Snorkel AI 於二零二六年九月二十二日宣布完成三億五千萬美元 E 輪融資，估值三十五億美元，由 Insight Partners 與 S32 聯合領投。公司主推專家級數據即服務與強化學習環境，供應前沿模型與代理系統訓練所需；路透社引述管理層指年化營收運行率已約三億五千萬美元級。

本文已核對 Snorkel 官方新聞稿、路透社、TechCrunch 與 Insight Partners 投資說明。對香港企業而言，高難度領域數據正成為私有與微調模型的瓶頸——與「只接公有 API」的做法形成對照。

Snorkel AI／官方：三億五千萬美元 E 輪、估值三十五億——數據即服務衝刺前沿模型訓練

二零二六年九月二十二日，Snorkel AI 宣布完成三億五千萬美元 E 輪融資，估值三十五億美元。來源真實性已驗證：事實以 Snorkel 經 PR Newswire 發出的官方新聞稿為一級來源，並交叉核對路透社獨家報道、TechCrunch，以及聯合領投方 Insight Partners 投資說明；發現路徑來自鎖定來源帳號 TechCrunch。本輪由 Insight Partners 與 S32 聯合領投，資金將擴充其「代理式數據工廠」，供應前沿模型與代理系統所需的訓練數據、強化學習環境與評測。

一、核心事件：從標註軟件到數據即服務

技術細節

融資與估值
官方新聞稿稱，本輪融資額為三億五千萬美元，估值三十五億美元，由 Insight Partners 與 S32 聯合領投，Addition 顯著跟投；新投資者包括 March Capital、Blumberg Capital、Allegis Capital、Frontline、Standard、Third Point Ventures 等，既有投資者如 Greylock、Lightspeed、GV、Wells Fargo 亦有參與。路透社指，相對二零二五年五月 D 輪一億美元、估值約十三億美元，今次估值接近翻三倍。

商業模式轉向
Snorkel 源出史丹福 AI Lab，二零一九年商業化時主打數據標註自動化軟件；二零二五年九月起主推專家級「數據即服務」（Data-as-a-Service），改為直接交付完成數據集與強化學習（RL）環境，而非純人力市集。官方與媒體均形容這是「Data 2.0」：需求已從簡單標註，轉為需專家設計的多步驟代理任務、模擬環境與評分標準。

營收與客戶
路透社引述行政總裁兼共同創辦人 Alex Ratner，指年化營收運行率已約三億五千萬美元，較一年前約兩千萬美元大幅上升；TechCrunch 另報公司稱約三億七千五百萬美元、過去十二個月增長約十八倍。客戶涵蓋前沿 AI 實驗室、超大規模雲商、企業與美國聯邦政府；編程類數據是最大需求之一。公司表示今年有望達致盈利。

二、技術原理深度解析

1. 代理式數據工廠
Insight Partners 說明：Snorkel 以 AI 工具配對受管專家網絡，建構複雜訓練數據與 RL 環境。專家設計場景、任務與評分尺規；大量專門模型與代理負責自動化品管。Ratner 向路透表示，可預見的未來，實驗室真正有價值的數據仍會有人類參與，但同時必須大量使用合成與自動化方法，才能跟上複雜度。

2. Data 1.0 vs Data 2.0
Data 1.0 以「標註量」為瓶頸，適合大型外包池；Data 2.0 則要求領域專家與工程化環境——模型要在多步驟、工具齊全的模擬場景練習，並被公平評測。環境本身成為數據的一部分，難以純眾包。

3. 賣數據產品而非賣工時
路透報道指 Snorkel 出售專家網絡產出的數據產品，而非按人力計費；人力成本計入貨成本，有助在維持利潤率下提高專家報酬。同行如 Mercor、Handshake、Micro1 等亦見強勁增長，但商業模型與「毛收」口徑未必可比。

