（来源：VCA创投社）

成立时间2025年末，满打满算不满一岁；创始人李宽，去年还是阿里巴巴通义AI实验室的一名实习生，研究方向是训练后分析、数据合成与强化学习。

2026年9月10日，阿里巴巴集团将按25亿美元估值，领投AI训练与评测初创公司UniPat AI一轮3亿美元融资，腾讯控股及原有投资方红杉中国（HSG）跟投，交易预计很快完成。

在中国互联网商业史上，阿里巴巴与腾讯长期处于竞争态势，双方同时出现在一家初创公司的股东名单中极为罕见。

一、从“实习生”到独角兽

UniPat成立于2025年末，虽然年轻，但其背景却不容小觑。公司创始人李宽曾就职于阿里巴巴通义AI实验室，主攻训练后分析、数据合成和强化学习等核心领域。他的团队汇聚了来自阿里、月之暗面、腾讯以及清华、北大等顶尖机构的研究人才。

与市面上大多数致力于训练更大参数模型的公司不同，UniPat选择了一条更为“隐形”但至关重要的赛道——AI评测与基准测试。简单来说，如果大模型是“学生”，那么UniPat就是设计考题、批改试卷并评估学生真实能力的“考官”。

随着大模型能力的提升，传统的互联网公开数据已逐渐枯竭，且版权与隐私限制日益严格。

开发者们发现，仅仅依靠刷榜（在特定测试集上跑分）已无法真实反映模型在实际应用中的表现。UniPat正是瞄准了这一痛点，致力于构建贴近真实使用环境的测试场景，生成详细的训练和评测数据。

二、AI行业的两个瓶颈

过去两年的竞争逻辑是"堆参数"——谁的模型更大、算力更猛、数据更海量，谁就更强。但到了2026年，这条路肉眼可见地走到了尽头，行业被两道瓶颈死死卡住。

第一道是数据供给。随着版权与隐私限制不断收紧，大模型可用的"人类生成互联网数据"正在迅速减少。能爬的高质量文本逼近枯竭，等于"无书可读"。继续靠堆量，边际收益急剧衰减。

第二道是评测可信度。开发者几乎都踩过同一个坑：模型在公开榜单上刷出漂亮分数，一到真实场景就"翻车"，榜单成绩与实际表现严重脱节。分数虚高，意味着没人能说清"谁更厉害"，更没人敢把模型放心交给企业去干真活。

一句话概括：好数据不够用了，而"好模型"的"好"也没法被证明。

UniPat的切入位置精准得近乎刁钻——它不造模型，专给模型"出题"和"判卷"：为AI模型设计贴近真实使用环境的测试与评估场景，专门生成细致的训练与评测数据，出售给研究人员和企业。以"合成数据 + 独立评测"的复合定位，试图同时撬开数据供给与评测可信度这两道窄门。

三、巨头博弈：为何阿里腾讯愿意买单？

阿里和腾讯的入局，绝非简单的财务投资，而是基于深刻的战略考量。

对于阿里巴巴而言，这既是“投人”也是“投生态”。李宽作为阿里前员工，其创业方向与阿里通义大模型的发展需求高度契合。阿里近期大力推行企业级智能体平台，急需一套独立的验收标准来评估模型在真实办公流程中的表现。投资UniPat，有助于阿里建立一套属于自己的“度量衡”，推动AI从“能说”向“会做”转变。

对于腾讯和红杉中国而言，这则是对AI基础设施层的卡位。随着AI应用向垂直行业渗透，谁掌握了高质量的评测数据和验证基础设施，谁就掌握了下一代模型训练的主动权。UniPat发布的基准测试已开始被美国实验室引用，显示出其在全球范围内的影响力。

此外，这笔融资也折射出全球AI竞争格局的变化。美国风投机构Dimension Capital在访华后曾指出，以UniPat为代表的中国初创企业，正在通过“高质量监督”替代“更多算力”，这是一种适应算力约束的生存智慧，也是中国AI产业形成的独特适应性能力。

四、结语

这或许正是下一个十年的胜负手：下一个卡脖子的地方，不在显卡，而在喂进去的东西；不在谁跑分更高，而在谁有权定义"什么是好"。 一个前实习生用不满一年时间撬动阿里、腾讯与红杉的联手，赌的正是这个转向。