استارتاپ حوزه دادههای آموزشی هوش مصنوعی AfterQuery با افزایش ۱۰ برابری ارزش خود در پنج ماه، به ارزش ۳.۲ میلیارد دلار رسیده و لقب سریعترین یونیکورن تاریخ شتابدهنده Y Combinator را از آن خود کرده است. این جهش خیرهکننده نشاندهنده تغییر بنیادین در نحوه تأمین داده برای مدلهای پیشرفته هوش مصنوعی است: از دادههای عمومی وب به سمت دادههای تخصصی و قضاوت خبرگان.
از ایدهای در دبیرستان تا ارزش ۳.۲ میلیارد دلاری
بنیانگذاران AfterQuery، اسپنسر متیگا (۲۳ ساله) و کارلوس گئورگسکو (۲۲ ساله)، که دوستان دوران دبیرستان هستند، این شرکت را در فوریه ۲۰۲۵ تأسیس کردند. آنها ابتدا در دوره زمستان ۲۰۲۵ Y Combinator پذیرفته شدند، بدون داشتن محصول یا ایده مشخص. ایده اولیه ساخت عاملهای هوش مصنوعی برای امور مالی بود، اما آزمایشها نشان داد مدلهای پیشرو در تصمیمگیریهای دقیق و حرفهای ناتوان هستند. مشکل نه از کمبود قابلیت خام، بلکه از نبود دادهای بود که نحوه استدلال یک متخصص را آموزش دهد.
به گزارش فوربز و به نقل از دو منبع آگاه، ارزش AfterQuery در یک دور تأمین مالی جدید به ۳.۲ میلیارد دلار رسیده است؛ در حالی که پنج ماه پیش در دور سری A با ارزش ۳۰۰ میلیون دلار، ۳۰ میلیون دلار جذب کرده بود. گوستاف آلسترومر، شریک Y Combinator، این رشد را سریعترین مسیر از تأسیس تا وضعیت یونیکورن (شرکت خصوصی با ارزش بیش از یک میلیارد دلار) در تاریخ این شتابدهنده خوانده است. یکی از منابع فوربز همچنین اعلام کرده که شرکت در حال حاضر سودده است و سرمایهگذار اصلی دور جدید نیز مشخص شده است.
مدل کسبوکار: پرداخت به متخصصان برای تولید داده «قضاوت»
AfterQuery به پزشکان، وکلا، مهندسان و تحلیلگران مالی حقوق میدهد تا دادههای قضاوت خبرگانی تولید کنند: سوابق گامبهگام و مکتوب از نحوه استدلال یک متخصص هنگام مواجهه با یک مسئله پیچیده. این دادهها به مدلهای هوش مصنوعی «قضاوت» یاد میدهند، نه صرفاً حقایق. انویدیا از این دادهها برای آموزش مدلهای متنباز Nemotron خود استفاده کرده است. سایر مشتریان عبارتند از آزمایشگاه Thinking Machines Lab به مدیریت میرا موراتی (مدیرعامل پیشین فناوری OpenAI) و شرکت حقوقی هوش مصنوعی Legora.
چرا این داده اینقدر ارزشمند است؟
آزمایشگاههای پیشرو (Frontier Labs) تقریباً تمام متنهای قابل استفاده وب عمومی را جمعآوری کردهاند. دادههای مصنوعی (تولیدشده توسط خود هوش مصنوعی) نیز محدودیتهای خاص خود را دارد. چیزی که به شدت کم است، «قضاوت» واقعی است که فقط از متخصصان دارای مجوز و تجربه به دست میآید. این کمبود باعث رقابت شدید بین شرکتهای تأمین داده شده است.
رقابت در بازار داغ دادههای آموزشی
AfterQuery تنها بازیگر این میدان نیست. Scale AI به مدیریت الکساندر وانگ در سال ۲۰۲۱ با ارزش یک میلیارد دلار به اولین میلیاردر دادهبرچسبزن تبدیل شد و بعداً متا با پرداخت ۱۴.۳ میلیارد دلار سهام ۴۹ درصدی آن را خرید. رقیب دیگر، Mercor، در اکتبر گذشته از وانگ پیشی گرفت و بنیانگذارانش در ۲۲ سالگی میلیاردر شدند. Mercor در حال مذاکره با انویدیا برای دور تأمین مالی با ارزش ۲۰ میلیارد دلار است (دو برابر ارزش قبلی).
مزیت رقابتی AfterQuery
متیگا میگوید مزیت AfterQuery نسبت به Mercor که از مصاحبهکننده هوش مصنوعی برای استخدام نیروی کار گسترده استفاده میکند، نرمافزار سفارشی است که پاسخها را از نظر «سختی طلایی» (Goldilocks difficulty) غربال میکند: به اندازهای سخت که مدل پیشرو را به چالش بکشد، نه آنقدر سخت که نتواند از آن یاد بگیرد. AfterQuery همچنین مدلهای خود را روی دادهها آموزش میدهد و سپس آنها را میفروشد تا به آزمایشگاهها اثبات کند که داده واقعاً عملکرد را بهبود میبخشد.
چشمانداز و تأثیر بر صنعت
رشد سریع AfterQuery نشانهای از تغییر بزرگ در زنجیره تأمین هوش مصنوعی است. اگرچه دور تأمین مالی این شرکت هنوز بسته نشده و نام سرمایهگذار اصلی اعلام نشده، اما اسپنسر متیگا در ژوئیه ۲۰۲۶ اعلام کرد درآمد سالانه تکراری (ARR) این شرکت به «صدها میلیون دلار» رسیده که از ۱۰۰ میلیون دلار در آوریل فراتر رفته است. این موفقیت، مدل تجاری «داده بهعنوان سرویس» را تأیید میکند و میتواند راه را برای استارتاپهای مشابه هموار کند. همچنین نشان میدهد که نسل بعدی پیشرفتهای هوش مصنوعی نه به قدرت محاسباتی، بلکه به کیفیت و عمق دادههای آموزشی وابسته خواهد بود.
نکات کلیدی
- AfterQuery با ۱۸ ماه سن، ارزش خود را از ۳۰۰ میلیون به ۳.۲ میلیارد دلار رساند.
- سریعترین یونیکورن تاریخ Y Combinator.
- تمرکز بر دادههای قضاوت خبرگانی (پزشکان، وکلا، مهندسان).
- مشتریان شامل انویدیا، آزمایشگاه میرا موراتی و Legora.
- رقابت شدید با Mercor و Scale AI در بازار داغ داده.
- شرکت در حال حاضر سودده است و درآمد سالانه تکراری آن به صدها میلیون دلار رسیده.
این موفقیت نشان میدهد که آینده هوش مصنوعی نه در دادههای بزرگ، بلکه در دادههای عمیق و تخصصی نهفته است. استارتاپهایی که بتوانند شکاف بین دانش متخصصان و ماشینها را پر کنند، در خط مقدم تحول دیجیتال قرار خواهند گرفت.
