Пока одни компании гоняются за вычислительными мощностями, другие делают деньги на более скучном ресурсе — данных, на которых обучают модели. Micro1, стартапу всего четыре года, хватило восьми месяцев, чтобы нарастить годовую выручку с $100 миллионов до $500 миллионов. Компания нанимает врачей, юристов, учёных как контрактников — они помечают и оценивают ответы AI, превращая живую экспертизу в топливо для нейросетей.
Micro1 пока отстаёт от конкурентов: Mercor этим летом дошёл до $2 миллиардов годовой выручки, Handshake — до миллиарда ещё раньше. Сам факт, что рынок вмещает сразу нескольких игроков такого масштаба, говорит о ненасытности спроса. Некоторые исследователи прогнозируют: траты на данные для обучения AI однажды сравняются с тратами на вычисления. А это уже совсем другие деньги.
Интереснее всего маржинальность бизнеса. Компания оставляет себе 60-70% от выручки, а по «типовым» данным — тем, что генерируются автоматически и продаются сразу нескольким клиентам — маржа доходит до 80-90%. Тут кроется скользкий момент: критики обвиняют подобные фирмы в продаже одинаковых датасетов клиентам из Китая, что помогает их моделям (вроде Kimi K3) догонять американских лидеров. Основатель Micro1 публично открестился от такой практики, назвав её «постыдной» для тех, кто заявляет о стремлении к американскому лидерству в AI.
За красивыми цифрами роста прячется простой факт: чем умнее становятся модели, тем сильнее они зависят от людей, готовых объяснять им очевидное. Ирония на грани абсурда, но именно она сейчас кормит целую индустрию.
Во что углубиться:
- Reinforcement learning gyms: как эксперты вживую оценивают ответы моделей
- Скандал вокруг продажи данных китайским AI-лабораториям: что известно о Scale AI и конкурентах
- Синтетические данные против человеческой разметки: что выгоднее компаниям в долгосрочной перспективе