AfterQuery 成为 YC 有史以来升速最快的独角兽，估值 32 亿美元

前言

AfterQuery，一家 AI 训练数据初创，据报已获得新一轮资金，使其估值达到 32 亿美元。此更新紧随公司四月宣布的 3000 万美元 A 轮融资，当时估值为 3 亿美元。短短不到六个月估值快速攀升超过十倍，引发关注。根据 Y Combinator 合伙人 Gustaf Alströmer 的说法，这使 AfterQuery 成为加速器史上最快达到独角兽地位的公司。创始人年仅 22 岁和 23 岁，18 个月前刚加入 Y Combinator 的 2025 年冬季班。本前言为下文对 AfterQuery 成长与方法的摘要与详细检视提供背景。

要点摘要

关键要点： AfterQuery 据报在数月内从 3 亿美元估值跃升至 32 亿美元，标志着超过 10 倍的增长。 公司专注于训练模型和代理以复制专家工作流程，使用知识型专业人士而非仅仅确保事实准确性。该初创报告年化营收跑道为 1 亿美元，并将 Nvidia、Legora 与 Motif Technologies 列为其客户。

主体

总部位于旧金山的 AI 训练数据公司 AfterQuery 据报已完成一轮融资，使公司估值约为 32 亿美元。该报道的估值出现在公司五个月前公布 3000 万美元 A 轮融资、估值为 3 亿美元之后。此变化意味着在不到半年的时间里，估值增长超过十倍；Y Combinator 合伙人 Gustaf Alströmer 表示，这是任何 YC 支持的初创公司从推出到达到独角兽地位的最快记录。

该初创的创始人尤其年轻：现年 22 岁与 23 岁，他们仅在 18 个月前加入 Y Combinator 的 2025 年冬季班。自那时起，公司称已取得强劲的商业势头。四月时，AfterQuery 报告其年化营收跑道为 1 亿美元，并透露正在与业界多家领先实验室合作。公开点名的客户包括 Nvidia、Legora 与韩国的 Motif Technologies，显示来自主要 AI 研究与工程机构的需求。

AfterQuery 属于一类不断增长的公司，这些公司雇用知识型专业人士——例如医生、律师和其他领域专家——来生成高质量的 AI 训练数据。这一做法类似早期的企业如 Mercor 与 Scale，它们使用专家注释员来提升模型性能。然而，AfterQuery 所宣称的重点在一个关键方面有所不同：公司并非仅仅确保模型产出事实正确的答案，而是专注于训练模型和自主代理去像有经验的从业者一样运作。换言之，其工作旨在编码顶级专业人士的决策模式、任务工作流程与推理过程，以便模型能够以类似人类专家的方式执行复杂任务。

在实践中，这可能包括捕捉专家如何处理多步骤任务、在不确定性下如何进行权衡、以及如何应用领域启发式方法——这些元素超越了为准确性而标注数据。所产生的训练材料用于教导模型不仅了解正确结果是什么，还知道如何通过遵循专业标准和典型工作流程来达成这些结果。支持者认为，这种方法可带来更有用、可靠且具情境感知的 AI 代理，能够协助或自动化现实世界的专业任务。

在财务方面，公司的快速估值增长似乎与其营收轨迹及市场对能够加速实用 AI 能力发展的初创公司的胃口有关。报道显示，AfterQuery 在四月实现了 1 亿美元的年化营收跑道，这一里程碑加上高调的客户，可能促进了投资者的热情。该势头在公司参加 YC 课程后短时间内出现，尤其显著，凸显出投资者对连接领域专业知识与模型训练公司的广泛兴趣。

尽管 Forbes 首次报道了新一轮融资与估值，AfterQuery 并未立即回应置评请求。与任何快速成长的初创公司一样，关于长期可持续性、竞争定位以及在大规模下扩展以专家为主导的数据标注之运营挑战等问题仍然存在。招募、培训与留住大规模的领域专家可能代价高昂且复杂，在大型标注员群体中维持一致性质量是此领域公司持续关注的运营重点。

然而，AfterQuery 据报的进展凸显了 AI 发展中的一个更广泛趋势：从纯算法进步转向更结构化、以人为中心的训练方法。通过尝试捕捉顶级从业者的程序性专业知识，像 AfterQuery 这样的公司旨在打造不仅能正确回答问题，还能模仿专业人士在现实世界中使用的实务推理与工作流程的 AI 系统。如果这些方法持续扩展并证明有效，可能会重塑组织在医疗、法律、工程等专业领域部署 AI 的方式。

总而言之，AfterQuery 据报 32 亿美元的估值及其快速晋升为独角兽，既反映其营收增长，也显示投资者对以专家为驱动的模型训练抱有信心。该公司专注于编码专业决策的做法使其区别于仅关注答案准确性的公司，而其快速的轨迹也使其成为来自 Y Combinator 的近期最显著成功案例之一。

关键洞察表