我们最近跑产业 发现了一个AI方向上 国内景气度

🔸海外：海外数据公司在今年上半年deliver了很快的增速。比如AI招聘转型的MercorARR从去年下半年的5亿做到今年年中20亿，半年翻4倍；Handshake ARR在年初三个月内从5.5亿美元冲到了10亿美元，翻了接近一倍。整体的增速与Frontier Lab相当。 🔸国内：考虑到国内模型的发展进度其实比海外晚几个月，后面后训练上投入扩大，是一个参考海外有迹可循的事情。目前我们也看到国内的这个赛道开始逐渐加速。包括字节最近又成立了一个新的一级部门，叫“AI数据与安全”。这个一级部门跟Seed、Flow、抖音平行，覆盖标准制定、寻源采购、合成清洗、质量评测的全流程。 我们最近聊了好几个本身在模型厂做核心业务，放弃千万级年薪来做这个方向，反馈说“一级投资人全球范围内在找标的”“业务和估值半年翻了10多倍”“供远远小于求”“最近1-2个月需求起来非常快” 【供给端】 #这些公司是怎么做数据的？#---这些公司要理解+积极响应大厂对后训练数据要求，找各行业资深专家去搭建任务地图、设计题目、制定标准、质量把关等，以及搭建RL环境利用专家制作长程任务数据。 #做这个业务需要什么资源禀赋？#---1是需要广泛的各行业专家网络资源（也就是为什么海外Mercer、Handshake是做AI招聘转型做这块的）；2是对大模型迭代下对后训练数据的标准和需求有理解（也就是为什么那么多国内模型厂有很多人出来创业做这个）。 【需求端】 #模型厂需求如何？#---1是在长程agent任务等需求在蒸馏数据的有效性在下降，导致数据预算#结构性往后训练数据转；#2是这类数据对外部专家资源更重，导致模型厂预算在#结构性往外部转；#3是数据采购频次更高、场景更多、每条数据价值量更大，导致这块业务#量价齐升加速放量。# 我们跟踪产业下来确实这块跑的特别好，从产业逻辑来讲，在专家网络人脉、模型所需数据有know-how的公司有望在后面转型受益～ 国内景气度开启加速对后面模型发展至关重要这些公司是怎么做数据的？做这个业务需要什么资源禀赋？模型厂需求如何？结构性往后训练数据转；结构性往外部转；量价齐升加速放量。