创纪录的AI年轻富豪们：本轮AI淘金热中鲜为人知的赢家（2025年末重磅）
在任何一场淘金热中，最先富起来的，永远是那些卖铲子和卖水的。
在2025年的末尾，当我们回顾这一轮的AI商业浪潮，穿越表面的浮华与骚动，会惊讶地发现：卖铲子的已经暴富，而挖金子的人还没看见矿脉。
当全世界的目光聚焦于OpenAI的下一代模型、英伟达的下一代芯片时，一场财富与权力的再分配正在AI浪潮的深处悄然发生。
2025年最让人意外的故事是：那些试图创造“通用人工智能”的巨头们，至今尚未找到一个可靠的盈利模式；但那些为他们提供训练数据、编写评分规则、构建测试环境的公司，这些曾经被视作“AI领域干脏活累活”的苦力，却已赚得盆满钵满。
在巨头们的阴影之下，一场类似19世纪“镀金时代”的造富运动正在悄然上演。一批年仅20多岁的年轻人，凭借着几年前甚至还没诞生的初创公司，以惊人的速度跻身“亿万富豪”俱乐部。它们不是媒体头条的常客，它们的名字你可能从未听过——Mercor、Surge AI、Handshake、Scale AI……
这批公司正在以史上罕见的速度创造财富：估值百亿、收入翻倍、创始人成为最年轻的亿万富翁。这是一场隐藏在金矿之下的铲子生意，而它可能正在重新定义AI革命的真正赢家。
本文将全面综述本轮AI淘金热中鲜为人知的赢家，并深入剖析这场技术革命背后更隐秘的财富流向。你将看到，非常反常的是，新一代的赢家并非站在聚光灯下的预言家，而是扎根于现实需求的“基建工程师”。他们正以令人瞠目的速度和方式，重新定义着价值的创造与捕获。
最后，我们还将提炼出这批AI赢家所展现出的五大鲜明特征，并揭示这场财富盛宴背后，关于技术未来、商业本质乃至整个社会分工重构的五大出人意料之处。
当十几岁的青少年开始运营自己的AI公司
01暗流：数据荒漠与淘金热
2018年，当谷歌的研究人员发表题为《每个人都想做模型工作，而不是数据工作》的论文时，他们揭示了一个残酷事实：在AI开发中，数据准备被视为“令人遗憾的必要苦力活”，要尽可能快速廉价地完成。
七年后的今天，情况彻底逆转。
数据不再仅仅是燃料，而是稀缺的战略资源。前沿AI实验室已经“吸干”了互联网上所有易于获取的文本、图像和代码。早期那种单纯通过扩大数据规模就能取得突破的红利期已经结束。
真正的瓶颈出现了：要让人工智能在专业领域（如法律、医疗、金融）真正有用，需要的不再是海量通用数据，而是由领域专家精心制作的小型、高质量、针对性数据集。
根据行业内部估计，2025年仅AI实验室在训练数据上的支出就超过100亿美元，且绝大部分来自五家左右的公司。吊诡的是，这些砸钱的公司自己尚未通过AI盈利，但卖数据给它们的供应商却已实现了稳定利润。
“这是每个角落的人类专业知识，”一位从业者如此形容当下的需求。从核工程到动物训练，从医疗诊断到木工手艺——任何能够被编码成“评分细则”的人类技能，都成了抢手货。
而新晋的亿万富翁们正在从中诞生。
尖峰报告：稳定币到底是一场怎样的财富大转移？
02新贵崛起：数据巨头的闪电战
·Mercor：22岁的百亿估值
2019年，19岁的布伦丹·福迪（Brendan Foody）和两位高中好友创立Mercor时，想法很简单：帮创业的朋友从海外招聘软件工程师。公司2023年上线，用AI筛选简历、进行面试，很快达到100万美元年收入。
转机发生在2024年初。Scale AI——当时AI数据标注领域的明星——找上门来：需要1200名软件工程师。Scale需要这些人生产代码训练数据，因为OpenAI、Anthropic等公司正竞相教AI写代码。
