30 名员工，近 10 万名医生律师工程师，3050 万美元融资，32 亿美元估值。
表1｜AfterQuery 关键数据（截至 2026-09-04）
| 项目 | 数值 | 时间锚 |
|---|---|---|
| 报道估值 | 32 亿美元 | 2026-09-01（据 Forbes） |
| 上一轮估值 | 3 亿美元 | 2026-04 |
| 累计融资 | 3050 万美元 | 据 SVTR AI 创投库 |
| 年化收入 | 约 1 亿美元 | 2026-04 |
| 正式员工 | 30 人 | 据 YC 公司页 |
| YC 批次 | Winter 2025 | 2025 年初 |
AfterQuery 是一家成立不到两年的公司，本周被报到 32 亿美元估值，据报道已经盈利，而它总共只拿过投资人 3050 万美元。SVTR 关注它的理由在别处：它的起点是一次失败。两位创始人先做 AI 应用，被模型的幻觉打败，然后掉头把那个打败自己的东西变成了生意。这个转身把一家公司的命运和一个技术缺陷绑在了一起，值得我们深入研究。
48 小时写完的申请书，和一间没有方向的两居室
2025 年初，Y Combinator 冬季批次截止前，Spencer Mateega 和 Carlos Georgescu 用 48 小时凑出了一份申请。两人当时都还在读书，没有产品，甚至没想好要做什么。他们有的只是一个目的地：旧金山。
据 Mateega 本人后来在 X 上的说法，他和 Carlos Georgescu、Danny Tang 三个人为此放弃了合计 85 万美元的稳定工作，分别来自量化交易、投资银行和大厂，然后挤进 Dogpatch 一间两居室，账上零收入，手里零方向。
18 个月后，YC 合伙人 Gustaf Alströmer 说，这是 YC 历史上跑到十亿美元估值最快的一家公司。
这两个人真正押的注，不是数据生意，而是模型的缺陷会长期存在。 他们做 AI 应用时被这个缺陷击败，随后决定站到它的另一边去收钱。
金融的嘴和工程的手，凑成了一对
两人在高中认识，地点是 Google 办的一个计算机科学夏令营，因为一起做工程项目熟起来，大学期间一直有联系，还一起在 Meta 实习过，之后各自分头去了金融和科技。
履历上他们是一对互补的组合。Mateega 在 Silver Lake 做过科技私募实习、在摩根士丹利做过投行、在 Meta 和 Google 写过代码，学的是沃顿的金融与统计学士加宾夕法尼亚大学的计算机硕士。Georgescu 两次进 Citadel Securities，同样在 Meta 和 Google 做过软件工程，本科是不列颠哥伦比亚大学计算机专业，此前还创办过一家教育科技公司并卖掉了。
这段背景在后面会被反复用到。一个懂“专业判断在市场上值多少钱”的人，配一个已经完整走过一次创业的人，这解释了他们后来为什么敢把定价押在医生、律师和金融分析师的工时上，也解释了他们为什么在第一个产品失败时掉头掉得那么快。
提示词修不好的东西，成了他们的产品
第一个产品是做专业服务自动化的 AI agent。Danny Tang 和 Mateega 拿到了试点客户，产品却不成立：agent 出现幻觉，专业场景里的细微差别抓不住，最后给出的答案是错的。他们试过提示词工程，底层的准确率问题修不动。
多数团队在这一步会继续调模型、继续换框架。他们的选择是换一边站。模型缺的是专业人士那层判断和分步推理，那就别做模型之上的应用，去做喂给它的原料，覆盖金融、软件工程、法律和医学。
YC 页面上，这家公司现在的官方定位是“为基础模型开发筛选数据方案的应用研究实验室，服务每一家前沿 AI 实验室”。
这次转身的商业价值高于它的技术价值。做应用的人被幻觉挡住，通常把它当成待解决的技术难题；他们把它当成一个可以长期收费的市场结构。判断对错的关键在于这个缺陷的寿命有多长。参照 Scale AI 那一代：自动驾驶标注的需求确实存在了很多年，但当客户自建能力成熟，供应商的议价权会迅速回落。AfterQuery 的天花板由客户什么时候不再需要它决定，而不是由自己的执行力决定。
为什么这家公司几乎不要投资人的钱
3050 万美元撬动 32 亿美元估值，这个比例在 AI 一级市场里非常少见。2026 年 4 月那轮是 3000 万美元、对应 3 亿美元估值，五个月后价格翻了十倍，中间没有一笔大钱进去。
