文 | 数智奔流，作者 | 周易，编辑 | 沈校

据报道阿里将领投UniPat AI 3亿美元融资，使其估值达到25亿美元。腾讯、红杉中国等投资方也可能参与其中，但交易仍在谈判，具体条款尚未最终确定。

相较于AI六小龙的知名度，UniPat似乎名不见经传。

但是熟悉AI圈子的知道，前段时间，美国风投机构Dimension Capita访华后，密集拜访了一批AI公司，对中美AI竞争做出的13个判断。回到美国后，他们向出资人发送了一封内部信。这封信随后在投资圈广泛流传。

其中关于数据标注公司的判断就是以UniPat为代表的中国初创企业。

当中提到，Mercor、AfterQuery和Turing等美国数据公司，已经成为中国大模型公司的供应商。与此同时，中国也出现了一批新公司，它们不再满足于传统的数据标注，而是开始做模型评测、现实任务和验证基础设施。

这家企业设计了用于测试和衡量人工智能模型的现实场景，并专门生成详细的训练和基准测试数据。目前发布的基准测试，已经开始被美国实验室引用到自己的模型报告中。

这种思路，本质上仍然是：用更高质量的监督，替代更多算力。它们中的绝大多数成立不到24个月，其中少数几家的收入已经迅速突破1亿美元。

今年8月，福布斯报道称，美国数据公司与中国AI公司的合作已经形成一条规模可观的数据供应链。

报道援引其查阅的买方沟通和平台内部材料称，AfterQuery与蚂蚁存在合作关系，阿里曾与AfterQuery和Mercor进行数据采购，Turing也曾与字节跳动合作。相关中国公司没有回应，部分数据公司则拒绝披露客户信息。

这些公司不是传统意义上的“标注外包商”。

Mercor强调专家数据和企业工作流，AfterQuery强调把专家的判断、权衡和工作过程转化为训练数据，Turing则将数据、强化学习环境和模型评测放在同一套服务中。

这说明数据行业正在发生一次升级。

第一阶段，数据公司出售的是人工时间。

第二阶段，数据公司出售的是更高质量的答案。

UniPat是一家AI评测公司，设计了用于测试和衡量人工智能模型的现实场景，并专门生成详细的训练和基准测试数据。目前发布的基准测试，已经开始被美国实验室引用到自己的模型报告中。

榜单排名往往是衡量一家大模型企业技术能力的重要指标，比如Kimi K3通过人工智能分析等全球基准测试网站的排名证明了其优势。

但随着版权和隐私限制的日益严格，大型语言模型正迅速耗尽互联网上可用的人类生成数据，而开发者也经常遇到排行榜分数虚高、无法反映实际性能的情况。UniPat旨在同时解决这两个瓶颈问题。

目前美国竞争对手Scale AI（Meta 已斥资 140 亿美元收购其股份）专注于数据标注，而 Mercor（目前正在洽谈以200 亿美元的估值进行融资）则运营着一个由人类专家组成的数据标注和测试市场。

在基准测试方面，Artificial Analysis 和 Chatbot Arena 则处于领先地位。

UniPat成立于2025年末，创始人曾在阿里巴巴、月之暗面和腾讯工作。在阿里期间，就职于通义人工智能实验室参与训练后分析、数据合成和强化学习相关工作。

从UniPat过去公开的项目，已经显示出它不满足于给模型排个名次。

在软件开发领域，Monthly-SWEBench每月从真实GitHub项目中筛选任务，测试智能体能不能修复代码、完成新功能，并通过真实验证。EvoCode-Bench则让模型在同一个工作空间中连续完成多轮任务，要求它处理需求变化、上下文积累和前后步骤之间的依赖。

Echo系统会从新闻、数据、预测市场和实时网络信息中提取线索，生成概率判断，并在未来事件真正发生后验证结果。

它不是测试模型能不能回答一道已经知道答案的问题，而是模型能不能对未来作出相对可靠的判断。

UniPat在4月发布的一份公司新闻稿称，团队让5个EchoZ智能体在Polymarket进行一周实盘测试，其中4个获得正收益；公司同时公布了政治与治理问题上的63.2%市场胜率，以及7天以上预测中的59.3%胜率。