福迪嗅到了更大的商机。当招募的工程师开始抱怨Scale拖欠薪资（该公司正因工资盗窃在加州被起诉）时，他决定踢开中间商。Mercor直接对接AI实验室，提供专家级的数据服务。
2025年9月，福迪宣布Mercor年化收入达5亿美元，称其为“史上增长最快的公司”。最新一轮融资估值100亿美元。福迪和联合创始人年仅22岁，成为最年轻的白手起家亿万富翁。
·Surge AI：隐秘的行业主宰
与Mercor的高调不同，Surge AI的崛起几乎是在静默中完成的。创始人埃德温·陈（Edwin Chen）曾在谷歌、推特和Facebook工作，对供应商提供的数据质量之差感到震惊——充斥着由非专业人士为微薄报酬做出的错误标注。
他决定自己干。Surge建立了Data Annotation Tech平台，特点是规模更小、针对性更强、质量控制更严。它支付约30美元时薪，远高于行业水平。
策略奏效了。Surge自成立以来持续盈利，2024年收入突破10亿美元，超过了Scale AI报告的8.7亿美元。陈仍持有公司约75%股份，路透社报道Surge正寻求以150亿美元估值融资10亿美元。
·Handshake AI：大学网络的价值重估
加勒特·劳德（Garrett Lord）2014年创立Handshake时，目标是做“大学生的LinkedIn”。超过1000所大学的就业中心付费接入，企业也能从2000万校友、研究生中招募人才。
2025年初，劳德注意到老牌数据供应商开始寻找“专家”，而他的平台恰好拥有大量高学历人才。他迅速在内部孵化出Handshake AI。
2025年6月，转折点到来：Meta挖走Scale AI的CEO并收购其49%股份。竞争对手实验室担心Scale不再中立，纷纷寻找替代供应商。需求如潮水般涌向Handshake AI。
“就像在所有数据初创公司头上打破了一个十亿美元的彩罐，”劳德形容。需求一夜之间增长三倍。到11月，Handshake AI年收入突破1.5亿美元，超过了经营十年的原有业务。
“我们在五个月内从3人扩张到150人，”劳德说，“有一个周一我们入职了18个人。工位都不够用了。”
风投大佬和科技公司创始人纷纷补课，这个人在AI时代的含金量力正在飙升
03应用突围：从工具到巨头的跨越
如果说Mercor和Surge是“卖铲子”的赢家，那么还有一类公司，它们试图用AI直接制造全新的机器。它们不是在为模型提供数据，而是在利用模型重塑垂直行业。
在2025年，这批“AI原生应用”打破了SaaS（软件即服务）行业的旧秩序，通过解决具体领域的痛点，实现了惊人的估值飞跃。
·Cursor：代码的炼金术士
这类公司中最耀眼的无疑是AI编程工具Cursor（母公司Anysphere）的创始团队。迈克尔·特鲁尔（Michael Truell）、苏阿莱·阿西夫（Sualeh Asif）等人是麻省理工学院的校友，2022年才刚刚毕业。
他们的产品Cursor本质上是一个AI辅助的代码编辑器，但在2025年，它成为了程序员手中的神兵利器。更重要的是，Cursor拥有独特的“数据飞轮”效应：用户在使用过程中生成的代码，恰恰是AI实验室最梦寐以求的“黄金数据”。据报道，OpenAI和xAI都有意收购他们。
2025年11月，在一轮23亿美元的融资后，Cursor的估值达到了惊人的270亿美元。四位年轻创始人的身家随之暴涨，集体迈入亿万富豪行列。
在旧金山，30岁的温斯顿·温伯格（Winston Weinberg）依然和他的联合创始人盖布·佩雷拉（Gabe Pereyra）合租在一套公寓里。
尽管生活方式像普通打工人，但在财务报表上，他们已富得流油。他们创立的AI法律软件初创公司Harvey，在2025年经历了三轮融资，估值从年初的30亿美元狂飙至80亿美元。
