两位00后卖“专家干活的过程”给AI，18个月做成YC史上最快独角兽

没有成型产品，甚至没想清楚方向，两个20岁出头的年轻人用48小时赶出一份YC申请。18个月后，《福布斯》近日报道，这家公司估值已达32亿美元，约合人民币215亿元，创下Y Combinator成立以来最快成为独角兽的纪录。

希鸥网观察到，成立于2025年2月的AI训练数据服务商AfterQuery，目前汇聚近10万名经过验证的专业人士，覆盖工程、医疗、法律、金融等领域。创始人分别是23岁的沃顿商学院学生Spencer Mateega和22岁的UBC辍学生Carlos Georgescu。这家公司不卖芯片、不训练基础模型，而是把医生、律师、工程师“如何把复杂工作做完”的决策过程，变成AI模型可学习的训练数据。

两位创始人的转向源于一次碰壁。最初他们想做金融AI Agent，测试后发现，即便调用最先进的大模型，面对真实金融任务仍频繁犯错。模型不缺“智商”，缺的是资深分析师的工作方式：先查什么、信息是否可信、何时改判、遇到异常怎么办、什么时候该停。这些过程细节不存在于问答数据里，只藏在专家完成任务的轨迹中。

AfterQuery的商业模式卡在一个稀缺点上：通用数据正在贬值，专业过程数据正在涨价。平台向专家支付的时薪达到75到150美元，部分稀缺技术岗位达到150到250美元。一个顶级程序员如何调试代码、一个律师如何判断材料、一个医生如何在信息不全时做决策，这些原本难以数字化的能力，才是AI公司愿意持续付费的东西。

资本用脚投票验证了需求强度。2026年4月完成3000万美元A轮融资时，AfterQuery披露ARR超过1亿美元；仅仅3个月后，其ARR已增长到数亿美元规模并实现盈利。英伟达发布Nemotron 3 Ultra开源模型技术报告时，AfterQuery是唯一被具名提及的外部数据公司，使用其数据后，模型在GDPval评测中得分从35.3跃升至46.7。

希鸥网认为，AI竞争的主战场正从“模型知道什么”转向“模型会不会做”，而“会做”的前提是人类专业能力的数据化。Scale AI靠规模、Surge AI靠质量、Mercor靠专家网络、Handshake靠人才储备，AfterQuery则更彻底地扎进专家完成任务的每一个动作节点。这场较量的护城河不在网页爬取量，而在持续获取高难度稀缺任务的能力，这才是它和传统数据标注公司的真正分水岭。

对创业者而言，AfterQuery最值得借鉴的动作是极度透明地面对短板。两位创始人在产品测试中直面模型的频繁犯错，果断放弃金融AI应用的原方向，转而深耕数据层。这种坦率意味着承受外界对“00后想法幼稚”的质疑，但也换来了英伟达、Thinking Machines Lab等一线客户的信任。透明不是示弱，而是用真实反馈降低试错成本的组织习惯。

创业者更需要学会升维看现实，而不是被眼下的估值波动牵着走。Mateega一边参加YC一边硬扛课业，Georgescu干脆退学，两人都没有纠结“学历损失”，而是看清楚了AI产业正缺哪一层基础设施。跳出具象业务去追问自己处在产业链的哪个环节、数据短缺会随模型进化如何迁移，判断才不会被短期数字绑架。

一个稳健的决策习惯是自上而下与自下而上交叉验证。创始团队既要能从行业趋势推演大方向，也要肯钻到具体数据、客户反馈和一线专家的操作细节中去修正认知。两位创始人先观察到大模型“会答不会做”的普遍困境，再深入每个垂直领域拆解专家工作流，两层视角互相校准。这种双向验证，比任何战略模板都更能抵御风口转向的风险。

金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo