expertdaten in vertikalen Bereichen angefangen hat, einen annualisierten Umsatz von 100 Millionen US-Dollar erreicht hat, aber 60% bis 70% des Gesamtumsatzes müssen an Vertragspartner gezahlt werden, der verbleibende Spielraum für das Unternehmen ist sehr begrenzt. Auch bei Scale AI geht mehr als die Hälfte des Umsatzes in die direkten Betriebskosten, einschließlich der Gehälter der Vertragspartner. Bei den von einigen inländischen Datenannotierungsplattformen veröffentlichten Preisen liegt der Stundenlohn von Annotatoren normalerweise zwischen 200 und 500 Yuan, und Personen mit höherer Qualifikation und stärkerer Fachkompetenz können sogar bis zu mehr als 1000 Yuan erreichen.
Mit der weiteren Verbesserung der Modelfähigkeiten werden die Anforderungen von Nachtrainingsunternehmen an Spitzenfachkräfte noch komplexer. Wenn man weiterhin auf eine große Anzahl von Arbeitskräften angewiesen ist, um Experten zu suchen und Daten zu produzieren, bedeutet dies, dass die Kosten ständig steigen; wenn man die Gebühren der Experten erhöht, wird die Bruttomarge verkleinert; wenn man die Gebühren nicht erhöht, ist es schwierig, ausreichend hochwertige Daten zu erhalten.
Außerdem sind die Aufträge im Datengeschäft nicht völlig sicher. Ein befreundeter Investor sagte mir: Als die erste Gruppe von Datenlieferanten auf den Markt kam, haben viele Unternehmen zuerst eine Reihe hochwertiger Stichproben in jedem vertikalen Bereich hergestellt – egal ob sie manuell sorgfältig bearbeitet oder auf andere Weise produziert wurden, sie haben viel Aufwand in die Stichproben gesteckt und diese dann Kunden wie Alibaba und Tencent vorgeführt. Erst nachdem die Kunden sie anerkannt haben, geben sie weitere Aufträge auf. Aber in der Datenbranche entspricht ein Auftrag nicht sofort einem bestätigbaren Einnahmebetrag. Jede Charge von Daten muss von Forschern abgenommen und qualitätskontrolliert werden. Wenn die Menge oder Qualität der gelieferten Daten mehrere Male hintereinander nicht den Anforderungen entspricht, können die Kunden den Auftrag vollständig verkleinern oder sogar stornieren. Zum Beispiel bedeutet es nicht, dass ein Unternehmen nach Unterzeichnung eines Auftrags über 100 Millionen US-Dollar in einem halben Jahr, einem Jahr oder zwei Jahren unbedingt Einnahmen in entsprechender Höhe erzielen wird.
Aus Sicht von VC kehrt die Investition letztendlich zu zwei Fragen zurück: Kann dieses Unternehmen einen ausreichend hohen Wertmultiplikator erreichen, und gibt es einen klaren Ausstiegsweg in der Zukunft?
Die Arbeitsteilung bei großen ausländischen Unternehmen ist relativ ausgereift, das jährliche Budget jedes großen Unternehmens für externe Datenunternehmen wird bis 2027 und 2028 weiter steigen und hat ein großes Volumen. Daher haben ausländische Datenunternehmen tatsächlich guten Marktspielraum, und es gibt bereits Ausstiegsmöglichkeiten durch Übernahmen. Aber die Logik des chinesischen Marktes ist anders: Wenn man am Ende nur ein Datenauslagerungsunternehmen ist, ist der Spielraum sowohl bei Übernahmen als auch beim Börsengang relativ begrenzt.
Nach Ansicht des oben genannten Investors wird das zukünftige Datengeschäft möglicherweise nicht mehr dem heutigen Muster folgen, „wie viel kostet ein