Snorkel AI утроила оценку до $3,5 млрд: рынок ai training data растёт в разы за год

Компания Snorkel AI, основанная в 2019 году выпускниками Стэнфордского ИИ-центра, прошла путь от инструмента автоматической разметки данных до полноценного поставщика готовых датасетов. Раунд возглавили фонды Insight Partners и S32, а среди участников, Addition, Lightspeed, Greylock, GV и Wells Fargo. Об этом сообщил TechCrunch.

От софта для разметки к «данным как сервису»

Snorkel AI начинала как разработчик программ, которые автоматизировали разметку данных. Разметка данных (data labeling) означает проставление меток на текстах, изображениях или видео, чтобы модель понимала, что на них изображено или написано.

В прошлом году компания сменила модель: вместо продажи софта она стала поставлять клиентам готовые датасеты и среды для обучения с подкреплением (reinforcement learning, RL). Reinforcement learning (обучение с подкреплением) означает способ обучения модели через пробы и ошибки в симуляции, как тренажёр для пилота.

Snorkel называет новый формат «данные как сервис» (data-as-a-service). Подход гибридный: программы и собственные модели компании генерируют синтетические данные, а доменные эксперты проверяют и дополняют результат. Именно эта комбинация, алгоритм плюс человек, стала основной точкой роста.

Восемнадцатикратный рост выручки за год

По данным самой компании, годовой темп выручки (annualized revenue run rate) достиг 375 млн долларов. По заявлению Snorkel AI, это в 18 раз больше, чем 12 месяцев назад.

Компания подчёркивает разницу между своей моделью и конкурентами. Другие поставщики обучающих данных для ИИ (ai training data) работают как маркетплейсы экспертного труда: по данным TechCrunch, от 60 до 70 процентов их валовой выручки уходит напрямую специалистам, выполняющим работу. Это значит, что публикуемые цифры валовой выручки значительно выше реальной чистой выручки.

У Snorkel AI структура иная: выплаты экспертам учитываются в себестоимости (cost of goods sold), а не в заголовочных цифрах выручки. Фактически компания продаёт готовый продукт, датасет или RL-среду, а не часы работы людей. Это делает сравнение с конкурентами неочевидным, но саму бизнес-модель потенциально более маржинальной.

Почему рынок обучающих данных стал горячим?

Рост Snorkel AI не уникален. TechCrunch приводит данные по конкурентам:

• Mercor достиг валовой годовой выручки в 2 млрд долларов.
• Handshake преодолел отметку в 1 млрд долларов.
• Micro1 масштабировался до 500 млн долларов.

Все эти компании обслуживают один и тот же спрос: лаборатории ИИ и корпорации нуждаются во всё большем объёме качественных обучающих данных. Модели становятся крупнее, задачи сложнее, а публичные данные из интернета уже в значительной мере исчерпаны или ограничены правообладателями. Именно поэтому синтетические данные и экспертная разметка превращаются в отдельную индустрию.

Snorkel запустилась коммерчески в 2019 году после четырёх лет исследований сооснователя и CEO Алекса Ратнера и его команды в Стэнфордской лаборатории ИИ. : По данным TechCrunch

Что это значит для вас?

Авторам Дзена и копирайтерам. Синтетические данные, это когда ИИ генерирует тексты и примеры для обучения другого ИИ. Если вы уже пишете промпты для генерации контента, тот же навык востребован в индустрии разметки и проверки обучающих данных. Следите за вакансиями «доменных экспертов» у подобных компаний: часть работы уже выполняется удалённо.

Маркетологам. Рост Snorkel AI означает, что кастомные модели, дообученные (fine-tuning) на специализированных данных, станут доступнее. Если вы планируете дообучение модели под свой бренд или продукт, стоимость подготовки данных будет снижаться по мере конкуренции на этом рынке.

Предпринимателям в РФ и СНГ. Все перечисленные компании, Snorkel, Mercor, Handshake, Micro1, работают на западном рынке. Российские ИИ-проекты критически зависят от импорта обучающих данных. Пока в России нет сопоставимых поставщиков синтетических датасетов, каждая новая модель от Яндекса или Сбера будет обходиться дороже, а зависимость расти. Если вы строите ИИ-продукт, начинайте собирать и размечать собственные данные сейчас: это единственный актив, который не заблокируют санкции.

Рынок обучающих данных для ИИ за год превратился из вспомогательной отрасли в индустрию с миллиардными раундами. Для российских разработчиков и предпринимателей вывод один: данные, это не расходная статья, а стратегический актив, и чем раньше вы начнёте формировать свой, тем меньше заплатите потом.