随着对人工智能模型训练和优化需求的持续上升，专注于后期训练数据与评估工作的初创公司 Deccan AI 完成首轮重大融资，募资 2500 万美元。公司表示，其大部分工作由位于印度的专家团队承担。

本轮 A 轮融资为全股权投资，由 A91 Partners 领投，Susquehanna International Group 和 Prosus Ventures 参投。

在包括 OpenAI 和 Anthropic 在内的前沿人工智能实验室内部自建核心模型的同时，从数据生成到评估及强化学习等大量后期训练环节正日益外包。企业希望通过此类服务提升系统在实际应用场景中的可靠性，Deccan AI 正是在这一需求下崛起的服务提供方之一。

Deccan AI 成立于 2024 年 10 月，业务涵盖帮助模型提升编码和智能体（agent）能力，以及训练系统与外部工具交互，例如通过应用程序接口（API）将 AI 模型与软件系统连接。

公司与前沿实验室合作，承担生成专家反馈、执行评估和搭建强化学习环境等任务，并通过评估套件 Helix 和运营自动化平台等产品向企业客户提供服务。随着模型从文本扩展到更好理解物理世界的“世界模型”，包括机器人和视觉系统在内的相关工作也在随之演进。

据公司介绍，其客户包括 Google DeepMind 和 Snowflake。创始人 Rukesh Reddy 在接受采访时表示，公司目前已签约约 10 家客户，任何时点都有数十个项目处于活跃状态。

Deccan AI 总部位于旧金山湾区，在印度海得拉巴设有大型运营团队。公司现有员工约 125 人，并依托一个超过 100 万人的贡献者网络，其中包括学生、领域专家和博士研究人员。Reddy 称，平台上每月活跃贡献者通常在 5,000 至 10,000 人之间。

Reddy 表示，约 10% 的 Deccan 贡献者拥有硕士或博士等高等学位，而在具体项目中，活跃贡献者中具备此类学历背景的比例会更高，取决于任务需求。

随着大型语言模型的兴起，人工智能训练服务市场快速扩张。Meta 旗下的 Scale AI 及其竞争对手 Surge AI，以及 Turing、Mercor 等初创公司，均在争夺数据标注、评估和强化学习相关服务的市场份额。

Reddy 指出，质量问题在行业内仍未得到充分解决。他表示，后期训练对错误的容忍度“几乎为零”，因为错误会直接影响模型在生产环境中的表现。这使得后期训练较早期阶段更为复杂，需要高度准确且具备领域针对性的数据，而此类数据更难以规模化获取。

他同时提到，这类工作具有较强的时间敏感性，人工智能实验室有时会在几天内提出大量高质量数据需求，这对在速度与准确性之间取得平衡提出了挑战。

针对行业内普遍依赖大量零工劳动力生成训练数据而引发的工作条件和薪酬争议，Reddy 表示，Deccan 平台上的收入区间约为每小时 10 美元至 700 美元，顶尖贡献者月收入可达 7,000 美元。

印度成为 Deccan AI 的核心人才中心

尽管 Deccan 的客户主要为美国人工智能实验室，但公司称其大部分贡献者位于印度。竞争对手 Turing 和 Mercor 也从印度招募承包商，不过其业务覆盖更广泛的新兴市场。

Reddy 表示，Deccan 选择将大部分团队集中在印度，以便更好地管理质量。“我们的许多竞争对手会去 100 多个国家寻找专家，”他说，“如果你只在一个国家运营，维护质量就容易得多。”

这一做法在公司看来反映了印度在全球人工智能价值链中的角色定位——更多作为人才和训练数据的提供方，而前沿模型的开发仍主要集中在少数美国公司以及中国的部分参与者手中。

Reddy 同时表示，Deccan 已开始从包括美国在内的少数其他市场招募人才，以获取地理空间数据和半导体设计等领域的专业能力。

他将 Deccan 描述为一家“天生的生成式人工智能”公司，区别于最初从计算机视觉任务切入的传统数据标注企业，强调公司自创立之初即专注于技能要求更高的工作类型。

Reddy 称，过去一年 Deccan 业务规模增长约 10 倍，目前收入运行率已达到“数千万美元的两位数”水平，但未披露具体数字。他补充说，约 80% 的收入来自前五大客户，反映出前沿人工智能市场的高度集中。