面对天文数字般的财富，温伯格保持着一种难得的清醒：“没错，账面上的确有几十亿，但那只是纸面财富（on paper）。”
·Perplexity：挑战谷歌的智慧引擎
在搜索领域，Perplexity公司正在努力动摇谷歌的根基。其31岁的首席执行官阿拉温德·斯里尼瓦斯（Aravind Srinivas）于2022年创立了这家AI搜索引擎公司。
与传统搜索不同，Perplexity试图直接提供答案而非链接。到2025年底，其估值已约为200亿美元[cite_start]。有趣的是，面对巨额财富，斯里尼瓦斯表示自己并不看重金钱，他更喜欢朴素的生活，并对外宣称：“探寻智慧比探寻财富重要得多。”
这三家公司代表了AI商业化的另一条路径：不是做基础设施，而是做超级应用。它们证明了，只要在一个垂直领域做到极致，AI就能创造出堪比旧时代石油巨头的价值。
04新晋亿万富翁：年轻、快速、同质化
《纽约时报》2025年12月的报道揭示了一个更惊人的现象：这批数据公司的创始人，正以史无前例的速度加入亿万富翁行列。
·年龄记录被刷新
Mercor的三位创始人22岁，在2025年10月融资后成为最年轻的白手起家亿万富翁。Cursor的创始团队25岁左右，2025年11月融资后公司估值达270亿美元。
·暴富速度打破纪录
对比鲜明：埃隆·马斯克从百万富翁到亿万富翁走了数年，而这批AI创始人从创业到账面身价十亿，许多只用了2-3年。
例如米拉·穆拉蒂（Mira Murati），37岁，2025年2月创立Thinking Machines Lab，到6月估值已达100亿美元（当时尚未发布任何产品）。伊利亚·苏茨克维尔（Ilya Sutskever）创立的Safe Superintelligence，在2025年估值达到320亿美元，同样未发布产品。
·高度同质化的群体
这些新晋富豪呈现明显同质化：绝大多数是男性，大多来自顶尖名校（MIT、斯坦福等），集中在20-40岁年龄段。
华盛顿大学教授玛格丽特·奥马拉警告，这种繁荣正在放大参与者的“同质化”——相似背景、相似年龄、相似性别的人占据了财富金字塔顶端。
网红时代终结，但每个人仍可以在自己的“梯子顶端”获得成功
05产业地震：从“人头中介”到专家经济
数据行业的变革反映了AI训练范式的根本转变。
早期的数据工作（如为自动驾驶标注图像）是劳动密集型、低技能的。亚马逊土耳其机器人（Mechanical Turk）让成千上万人以几美分每条的价格标注猫狗图片。Scale AI的Remotasks平台让工人在图像上画框，标注停车标志和交通锥。
ChatGPT改变了游戏规则。它采用的“人类反馈强化学习”（RLHF）需要评估回答质量，而不仅仅是简单标注。判断医疗建议的好坏需要医学背景；评估法律论证需要法律知识。
这催生了专家数据经济。不再是“人头中介”（body shops）堆砌廉价劳动力，而是寻找拥有高级学位、专业资质的专家。
Surge AI宣传其拥有菲尔兹奖得主数学家、最高法院诉讼律师、哈佛历史学家。Mercor标榜其高盛分析师和麦肯锡顾问。Handshake AI则能调动来自1000多所大学的博士、硕士和专业人士。
·评分细则的军备竞赛
AI公司发现，要让模型真正掌握复杂技能，需要极其详细的“评分细则”——将“做得好”分解成几十条可衡量的标准。
制作一份细则可能需要10小时以上，包含十几项不同标准。OpenAI发布的医疗基准测试包含近5万条标准，针对不同提示适用不同组合。据行业人士透露，实验室每次训练要订购数万到数十万份细则，总计数百万条标准。
