Datacurve

在 AI 行业从模型竞赛转向数据质量竞争的背景下，高质量训练数据已成为稀缺资源。继 Scale AI、Surge、Mercor 等公司之后，新玩家 Datacurve 正以差异化策略切入这一赛道。

这家 Y Combinator 孵化的初创公司近日宣布完成 1500 万美元 A 轮融资，由 Chemistry Capital 的 Mark Goldberg 领投，DeepMind、Vercel、Anthropic 和 OpenAI 的员工跟投。此前，其种子轮已获 270 万美元，投资人包括前 Coinbase CTO Balaji Srinivasan。

聚焦高价值领域：软件工程数据

与传统数据标注公司不同，Datacurve 专注于 软件开发领域的高质量后训练数据——例如用于训练代码生成、调试或系统设计 AI 的复杂交互数据。

为获取这类稀缺数据，公司采用 “赏金猎人”机制：邀请经验丰富的软件工程师完成特定任务（如编写特定场景的测试用例、重构遗留代码、模拟调试流程等），并支付报酬。截至目前，平台已发放 超 100 万美元赏金。

联合创始人 Serena Ge 表示，尽管报酬可观，但吸引顶尖工程师的核心并非金钱：“软件工程师的时薪远高于数据任务收入。我们真正打造的是消费级体验——让参与过程有趣、高效、有成就感。”

为什么现在需要新数据范式？

早期 AI 模型依赖静态、标注式数据集（如图像分类、文本对齐），而当前先进系统（尤其是 AI 代理）依赖 强化学习（RL）环境 和 复杂交互轨迹，这些数据无法通过简单标注获得，必须由领域专家在真实或模拟场景中生成。

“数据需求正从‘量’转向‘质’和‘策略性’，”Ge 解释，“我们需要能理解上下文、具备专业判断力的人才，而不仅是标注员。”

可扩展的模式：不止于软件

虽然目前聚焦软件工程，但 Datacurve 的“高能力人才众包”模式具备跨行业潜力。Ge 表示，金融建模、营销策略生成、临床决策支持等领域同样需要专家级数据输入。

“我们正在构建一种后训练数据收集的基础设施，能吸引并留住各领域的顶尖从业者，”她说。