Deccan AI 筹集 2500 万美元以与 Mercor 竞争，并吸纳印度专家加盟

随着对人工智能模型训练和微调的需求持续增长，一家提供模型训练后数据处理和评估服务的初创公司Deccan AI在其首轮重大融资中筹集了2500万美元，其中大部分工作由一支驻印度的专家团队完成。

本轮全股权A轮融资由A91 Partners领投，Susquehanna International Group和Prosus Ventures跟投。

尽管包括 OpenAI 和 Anthropic 在内的前沿人工智能实验室都在内部构建核心模型，但随着企业努力确保系统在实际应用中的可靠性，从数据生成到评估及强化学习等大部分训练后工作正越来越多地被外包出去。Deccan 正逐渐成为满足这一需求的新兴初创企业之一。

Deccan成立于2024年10月，其服务旨在帮助模型提升编码和智能体能力，并训练系统与外部工具（如应用程序接口API）进行交互，从而将AI模型与软件系统连接起来。

这家初创公司与前沿实验室合作，开展生成专家反馈、运行评估以及构建强化学习环境等任务，同时通过其评估套件Helix和运营自动化平台等产品为企业提供服务。随着模型从文本领域扩展到所谓的“世界模型”——即能更好地理解包括机器人和视觉系统在内的物理环境——相关工作也在不断演进。

据该公司称，Deccan的客户包括谷歌DeepMind和Snowflake。创始人鲁凯什·雷迪（Rukesh Reddy，见上图）在接受采访时表示，该公司目前已拥有约10家客户，并随时运行着数十个活跃项目。

这家初创公司总部位于旧金山湾区，在海得拉巴设有庞大的运营团队，拥有约125名员工，并依托一个由超过100万名贡献者组成的网络，其中包括学生、领域专家和博士。 雷迪向TechCrunch透露，通常每月有约5,000至10,000名活跃贡献者。

雷迪称，Deccan的贡献者群体中约有10%拥有硕士和博士等高级学位，但根据项目要求，活跃贡献者中的这一比例会更高。

随着大型语言模型的兴起，AI训练服务市场迅速扩张，Meta旗下的Scale AI及其竞争对手Surge AI，以及初创公司Turing和Mercor等，都在竞相提供数据标注、评估和强化学习服务。

“质量仍然是一个未解决的问题，”雷迪表示，并补充说，训练后阶段对错误的容忍度“接近于零”，因为错误会直接影响模型在生产环境中的性能。这使得训练后阶段比早期阶段更为复杂，需要高度准确且具有领域特异性的数据，而这类数据更难实现规模化。

他还指出，这项工作对时间要求极高，AI实验室有时需要在几天内获取大量高质量数据，这使得在速度与准确性之间取得平衡变得十分困难。

该行业因工作条件和薪酬问题备受批评，通常会大量使用零工来生成训练数据。雷迪表示，在Deccan平台上，每小时收入约为10至700美元不等，表现最佳的贡献者月收入可达7,000美元。

印度正崛起为人工智能训练人才的枢纽

尽管Deccan的客户主要为美国的人工智能实验室，但其贡献者大多位于印度。图灵（Turing）和Mercor等竞争对手虽然也从印度招募承包商，但业务范围覆盖更广泛的新兴市场。

雷迪表示，Deccan选择将大部分劳动力集中在印度，以便更好地管理质量。“我们的许多竞争对手会前往100多个国家寻找专家，”他说，“如果只在一个国家开展业务，维持质量就容易得多。”

这种策略凸显了印度在全球人工智能价值链中的当前地位——作为人才和训练数据的供应商，而非前沿模型的开发者；后者仍主要集中在少数几家美国公司和中国的一些企业手中。

不过，雷迪表示，Deccan已开始从包括美国在内的其他几个市场引进人才，以获取地理空间数据和半导体设计等领域的专业技能。

雷迪称，Deccan是一家“天生专注于生成式人工智能（GenAI）”的公司，这与最初从事计算机视觉任务的传统数据标注公司形成鲜明对比。这意味着该公司从一开始就专注于更高技能的工作。

雷迪称，Deccan在过去一年中实现了10倍的增长，目前营收运行率已达数千万美元的两位数水平，但他拒绝透露具体数字。他补充道，该公司约80%的营收来自前五大客户，这反映了前沿AI市场的集中特性。