“需要超级精细，”Mercor的福迪解释。制作咨询业细则，要从建立咨询公司所有行业的分类法开始，然后是每个行业的咨询类型，再是每种咨询可能产生的报告类型。
·环境的爆炸式需求
光有细则不够，还需要让AI练习的“健身房”——称为强化学习环境。
这些环境千差万别：“有时是DoorDash或Salesforce的克隆，但很多时候是特定的企业环境，”Snorkel AI CEO亚历克斯·拉特纳说。他的公司原本做标注软件，现在也推出了人工数据服务。
市场对环境和细则的需求同步爆发。AI公司试图通过“暴力破解”方式，雇佣成千上万律师、顾问、专业人士，将人类知识编码成机器可学习的清单。
为什么聪明人正在纷纷逃离社交媒体？
06泡沫还是未来？风险的高度集中
百亿估值背后是令人不安的客户集中度。
Mercor的福迪在播客中将自家客户集中度与英伟达比较：后者61%的收入来自四个客户。这种依赖性在行业普遍存在。
·历史教训触目惊心：
2020年8月，澳大利亚数据标注公司Appen市值超过43亿美元；如今不到1.3亿美元，下跌97%。其80%收入曾来自微软、苹果、Meta、谷歌、亚马逊五家客户，任何一个客户流失都是生存危机。当前市场同样高度集中，任何风吹草动都可能引发崩盘。
·激烈的竞争与公开的敌意
竞争在CEO间引发了公开的敌意。Surge AI的陈称对手是“人头中介”，Mercor的福迪回击Surge和Scale是“旧式众包商”。Handshake的劳德则嘲笑对手还在TikTok上发垃圾信息找专家。
·Meta收购Scale的冲击波
2025年6月，Meta挖走Scale CEO并收购49%股份，在行业引发地震。竞争对手实验室担心Scale不再中立，数据可能流向Meta。这一事件让整个行业重新洗牌，Handshake AI等中立供应商的需求因此一夜翻倍。
当0.001%的人拥有的财富是全世界底层50%人口的三倍
07深层悖论：AGI愿景与数据依赖的现实
最根本的悖论在于：AI实验室的终极目标是创造“通用人工智能”——能够自主执行各种任务，无需针对每个领域进行专门训练。
但现实正朝相反方向发展。
“AI实验室认为正确的未来是：随着性能提升，对人类数据的需求会下降，直到完全不需要人类参与，”伊利诺伊大学教授丹尼尔·康说，“然而实际情况恰恰相反。”
实验室在数据上的花费比以往任何时候都多，而进展正来自于为日益具体的应用量身定制的数据集。康预测：如果当前趋势持续，在每个离散领域获取高质量人类数据将成为AI进步的主要瓶颈。
这引出了对AI未来的两种赌注：
一是实验室的“通用智能”愿景：一次突破，解决所有问题。
二是“AI作为普通技术”的未来：像蒸汽机或互联网，强大但有限，需要在每个应用领域专门训练和持续更新。
数据公司显然在赌后者。SignalFire的投资者瑞安·韦克斯勒认为，前沿模型不会“突然达到那个神奇的通用点”。因此，他们投资像Centaur AI这样的公司，为医疗等垂直领域提供专业数据。
08经济新图景：整个经济成为强化学习环境
最宏大的叙事正在形成：整个经济可能变成一个巨大的强化学习环境。
在Mercor，客户支持团队不仅处理AI无法处理的工单，还更新评分细则，以便AI下次能处理类似问题。
“如果你把视角拉远，”福迪说，“感觉整个经济都将变成一个强化学习环境。”
Turing的CEO预测：AI数据标注员将成为未来几年地球上最常见的工作，数十亿人参与评估和训练模型。Invisible Technologies则将自己描述为“数字流水线”，可以调动“地球上任何地方”的专家生成数据。
