去年还没毕业的时候，Grace Li 和几个大学同学捣鼓一个 AI 游戏引擎。模型能把游戏跑起来，功能也都齐全，可问题是——没一个好玩。这下把他们难住了：一个游戏好不好玩，到底该怎么判断？
他们最后想明白一件事：这种判断没法交给机器，只能靠人。于是几个年轻人开始琢磨，怎么把”真实人类的好恶”大规模收集起来。这个念头后来长成了 DesignArena，一个今天在全球有 530 万人在用的 AI 工具。
“它是很多模型在设计这件事上往前走时卡住的那个瓶颈，”Li 说，”大概一周后，我们就和一家前沿实验室签下了第一笔大单，后面的事基本就成了。”
把”哪个更好看”做成一门生意
普通用户用 DesignArena，感觉有点像在用高级版的模型路由。你在一个类似 ChatGPT 的窗口里写下需求，再选好格式和风格，系统就会甩出一组”A 还是 B”的二选一，让你一路比下去，直到把几个产出从好到差排个序。
真正值钱的其实是面向企业那一侧。正在被评估的模型可以把这个平台当成源源不断的即时反馈源——用来打磨自己生成图片、网页这类”媒体”的能力。而打分的人往往根本不在乎自己评的是哪个模型，他们只想要最好的那个结果。这种”无偏见”的排序，正好能告诉实验室：用户到底想要什么。
- 公司主体叫 Intelligence，本轮 790 万美元种子轮由 Index Ventures 领投，Conviction、A*、Valkyrie 等跟投。
- 平台目前年经常性收入（ARR）已达 6000 万美元，成了行业里关键的人类主导评估数据源。
- 用户必须登录才能拿到产出，于是公司还能追踪不同大洲、不同时间的”口味”变迁——比如亚洲的网页仪表盘普遍更追求满屏的信息密度。
人肉打分能补上自动评测的漏洞
这套玩法是对自动基准测试（benchmark）的重要补充。跑分可以铺得很大，但也容易被刷、被钻空子——上周那起 Hugging Face 被黑的事件，就把这种脆弱演示得淋漓尽致。不过，靠众包人类反馈也不是稳赢的买卖。
和它思路相近的 Yupp，今年早些时候就关门了。Yupp 同样拿下了几家前沿模型当客户，号称用户超 130 万，背后还有 a16z crypto 的 Chris Dixon 投的 3300 万美元，最后却没撑起一门长久的生意。反观走文字路线的 LM Arena，年初刚拿下 1.5 亿美元 A 轮，正式上线付费产品才四个月。
说到底，AI 现在最不缺的是”能干活”，最缺的是”知道什么是好”。DesignArena 想做的，就是把这个模糊的审美判断，变成可以规模化的商品。
发表回复