（來源：VCA創投社）

成立時間2025年末，滿打滿算不滿一歲；創始人李寬，去年還是阿里巴巴通義AI實驗室的一名實習生，研究方向是訓練後分析、數據合成與強化學習。

2026年9月10日，阿里巴巴集團將按25億美元估值，領投AI訓練與評測初創公司UniPat AI一輪3億美元孖展，騰訊控股及原有投資方紅杉中國（HSG）跟投，交易預計很快完成。

在中國互聯網商業史上，阿里巴巴與騰訊長期處於競爭態勢，雙方同時出現在一家初創公司的股東名單中極為罕見。

一、從「實習生」到獨角獸

UniPat成立於2025年末，雖然年輕，但其背景卻不容小覷。公司創始人李寬曾就職於阿里巴巴通義AI實驗室，主攻訓練後分析、數據合成和強化學習等核心領域。他的團隊匯聚了來自阿里、月之暗面、騰訊以及清華、北大等頂尖機構的研究人才。

與市面上大多數致力於訓練更大參數模型的公司不同，UniPat選擇了一條更為「隱形」但至關重要的賽道——AI評測與基準測試。簡單來說，如果大模型是「學生」，那麼UniPat就是設計考題、批改試卷並評估學生真實能力的「考官」。

隨着大模型能力的提升，傳統的互聯網公開數據已逐漸枯竭，且版權與隱私限制日益嚴格。

開發者們發現，僅僅依靠刷榜（在特定測試集上跑分）已無法真實反映模型在實際應用中的表現。UniPat正是瞄準了這一痛點，致力於構建貼近真實使用環境的測試場景，生成詳細的訓練和評測數據。

二、AI行業的兩個瓶頸

過去兩年的競爭邏輯是"堆參數"——誰的模型更大、算力更猛、數據更海量，誰就更強。但到了2026年，這條路肉眼可見地走到了盡頭，行業被兩道瓶頸死死卡住。

第一道是數據供給。隨着版權與隱私限制不斷收緊，大模型可用的"人類生成互聯網數據"正在迅速減少。能爬的高質量文本逼近枯竭，等於"無書可讀"。繼續靠堆量，邊際收益急劇衰減。

第二道是評測可信度。開發者幾乎都踩過同一個坑：模型在公開排行榜上刷出漂亮分數，一到真實場景就"翻車"，排行榜成績與實際表現嚴重脫節。分數虛高，意味着沒人能說清"誰更厲害"，更沒人敢把模型放心交給企業去幹真活。

一句話概括：好數據不夠用了，而"好模型"的"好"也沒法被證明。

UniPat的切入位置精準得近乎刁鑽——它不造模型，專給模型"出題"和"判卷"：為AI模型設計貼近真實使用環境的測試與評估場景，專門生成細緻的訓練與評測數據，出售給研究人員和企業。以"合成數據 + 獨立評測"的複合定位，試圖同時撬開數據供給與評測可信度這兩道窄門。

三、巨頭博弈：為何阿里騰訊願意買單？

阿里和騰訊的入局，絕非簡單的財務投資，而是基於深刻的戰略考量。

對於阿里巴巴而言，這既是「投人」也是「投生態」。李寬作為阿里前員工，其創業方向與阿里通義大模型的發展需求高度契合。阿里近期大力推行企業級智能體平台，急需一套獨立的驗收標準來評估模型在真實辦公流程中的表現。投資UniPat，有助於阿里建立一套屬於自己的「度量衡」，推動AI從「能說」向「會做」轉變。

對於騰訊和紅杉中國而言，這則是對AI基礎設施層的卡位。隨着AI應用向垂直行業滲透，誰掌握了高質量的評測數據和驗證基礎設施，誰就掌握了下一代模型訓練的主動權。UniPat發布的基準測試已開始被美國實驗室引用，顯示出其在全球範圍內的影響力。

此外，這筆孖展也折射出全球AI競爭格局的變化。美國風投機構Dimension Capital在訪華後曾指出，以UniPat為代表的中國初創企業，正在通過「高質量監督」替代「更多算力」，這是一種適應算力約束的生存智慧，也是中國AI產業形成的獨特適應性能力。

四、結語

這或許正是下一個十年的勝負手：下一個卡脖子的地方，不在顯卡，而在喂進去的東西；不在誰跑分更高，而在誰有權定義"什麼是好"。 一個前實習生用不滿一年時間撬動阿里、騰訊與紅杉的聯手，賭的正是這個轉向。