最深刻的讽刺在于：那些许诺创造超级智能、改变世界的实验室，仍在烧钱寻找商业模式；而那些提供训练数据、编写评分规则、构建测试环境的“卖铲者”，却已建立盈利可观的业务。
在AI淘金热中，英伟达卖的是“镐”（芯片），而这些数据公司卖的是“铲子”（数据）。它们不押注谁能找到金矿，而是向所有淘金者提供必要工具。
人生唯一的赢法就是不竞争：彼得蒂尔7500亿美元创业流水线的成功法则
09总结：本轮AI赢家的五大鲜明特征
回顾2025年AI浪潮中的赢家，我们可以总结出五个鲜明特征：
年轻得不可思议的创始团队
22岁的百亿估值创始人，25岁的编程工具亿万富翁，30岁的法律AI新贵……年轻已成为竞争优势而非短板。他们成长于AI时代，对技术有本能理解，没有历史包袱，决策迅速。
从“苦力活”到核心竞争力的转变
数据标注、规则编写、环境构建——这些曾被视为AI开发的“脏活累活”，如今成为关键的竞争壁垒。高质量专家数据不是可选项，而是AI在专业领域有用的前提。
B2B模式的稳定性
与面向消费者的AI应用（如聊天机器人）不同，这些数据公司采用企业对企业（B2B）模式，直接服务于有明确预算和需求的AI实验室。虽然客户集中度高，但需求真实且迫切。
专家网络的平台化
成功者不是简单的中介，而是拥有将全球专家网络平台化的能力。Handshake的2000万校友网络，Surge的领域专家库，Mercor的工程师社群——这些网络效应难以快速复制。
对“AI即普通技术”的押注
最成功的玩家本质上都在赌：AI不会一夜之间变成通用智能，而是会像其他技术一样，需要在各个垂直领域专门化、持续训练、不断更新。他们的业务建立在这一假设上。
当0.001%的人拥有的财富是全世界底层50%人口的三倍
10意外之处：藏在光环下的真实财富流向
2025年AI淘金热最让人意外的，不是技术进步的速度，而是财富分配的路径。
意外之一：光环下的阴影
媒体聚光灯下的明星——OpenAI、Anthropic、谷歌DeepMind——仍在探索商业化，而那些很少出现在头条的公司却已实现盈利和惊人估值。
意外之二：专业知识的货币化
曾经，专业知识通过咨询、出版、教学变现。现在，专业知识通过被编码成AI训练数据而获得新价值。一位华尔街分析师的金融建模方法，一位顶尖律师的论证框架，都可能变成价值千万的“评分细则”。
意外之三：教育的意外出口
大学就业平台Handshake意外成为AI数据枢纽；顶尖高校的校友网络成为专家来源。高等教育系统正成为AI训练数据的重要供应方。
意外之四：工作性质的再定义
“数据标注”不再意味着低薪重复劳动，而可能涉及核工程评估、医疗诊断验证、法律条文分析。这是知识工作的新形态，按需、远程、项目制，全球定价。
意外之五：整个经济的数字化映射
最宏大的愿景正在成型：将整个经济体的工作流程数字化、规则化、可训练化。每一个业务流程，每一个专业判断，每一个技能诀窍，都可能被分解成评分细则，成为AI的训练材料。
睹马思人，我们可能严重低估了AI拐点的倒计时
当历史学家回顾2025年，他们可能会发现一个有趣的转折点：这一年，创造智能的梦想开始让位于训练智能的现实；追逐通用人工智能的宏伟叙事旁，生长出了一个更务实、更直接盈利的生态系统。
那些在AI浪潮中最早致富的人，不是预言未来的先知，而是为预言家提供工具的工匠。他们不回答“AI会不会取代人类”的哲学问题，而是回答“如何将人类知识教给AI”的工程问题。
2025年的AI淘金热提醒我们：在追逐星辰大海的征程中，不要忽视那些建造火箭燃料工厂的人。他们可能不站在发射台上，但他们的工作决定了火箭能飞多远。
一个新时代的财富地图正在绘制，而第一批在上面标记自己领地的人，已经出乎了所有人的预料。
