标签： AI

从伯克利走廊到1亿美元营收

如果你最近在关注AI大模型，大概率见过那个叫Arena的排行榜——让两个匿名模型PK，用户投票决定谁更强。这个几乎被所有人引用的AI排行榜，现在不只是学术项目了。

Arena在2023年起源于UC Berkeley的一个研究项目，靠着超过1000万次用户评估，攒出了业内最受关注的AI模型性能排行榜。但很多人不知道的是，这家公司现在已经是个年营收运转率1亿美元的生意了。

从去年9月推出商业服务算起，只用了8个月。

“大家还以为我们是开源项目”

Arena的CEO Anastasios Angelopoulos说了一句话挺有意思：”很多人甚至不知道我们在赚钱，大家还是把我们当开源项目看。”

这话不假。直到今天，Arena的AI模型排行榜对公众依然是免费的，真正买单的是那些需要深度性能分析的模型厂商和企业客户。去年9月，Arena推出了”AI Evaluations”服务，面向模型实验室和企业提供从社区收集的深度性能分析。

Arena的联合创始人兼CEO Anastasios Angelopoulos：”很多人甚至不知道我们在赚钱，大家还是当我们是开源项目看。”

这个服务的增长速度快得离谱。今年1月Arena完成1.5亿美元A轮融资、估值17亿美元的时候，年化营收才3000万美元；现在，仅仅5个月后，已经跑到了1亿美元。

不过Angelopoulos也澄清了一件事：Arena说的”ARR”其实不是真正意义上会重复的收入，因为他们是按”消耗量”收费的，不是订阅制。这在这个年头的AI创业公司里倒也不稀奇——不少公司为了把数字做好看，会把所有能年化的值都叫ARR。

抢的是人工标注公司的饭碗

Arena的竞争对手不是另一个排行榜。Angelopoulos说，他们抢的是和Mercor、Surge、Scale AI这些人工标注公司”同一笔预算”。

这些公司的业务是在模型后训练阶段帮AI公司做人工精调，而Arena的思路是用大规模用户评估来替代部分人工标注。这个赛道现在热得发烫：

• Mercor的年化营收今年早些时候已经突破了10亿美元，比去年9月的5亿翻了一倍
• Handshake的AI训练相关业务年化营收从1月的5.5亿涨到了近10亿
• AI公司对后训练优化服务的需求还在持续飙升

Arena的排行榜覆盖了文本、编程、视觉、图像生成，以及最近推出的Agent Mode——评估模型在复杂长流程任务里的表现。但对模型厂商来说，Arena的价值不止是排行榜本身：在这个平台上，他们能拿到早期用户对新模型的反馈，有时候甚至能在模型正式发布前就拿到外部评估数据。

Databricks联合创始人坐镇

这家公司的创始团队也挺能打。除了CEO Angelopoulos和CTO Wei-Lin Chiang（两人都是UC Berkeley的博士后），还有一位联合创始人是Ion Stoica——就是那个Databricks的联合创始人、UC Berkeley的著名教授。Stoica在2025年4月Arena正式注册为公司之前，一直以顾问身份参与项目。

目前Arena总共融了2.5亿美元，投资方包括Felicis、a16z、Kleiner Perkins、Lightspeed等。考虑到现在AI基础设施和评估工具的需求还在疯涨，这个数字可能还会继续往上走。

福特最近做了一个相当打脸的决定——重新雇用了350名资深工程师。原因说出来有点尴尬：他们发现，指望AI和自动化系统来保证汽车质量，结果并不怎么样。

这件事是Bloomberg最先报道的。福特COO Kumar Galhotra跟记者说，公司这几年越来越依赖自动化质量系统，但效果让人失望。所以他们会把技术专家请回来，这些人的工作是在零件还没到生产线之前，就把潜在的故障点找出来。

“我们以为AI能搞定一切”

福特车辆硬件工程副总裁Charles Poon说得更直接：”我们错误地以为，只要引入AI、把设计需求喂进去，就能自动产出高质量的产品。”

“Mistakenly we thought that by just introducing artificial intelligence and ingesting the design requirements that we had, that that would produce a high-quality product.”
—— Charles Poon，福特车辆硬件工程副总裁

这句话基本把过去几年业界对AI的盲目乐观给戳破了。不少公司都有过类似的想法：上了AI，效率就能翻倍，质量就能提升，人力就能砍掉。但现实往往更复杂。

福特请回来的这批人，公司内部叫他们”gray beard”工程师——就是那种头发花白、在工厂摸爬滚打几十年的老法师。他们的经验不是AI能从设计文档里学出来的。有些故障模式，只有亲眼见过、亲手修过的人才知道该往哪里看。

不是放弃AI，而是重新分工

需要说明的是，福特并没有因此放弃AI。他们的做法是让这些老工程师来训练年轻员工，同时重新编程AI工具。换句话说，AI还是要用，但得有人盯着，得有人告诉AI什么是对的、什么是错的。

