19岁亚裔女孩，做“赏金猎人”，融了1个亿

“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「31」篇文章。

两个滑铁卢大学生，靠数据标注平台，在半年里赚了290万美金，并在成立一年多的时间，撬动了1770万美元（约合人民币1.2亿元）的融资。

这就是Datacurve，一个试图挑战Scale AI的年轻公司。

高质量数据领域的争夺已经成为了AI里最激烈的战场。催生了Scale AI、Turing、Surge以及Mercor这样的公司，Scale AI作为这个领域绝对独角兽，估值已经达到200多亿美元，我们的“AI原生100”栏目之前写过的Turing这家公司，估值达到22亿美元。

Datacurve区别于这些数据标注公司一个很重要的点，也是我们之所以在栏目中介绍这家公司的原因是，他们选择了一个“游戏化标注”的方式，

它搭建了一个名为Shipd的平台，将算法题、调试任务、测试用例等中高难度编程挑战打包为“通关任务”（Quests），明码标价邀请工程师参与完成，任务通过后即可获得现金报酬。这些经过工程师验证的数据最终会被售卖给AI公司或模型实验室，用于训练和微调大模型。

这种“赏金猎人”的方式给Datacurve积攒了人气。2025年10月，Datacurve宣布完成1500万美元A轮融资，累计融资总额达到1770万美元。这轮融资由Chemistry的Mark Goldberg领投，DeepMind、Anthropic、OpenAI等AI一线公司员工也出现在投资名单中

虎嗅和业内投资人聊过数据标注公司的模式，对这些公司来说，除了数据质量，组织管理也至关重要，这些负责标注的人就类似一种“零工”的形式，如何有效管理这些数据标注师，通过精细化管理，让这些“零工”参与到数据标注中。

如何用非金钱诱惑撬动顶尖工程师？

Datacurve在官网提到，旗下Shipd平台目前已经吸引超过一万四千名工程师注册参与任务。

这个数据引出了一个关键问题：在报酬远低于正式开发工作的情况下，为什么仍有如此多具备中高级技能的工程师愿意投入时间与精力参与这样一项看似数据标注的任务？

在公开采访中，CEO Serena Ge给出了答案，她强调金钱并不是最强的驱动力，真正吸引工程师留下的是平台提供的挑战感、游戏感与参与体验。她将Shipd定义为“a consumer product, not a data labeling operation”，Shipd是一个供玩家消费和体验的产品，金钱只是附加奖励。

为了实现这一理念，Datacurve从以下几个方面优化了用户体验，提升了平台的吸引力：

其一，任务本身具备足够的技术挑战性。平台通过设定多层验证机制，包括自动测试、同行评审与专家审核，确保数据集达到研究级标准。这种设计既提高了数据质量，也提升了工程师的技术门槛，从而增强了他们面对任务时的解题动机。

其二，平台引入了“赏金猎人”形式与游戏化结构。Shipd中的任务被包装为“Quests”，涵盖算法挑战、调试任务、UI/UX生成等内容。平台设有排行榜、连胜奖励与任务等级，参与者在其中既是解题者，也是竞技者。这些机制让任务更像一场技术副本，而非一份重复工单，也为工程师提供了可量化的声望积累。

其三，Shipd试图搭建一种工程师为中心的社区文化，平台多次强调engineer-first culture，力图为高技能参与者提供一个有归属感、认可度与专业认同的生态环境，而非单纯的任务派发系统。

这种“游戏化+精英制”的设计，让Shipd与传统平台形成了鲜明对比，它并不试图让所有人都能参与，而是挑选能完成特定类型任务的那一类人。从工程师侧来看，这种机制既好玩、有成就感，也有现实收益；从平台侧来看，它在数据质量这件事上建立了筛选机制，形成了独特的护城河。

Shipd成了一个介于挑战、游戏、交易与知识生产之间的混合型产品，它靠的不是更多的人，而是更强的人和更优质的数据。