最近，一家印度初创公司Deccan AI完成了总额为2500万美元（约1.73亿元人民币）的A轮融资，这笔资金将用于该公司在后训练阶段的数据处理和评估服务。
Deccan AI成立于2024年10月，自成立以来，该公司业务规模实现了显著增长，年化营收达到了数千万美元的水平。其客户包括知名科技公司谷歌DeepMind和Snowflake，且约80%的收入来自五大客户。
Deccan AI专注于填补先进AI实验室内部开发能力之外的空白领域，特别是模型训练后的优化阶段。创始人鲁克什·雷迪（Rukesh Reddy）表示，这个阶段对数据准确性的要求极高，任何错误都会直接影响到最终产品的性能。
这一轮融资全部以股权形式完成，领投方是A91 Partners，Susquehanna国际集团和普罗斯风投（Prosus Ventures）也参与了跟投。
Deccan AI的总部设在旧金山湾区，在印度海得拉巴拥有大规模运营团队，目前团队规模约为125人。此外，该公司还依托一个由超过一百万名贡献者组成的大规模任务网络，每月活跃贡献者数量在5000至10000人之间。
鲁克什·雷迪毕业于印度理工学院孟买分校，并在印度管理学院艾哈迈达巴德分校获得了MBA学位。他曾在花旗银行、摩根大通以及Monitor Group担任金融和管理咨询工作长达15年。
在当前市场趋势下，模型部署的需求迅速增长，越来越多的企业开始依赖外部服务商完成模型的落地工作。随着大模型被引入实际应用场景，对模型的稳定性、准确性和可控性的要求也相应提高，这使得后训练阶段的复杂性和成本都有了显著增加。
Deccan AI正是在这样的背景下进入市场，提供从代码能力提升、智能体训练到模型调用API等一系列服务，帮助模型更好地适应实际业务需求。相比早期以文本处理为主的模型应用，当前行业正在向“世界模型”演进，这对数据质量和评估体系提出了更高的要求。
除了与谷歌DeepMind等前沿实验室合作，Deccan AI还向企业提供评估工具Helix和运营自动化平台。该公司目前已服务大约10家客户，并同时开展数十个项目。
随着大模型商业化的推进，围绕后训练形成的服务市场正在迅速扩大。AI数据服务公司Scale AI及其竞争对手Surge AI，以及AI训练服务商Turing和AI人才平台Mercor等公司都在提供数据标注、评估与强化学习相关服务。与传统数据标注相比，这一阶段更加依赖高学历专家参与，对数据的专业性和一致性要求也更高。
在后训练阶段，任何微小的错误都可能导致严重的后果，因此对数据质量的要求近乎苛刻。这使得后训练不再仅仅是简单的数据处理，而是一个需要高度专业知识参与的精细过程。
这种高标准也给规模化带来了挑战。当前大模型后训练更依赖具有硕士或博士学位的知识型劳动者。尽管Deccan AI拥有超过一百万名贡献者，但只有大约10%的人拥有高等学位，实际项目中这一比例还会更高。
雷迪指出，AI实验室通常要求在数天内完成大量高质量数据的交付，这对服务商来说是一个巨大的挑战。他们必须在短时间内完成任务拆分、专家匹配和质量控制流程，同时还要确保数据的准确性。
围绕后训练环节的用工模式也引发了广泛的讨论。由于任务的复杂性，行业普遍采用灵活用工的方式来完成数据生产，不同平台之间的报酬差异也很大。Deccan AI给出的小时薪酬范围从10美元至700美元不等，顶级贡献者的月收入可以达到7000美元，这反映了后训练任务的多层次结构。
总结而言，后训练外包市场正在形成，AI产业链的分工格局也开始显现。Deccan AI的融资标志着围绕大模型落地的后训练服务市场已经具备了一定的规模。随着AI产业的发展，模型之外的后训练工作将越来越依赖专业的服务商。
Reddy说，AI实验室往往要求在数天内完成大规模高质量数据交付，这意味着企业需要在极短周期内完成任务拆解、专家匹配与质量控制流程。对服务商而言，既要保证数据准确性，又要满足快速迭代节奏，是运营上的核心挑战。
围绕这一环节的用工模式也持续引发讨论。行业普遍依赖灵活用工来完成数据生产，不同平台的报酬差异较大。Deccan AI能给出的区间为每小时10美元至700美元（约合人民币69元至4834元）不等，顶级贡献者月收入最高可达7000美元（约合人民币4.83万元）。这一分布反映出后训练任务的分层结构，基础标注与高端专家任务在价值与门槛上差异明显。
结语：后训练外包市场成型，AI产业链分工格局初现
Deccan AI的融资是一个信号，说明围绕大模型落地形成的后训练服务市场已经具备独立规模。前沿模型的研发竞争仍在激烈推进，OpenAI、Anthropic、谷歌DeepMind与百度、阿里、DeepSeek等公司都在持续投入核心能力建设，但模型之外的后训练工作正在加速流向专业服务商。
这条产业链的分工逻辑已经清晰：谁来做模型、谁来做数据、谁来做评估，各自的位置正在成型。后训练不再是模型研发的尾声，而是决定模型能否真正落地的关键环节，围绕它形成的专业化分工，将是AI产业下一阶段竞争的重要变量。