Design Arena

在 AI 生成内容日益泛滥的今天，一个核心难题浮出水面：如何判断生成的作品是否真的“好”？

由 Intelligence 公司开发的 Design Arena 给出了答案。这家初创公司近日宣布完成 790 万美元的种子轮融资，由 Index Ventures 领投，Conviction、A* 和 Valkyrie 等机构参投。其核心理念很简单却极具价值：通过大规模收集真实人类的偏好反馈，为 AI 模型提供不可或缺的“品味”训练数据。

起源：从“无趣的游戏”到“品味引擎”

Design Arena 的故事始于 2025 年。联合创始人 Grace Li 和她的大学朋友们在尝试构建一个 AI 游戏引擎时发现，虽然模型能生成功能完整的游戏，但无一例外都缺乏趣味性。这让他们意识到：算法可以优化效率，但无法定义趣味。

为了量化这种主观的“趣味性”，他们开始探索大规模获取人类反馈的方法。结果出乎意料地成功——不仅解决了他们自己的问题，更发现整个 AI 行业都急需这种高质量的评估数据。如今，Design Arena 已拥有 530 万全球用户，并成为多家前沿 AI 实验室的关键合作伙伴。

商业模式：B 端付费，C 端免费

Design Arena 的运作模式巧妙地将用户需求与企业痛点结合：

1. 对用户而言：它像一个高级的模型路由器。用户输入提示词，选择格式（如网站、图像等），然后通过“A vs. B”的方式对多个模型的输出进行排序。用户不在乎背后是哪个模型，只在乎哪个结果更好。
2. 对企业而言：这些排名数据构成了宝贵的人类偏好数据集。AI 公司付费获取这些数据，用于微调模型，使其输出更符合人类的审美和逻辑。

据 Grace Li 透露，该平台目前的年度经常性收入（ARR）已达 6000 万美元，证明了这一模式的商业可行性。

核心价值：对抗自动化基准测试的局限

与传统的自动化基准测试不同，Design Arena 提供的数据具有独特的优势：

• 抗操纵性：自动化测试容易被“刷分”或针对性优化（如 Hugging Face 近期遭遇的安全事件所示），而众包的人类反馈更难被系统性操控。
• 文化洞察力：由于用户需登录使用，Intelligence 能够追踪不同地区、不同时间的品味变化。例如，数据显示亚洲用户更倾向于极简主义的网页设计风格。这些细粒度的文化差异是通用基准测试无法捕捉的。

行业背景：人类反馈市场的冰与火

尽管基于人类评估的赛道充满潜力，但并非所有玩家都能幸存。此前获得 a16z crypto 3300 万美元投资的 Yupp 因未能建立可持续业务而关闭。然而，另一家采用类似模式的文本评估平台 LM Arena 却在今年 1 月完成了 1.5 亿美元的 A 轮融资。

这表明，市场正在洗牌，只有那些能真正提供高质量、可规模化且具备独特洞察力的平台才能脱颖而出。