这个思路其实更务实。纯粹靠AI闭环的质量控制系统，在复杂制造场景里确实容易出纰漏。汽车有成千上万个零件，生产线环境每天都在变化，有些微妙的质量问题，传感器和算法不一定能捕捉到。

老工程师的价值在于，他们能凭直觉发现那些”数据里看不出来”的问题。比如某个焊接点的颜色稍微有点不对，或者某批零件的公差虽然还在允许范围内，但趋势在往某个方向偏——这些判断，靠的是几十年的手感。

钱算出来了

这套”老人+AI”的组合拳，目前看起来是有效果的。福特CEO Jim Farley说，保修和召回成本下降了，这给公司省了好几亿美元的成本。本周发布的JD Power新车质量调查中，福特在主流品牌里排到了第一。

这个例子其实给整个行业提了个醒。AI确实能提高效率，但”AI替代人类”这个故事，在涉及安全和高可靠性的制造领域，可能还需要更长的时间才能实现。或者说，更现实的模式是AI辅助人类，而不是AI取代人类。

其他汽车厂商估计也在盯着福特的做法。如果”gray beard”工程师真的能系统性地提升质量，这可能会成为行业的新标配——不是裁员，而是重新分配人力，让最有经验的人做最有价值的事。

AI 算力需求把数据中心的每一寸 GPU 都榨到了极限，然后细菌开始滋生了。液冷芯片用的液体是水和抑菌剂的混合物。为了让芯片跑得更热、效率更高，数据中心管理员可以调高水的比例——但这也会导致讨厌的污染，把流道堵住。解决办法是冲洗系统，但这可能意味着一台机架要停机五六个小时，代价可能高达数百万美元。

微型光谱仪盯着冷却液

Omen AI 有一个解决方案：一个可以实时监控冷却液体健康的微型光谱仪，在细菌滋生变成大问题之前就能发现。”你不会因为对化学反应一无所知而冒长时间停机的风险，”CEO 兼创始人 Zach Laberge 解释道。今天，Omen AI 宣布完成 3100 万美元 A 轮融资，由 Nava Ventures 领投，CRV、Vanderbilt University、Mann+Hummel、Starhill Holdings 和 Hard Launch Capital 参与，还有来自 Bridgestone、GM、Johnson Controls 和 TensorWave 高管的个人投资。

Laberge 的创业经历挺特殊。他 2020 年第一次创业的时候才 14 岁，融了 300 万美元给工程机械设备装传感器，后来从高中辍学（他父母，包括曾任安大略省教育部长的母亲，支持他走自己的路）。那家初创公司倒闭之后，Laberge 2024 年创立了 Omen，初衷是把流体系统作为重点，让工程机械能智能判断什么时候需要维修——用实时感知替代耗时取样送实验室的传统流程。除了细菌滋生，这个设备还能通过检测到铜或铬来判断水泵磨损，或通过硅来判断密封件问题。

Caterpillar 的经销商是 Omen 工程机械业务的重要早期客户，但 Cat 同时也是数据中心现场发电用燃气轮机和发电机的主要供应商。Omen 很快就看出了风向。

从工程机械到数据中心

大约六个月前，”很多经销商都说，嘿，我们开始给涡轮机装传感器了，你们能在建筑这边做点什么吗？”Laberge 告诉 TechCrunch。Omen 发现那些建筑里到处都是流体，从暖通空调系统到芯片冷却。看到一个快速增长的潜在客户群，Omen 开始聚焦数据中心。

Nava Ventures 合伙人 Cory Rellas 说，”很难看到这么年轻的创始人在一个节奏相对较慢的领域里，赢得成熟的大公司的尊重。对 Omen 来说，我们的尽职调查很大程度上是通过介绍给大客户完成的，很快就验证了他们的方案。”

• 实时流体监控：替代取样送实验室的传统方式，光谱仪直接出结果
• 细菌检测：在冷却液污染堵塞流道之前发现问题
• 磨损预警：通过金属离子检测提前发现水泵或密封件问题
• 避免停机：不用为了检查而关停机架，节省数百万美元潜在损失

Omen 自 2024 年创立以来已融资 4000 万美元，目前正在与十几家数据中心客户共同完善产品，包括基于 AMD 芯片构建 AI 计算云的 TensorWave。TensorWave 总裁 Piotr Tomasik 说，”这些大规模系统中流动的流体是一个关键变量，行业内大多数人对此一无所知。Omen 对基础设施未来的看法和我们完全一致：更好的监控来最优地支持计算客户。”

这个领域不只是 Omen 一家在玩——Pyxis 这家成熟的水质监测公司本月早些时候也推出了数据中心冷却液监控产品。但 Omen 的优势在于光谱技术和信号处理的结合，Laberge 说，”硬件已经便宜到可以在规模上部署，信号处理让我们能从噪声中提取更多信息。”