被曝估值5个月涨10倍，两个大学生给英伟达供了什么数据

《福布斯》9月2日援引两名知情人士消息称，美国AI训练数据初创公司AfterQuery的估值已达到32亿美元，约合人民币215亿元。今年4月，这家公司完成3000万美元A轮融资时，投后估值还是3亿美元。若32亿美元最终得到确认，它的估值在5个月里增长了约10.7倍。

创办它的两个年轻人当时还在读书。CEO Spencer Mateega 23岁，宾夕法尼亚大学沃顿商学院金融与统计本科、宾大计算机硕士；CTO Carlos Georgescu 22岁，不列颠哥伦比亚大学计算机专业。公司于2025年2月成立，入选YC 2025年冬季批次，团队约30人。YC合伙人Gustaf Alströmer称，AfterQuery从成立到跻身独角兽只用了约18个月，是YC历史上最快的一家。对一家不做芯片、不做模型、也不做应用的公司来说，这个速度反常得需要解释。

英伟达报告里唯一被点名的外部数据商

解释的起点在今年6月。英伟达发布Nemotron 3 Ultra技术报告（arXiv:2606.15007，6月12日提交），这是一份550亿总参数、55亿激活参数、预训练消耗20万亿token的开源模型报告。记者核对该报告全文，被具名提及的外部数据公司只有一家：AfterQuery。

报告第3.3.2节写得很具体。英伟达说，他们从AfterQuery的任务中构造了一个训练分布，选择标准是这些任务与GDPval（OpenAI推出的真实职业任务评测）具有相似"潜在结构"，包括基于文件的推理、专业交付物生成、多步分析和对最终结果的评判。紧接着的一步是关键：对每一个AfterQuery任务，英伟达"使用一个强模型生成多条完整的轨迹rollout"，先做轻量SFT预热，再在蒸馏阶段把这些轨迹中的中间决策点当作强化学习的训练节点。

换句话说，AfterQuery交给英伟达的不是一批写好答案的问答对，而是三样东西的组合：真实职场任务的题面、判断答案好坏的评分标准，以及可供模型练习和判定的任务环境。其官网把自己定义为"为基础模型开发整理数据方案的应用研究实验室"，交付内容列为四类：监督微调的思维链数据、由专家设计并配有评分框架的强化学习任务、基于真实API和MCP服务器搭建的智能体环境、以及人类演示的浏览器与桌面操作轨迹。官网对这门生意的表述是"最有价值的知识从没被写下来过，它存在于专业人士怎么思考"。

35.3到46.7：被广泛误读的那组分

围绕这家公司的传播里，最常被引用的是GDPval从35.3分提升到46.7分。这组数字出自英伟达报告，但口径需要说清。

它是消融实验的对照组与实验组之差，不是"用了数据前后的成绩对比"。报告表格显示：起点学生模型GDPval得分28.9；不做预热直接蒸馏得到35.3；先用AfterQuery任务分布做轻量SFT预热再蒸馏得到46.7；被蒸馏的那个专用教师模型是49.5。也就是说，11.4分的差距衡量的是一次预热训练方法的收益，AfterQuery数据在这里扮演的是提供训练分布，而不是直接给模型灌输知识。

同一份报告的最终评测表还给出了另一半事实：Nemotron 3 Ultra在GDPval上拿到46.7分，低于GLM-5.1的54.7分、DeepSeek-v4-Pro的54.6分、Kimi-K2.6的50.4分，也略低于MiniMax-2.7的47.6分，仅高于Qwen-3.5的34.6分。这批数据确实带来了一次可观的相对进步——同一表格中BrowseComp从33.0升至44.4——但没有把英伟达的模型送上"专业任务"这一项的榜首。这个边界，比"英伟达靠它变强"的说法更接近报告的原始表述。

为什么人脑里的判断，比互联网上的文字贵

估值暴涨的底层逻辑是稀缺性换了位置。中文编译稿里那句概括是准确的：通用大模型已经消化了互联网上大量可公开获取的文本、图像和代码，而模型自己生成的合成数据也存在质量边界。公开语料是"结果的堆积"，能被反复抓取、反复使用，价格只会越来越低；专家做方案时的取舍过程基本不进互联网，也无法靠模型自造——用模型生成的数据训练模型，学不到模型本来就不会的部分。

这也是这门生意和上一代数据标注的分水岭。传统标注卖的是单位工时，交付的是"这张图里有什么"，可被压价、可被搬迁、可被自动化替代。AfterQuery卖的是判断标准和验证能力：任务由具备工程、医疗、法律、金融背景的人设计，答案好坏由他们写的评分细则判定，供应商由此从"出题和改卷的人"变成模型后训练流程里绕不开的一环。Mateega今年4月接受《福布斯》采访时对差异的自述也落在这里——AfterQuery与Mercor等同行的区别，在于使用定制软件系统验证人类生成的数据。壁垒从"谁能招到更多标注员"迁移到了"谁能证明这批数据真的让模型变强"。

215亿估值押在哪几块软地上

把已确认和未确认的部分分开，才能看懂这轮估值的风险结构。

第一，32亿美元这个数字目前只到"知情人士"层级。《福布斯》的报道援引两名知情人士，新一轮融资的金额和领投方均未公布，公司对本轮估值拒绝置评。第二，收入口径来自公司自述。1亿美元年化收入由今年4月披露，7月Mateega在X上发文称已达该数字的数倍；"已实现盈利"同样出自一名知情人士，公司未经审计的营收数据没有第三方核验。第三，近10万名"经过验证的专业人士"是AfterQuery自己的说法，验证流程的外部可核查性未知。第四，英伟达报告点名证明了技术关系，不等于证明了收入结构——被点名的是一家模型公司，公开信息中并没有披露AfterQuery的订单集中度。

参照系也在动。以估值3亿美元计、今年4月ARR约1亿美元，AfterQuery当时的市销率约3倍；按32亿美元和"数亿美元"年化收入估算，这一倍数已升至接近10倍甚至更高。这个赛道并非无人竞争：据The Information 8月报道，主要同行Mercor正与英伟达洽谈新一轮融资，目标估值200亿美元。资本正在同时涌入多家数据供应商，意味着AfterQuery享受的先发溢价，很可能要接受一轮定价回归。

接下来值得盯的三个信号

一是这轮融资是否真的完成、金额和领投方落地，32亿美元从传闻变成文件层面的事实；二是收入是否开始接受可验证的口径披露，包括客户数量和合同期限，而不是创始人在社交平台上的倍数表述；三是有第二家前沿实验室在技术报告里点名同类数据供应商——如果出现，说明这不是单点合作，而是模型厂商在把"专业判断采购"写进标准训练流程。第三条最值得关注，因为它决定这个赛道的天花板到底是215亿，还是更高。

参考数据来源

• NVIDIA ·《Nemotron 3 Ultra: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning》技术报告（arXiv:2606.15007，§3.3.2 及 Table 4/5/10）· 2026-06-12 · https://arxiv.org/abs/2606.15007
• AfterQuery · 官网研究博客《How AfterQuery Helped NVIDIA Hill-Climb GDPval》及公司主页 · 2026-07-02 · https://afterquery.com/blog/how-afterquery-helped-nvidia-hill-climb-gdpval
• 智东西编译自《福布斯》·《两个00后给英伟达供数据，估值215亿》（凤凰网科技转载）· 2026-09-02 · https://tech.ifeng.com/c/8w61WWwj1AV