原因在成本结构。据 SVTR AI 创投库追踪，同赛道的上一代公司 Scale AI 累计融资 153 亿美元，年化收入约 9.5 亿美元；而 Surge AI 累计披露融资约 2500 万美元，2025 年收入约 14 亿美元（收入据 Sacra 测算，为估算值）。Scale 那代要自建标注平台、自建交付团队、自建质检，钱压在固定资产和固定工资上，必须先融后赚。AfterQuery 这代把交付拆成一单一单结算：那近 10 万名医生、律师、工程师和金融分析师没有一个人坐在公司里，他们在自己的诊室、律所和办公室，接一单，写一单，拿一单的钱。收入涨一倍，付出去的钱跟着涨一倍，中间不需要谁先垫一笔。
据 SVTR AI 创投库，AfterQuery 此前的资方阵容包括 Y Combinator、The Raine Group、BoxGroup 和 Altos Ventures 四家，规模都不大，没有一家大型成长基金在列。一个容易被忽略的巧合是，Y Combinator 的组合里同时包括 Scale AI 和 AfterQuery，这一层的两代公司都被压中。
30 个人，管着 10 万人
YC 页面显示 AfterQuery 的团队规模是 30 人。这 30 人要对接的是近 10 万名外部专业人士。
Mateega 在 2026 年 4 月对 Forbes 说，他们相对 Mercor 的优势在于自研的校验软件系统。Mercor 靠 AI 面试官从大批合同工里筛人，AfterQuery 则让专家产出的数据过一串检查，要求落在一个“Goldilocks 区间”：难到足以挑战最先进的系统，又不至于把它彻底难住。
这样的组织设计意图很明显：质量控制交给软件来做。这是 30 人能管 10 万人的前提，也是这门运营生意里唯一像技术公司的部分。
它的客户，正是最想让它消失的人
竞争层面，AfterQuery 目前的体量小于对手。Mercor 在 2026 年 6 月披露年化收入超过 20 亿美元，不过这个数字本质是平台年化撮合流水，按约 30% 抽成算，入账约 6 亿美元。即便按抽成后口径，也仍是 AfterQuery 那 1 亿美元的数倍。Mercor 2025 年 10 月的 C 轮由 Felicis 领投、估值 100 亿美元，2026 年 7 月传出以 200 亿美元估值募集 5 亿美元。
更大的风险不在同行，在客户。AfterQuery 服务的是前沿 AI 实验室，而这些实验室日夜在做的事，正是让模型学会自己推理。这门生意的需求来自模型还不够好，客户的目标却是让模型足够好。
这类公司真正的估值分歧不在增速上，在分母上。把撮合流水当收入看，会系统性低估这一层的估值倍数。对看这一层的投资人，看到漂亮的年化收入应当追问三件事：这是流水还是抽成后的自身收入，抽成比例多少，最大那几个客户各占多少。这一层客户高度集中在少数几家模型公司，单一客户占比往往极高。
同一门生意换到中国，情况完全不一样。国内 AI 训练数据的上市龙头海天瑞声（688787.SH）2025 年营业收入 3.77 亿元人民币，同比增长 59%，归母净利润 1400 万元，净利率不到 4%，整体毛利率下降 18.38 个百分点至 48.08%。两边做的都叫 AI 训练数据，卖的却是不同人的时间。美国这批卖执业医生和律师坐下来判断一次的结果；中国这批长期卖标注员的工时，人便宜、随时可替代，最后只能是白热化的竞争和内卷。
一场关于缺陷寿命的下注
两个二十出头的人放弃 85 万美元的工作，挤进一间两居室，做的第一件事失败了，第二件事让他们在 18 个月里走到 32 亿美元。
他们押的始终是同一件事：模型的缺陷会长期存在。这个判断到目前为止是对的，公开互联网上能免费抓的文本作为训练素材已经接近榨干，模型接下来要学的推理过程只写在各行各业专业从业者脑子里，必须一单一单去买。买方现金充裕，愿意预付，愿意签长约。
值得盯的问题只有一个：他们的客户什么时候能让模型自己完成这些推理。我们认为可验证的观察点是客户结构。未来四个季度里，AfterQuery 若仍高度依赖少数几家前沿实验室，它的估值本质上就是这几家客户采购预算的衍生品。若能把收入扩散到企业侧的垂直客户，这门生意才真正独立于模型的缺陷寿命。
SVTR AI 创投库已收录 AfterQuery、Mercor、Surge AI、Scale AI、Micro1、Prolific 的逐笔融资与估值记录。SVTR 会员可在创投库融资探索器里按赛道与轮次调取完整逐笔数据。如果你也在关注数据相关赛道的创业和投资机会，欢迎加入我们，一起聊聊。