4. 與「私有／領域模型」供應鏈的關係
前沿實驗室與企業微調／評測，愈來愈依賴高難度、可驗證的任務數據。對企業私有 LLM 而言，領域數據集與評測設計的質素，往往比單純堆參數更能決定落地成敗。

三、代幣經濟學／協議層影響

本案屬 AI 數據基礎設施股權融資，不涉及代幣或鏈上協議；略過。

四、日常應用場景

1. 開發者與技術團隊

規劃 agentic coding、評估基準與 RL 環境時，應把「任務設計＋評分尺規＋合成擴充」視為獨立工程能力，而非事後找標註員補洞。採購第三方數據時，要求披露人類參與比例、自動化品管步驟與是否用於其他客戶訓練。

2. 企業與隱私敏感行業

醫療、法律、金融等垂直，愈難用公開網頁語料湊合；官方稱資金亦將加碼企業與政府業務。企業若把客戶對話或案卷送出境外做標註，須同步評估跨境與 NDA 風險——可採「本地建集、本地微調」路徑。

3. 一般用戶

終端產品體驗背後，往往是這層看不見的數據工廠。用戶較難直接「選 Snorkel」，但可要求產品方說明訓練／評測數據來源與是否用於再訓練。

4. 香港與亞洲市場視角

香港金融、專業服務與受規管行業對「數據不出境、領域可控」需求明確。全球資本湧向前沿訓練數據，意味著優質領域數據成為稀缺資產；本地團隊若只依賴通用公有模型 API，在合規場景會愈來愈吃虧。亞洲企業亦可觀察：數據供應鏈正從「標註外包」升級為「研究級數據夥伴」。

五、專業評價與潛在考量

優勢

官方新聞稿、路透、TechCrunch、Insight Partners 四方可交叉核對融資額與估值。
從軟件到數據即服務的轉型，與前沿／代理式 AI 的實際瓶頸吻合。
對企業私有模型與評測管線有直接商業含義。

需要留意的地方

年化營收運行率為管理層／媒體引述，非經審計全年收入；TechCrunch 與路透數字略有出入。
AI 數據賽道競爭激烈（Scale AI 等大型交易後資金加速湧入），估值對增長預期敏感。
「專家網絡＋合成數據」仍依賴領域人才供給與質控；擴產速度未必線性。
企業採購須分清：買的是完成數據集／環境，還是軟件授權，合約上的再訓練與轉授權條款尤其關鍵。

結語

Snorkel 此輪融資把「誰能穩定供應高難度訓練與評測數據」推到資本市場焦點。對香港企業而言，重點不是追估值新聞，而是檢視自身領域數據是否足以支撐可信的私有或微調模型。若機構需要把 Dataset 建置、QLoRA／LoRA 微調與私有 API 留在可控環境，可參考 YSK Limited 的企業私有 LLM 全託管（官網刊年費 HK$88,000 起，100% 數據不出境）：https://ysk.hk/services/ai-automation

參考來源

Snorkel AI 官方新聞稿（PR Newswire）：Snorkel AI Raises $350M to Scale the Data Factory for Frontier AI（2026-09-22）— https://www.prnewswire.com/news-releases/snorkel-ai-raises-350m-to-scale-the-data-factory-for-frontier-ai-302886796.html
Reuters：Snorkel AI valued at $3.5 billion amid surging demand for complex AI training data（2026-09-22）— https://www.reuters.com/legal/transactional/snorkel-ai-valued-35-billion-amid-surging-demand-complex-ai-training-data-2026-09-22/
TechCrunch：Snorkel AI triples valuation to $3.5B as demand for AI training data booms（2026-09-22）— https://techcrunch.com/2026/09/22/snorkel-ai-triples-valuation-to-3-5b-as-demand-for-ai-training-data-booms/
Insight Partners：Behind the investment: Snorkel AI（2026-09-22）— https://www.insightpartners.com/ideas/behind-the-investment-snorkel-ai/
X 發現（非事實來源）：@TechCrunch — https://x.com/TechCrunch/status/2102518075530613155