这让UniPat从“AI考官”变成了一个更复杂的角色：它既测试模型，也训练模型；既生产数据，也试图把预测能力变成可以出售的服务。

阿里看中的可能正是这层模型之外的数据基础设施。

Echo最有意思的地方，是它把“未来”变成了训练数据。

传统模型训练依赖过去的数据。Echo采用的思路是“Train-on-Future”，即让模型面对尚未发生的事件，先给出概率预测，等事件结束后再获得结果反馈。

UniPat的ExpertEval也采用类似思路。它公布的测试集覆盖医疗、金融和法律三个高风险领域，包含3213个专家案例、207个场景和平均每题21.83条评分标准。

这些评分标准不仅判断答案是否正确，还会判断模型有没有遗漏关键条件、是否违反专业规则，以及有没有犯那些表面合理、现实代价却很高的错误。UniPat把这些错误称为“关键负面项”。

这套方法背后的判断是：模型能力的瓶颈，不总是参数和算力，也可能是监督质量。

UniPat在公开材料中称，经过专家Rubric监督训练的小模型，在多个专业任务上取得了明显提升。

当算力变得昂贵，如何提高每一单位算力产生的有效能力，会比单纯增加训练规模更重要。

这也是中国AI公司面对算力约束时可能形成的适应性能力。

对模型训练来说，这些规则就是新的监督信号。

UniPat的核心假设是高质量监督能够提高模型的“单位算力产出”。换句话说，模型能力不只取决于参数数量和计算量，也取决于训练数据是否能够准确指出模型为什么失败。

这个方向和大模型行业正在面对的问题正好重合：容易获得的互联网文本正在变得不够用了，真正稀缺的是能够描述复杂工作、专业判断和现实反馈的数据。

这种思路，本质上仍然是用更高质量的监督，替代更多算力。

如何保持第三方的公平、独立、自主

UniPat的方向对应阿里AI战略的变化。

阿里正在把AI从模型研发推向云、企业软件和消费业务。

2026年3月，阿里推出企业级智能体平台悟空，希望让多个智能体进入企业工作流程，逐步完成从对话到执行的转变。

阿里也成立了Alibaba Token Hub事业群，把基础模型、模型服务和AI应用放在更紧密的组织体系中。阿里官方的表述是，让AI完成从Token创造、输送到应用的完整链条。

到了2026年6月，阿里又把通义大模型团队和未来生活实验室合并为Token Foundry，由集团CEO吴泳铭直接负责。外界普遍将其视为阿里进一步整合模型、应用和商业化能力的组织动作。

阿里需要的因此不只是更强的Qwen。

它还需要知道：

Qwen在真实办公流程里能否完成任务？模型生成的答案是否值得企业采用？AI能力到底能不能转化成客户愿意支付的钱？

这几个问题，都需要独立的测试环境、可重复的任务和明确的验收标准。

阿里2026年公布的业绩资料显示，云智能集团外部收入增速达到40%，AI相关产品已经成为云业务的重要增长来源；Model Studio客户数量同比增长8倍。公司随后披露，AI云与算力服务收入达到71亿美元，同比增长45%。

阿里投资UniPat的战略逻辑可能就在这里：为Qwen、以及未来更多AI产品，提前购买一套“能不能真正工作”的判断系统。

如果融资最终完成，UniPat约25亿美元的估值来自三个未来下注。

第一，UniPat能否成为模型公司的测试供应商。

第二，它能否掌握足够多的真实任务、专业规则和反馈数据。

第三，它能否让自己的测试结果进入模型采购、企业部署和模型训练流程。

一旦第三点成立，评测公司就不再是模型产业链的附属角色，而会变成某种“标准制定者”。

但风险也很清楚。

评测公司必须保持可信。如果它同时参与某个模型的训练，又负责评价这个模型，外部客户就会质疑它的独立性。

更大的问题是，评测是否会被模型公司反向优化。只要测试集、评分标准和任务结构被充分研究，模型就可能学会针对榜单，而不是学会真正完成工作。

模型会越来越多，排行榜也会越来越多。但真正稀缺的，可能是一个可信的答案：

这个模型到底能不能完成客户交给它的事情？

谁掌握了这个答案，谁就可能站在AI商业化的验收环节。

UniPat要做的就是能不能从一家研究型评测公司，成长为这套验收标准的提供者。