大模型训练数据平台：从标注到授权交付的训练数据基础设施

Scale AI Scale AI 是 AI 训练数据赛道的标杆型 Enterprise Lab，为 frontier model 厂商、自动驾驶与政府机构提供复杂 rubric 下的人类标注与 RLHF 偏好数据。其核心价值不在「标注工具 UI」，而在专家标注员网络、项目保密流程与大规模交付能力——Meta 等客户的公开合作使其成为品类代名词。适合预算充足、任务复杂度高、需驻场或高保密对齐项目的团队。定价通常为项目制，而非按席位自助。

Surge AI Surge AI 定位 premium alignment data——专注复杂 RLHF、专家级偏好排序与高质量 red teaming 数据，客户以 advanced AI lab 为主。与 Scale 类似走 Lab 交付模式，但在公开叙事中更强调「高难 rubric + 小批量精品」而非全品类覆盖。TechCrunch 等对其融资报道常将与 foundation model 对齐成本挂钩。适合对齐阶段质量优先、可接受较高单价的 frontier 团队；不适合仅需简单分类标注的场景。

Labelbox Labelbox 是 Type II 标注平台的代表——买家在 SaaS 上自建项目、编排标注员（自有或外包），并利用模型辅助预标注与 QA 仪表盘迭代数据。与 Scale/Surge 的「交钥匙 Lab」不同，Labelbox 卖的是 平台 + 工作流，适合已有数据团队、需要长期迭代 SFT 数据集的中大型企业。支持图像、文本、视频等多模态，与训练 pipeline 的集成是其选型关键点。

Encord Encord 在视频、医疗影像与计算机视觉标注上积累深厚——帧级/对象级工具链与自动化 QA 适合多模态与世界模型训练数据生产。若你的瓶颈是 视频时序标注 或高分辨率医学影像，Encord 往往比通用文本标注平台更贴需求。同样属于自建工作流模式，可与外包劳动力组合。定价以企业席位 + 用量为主，需评估与现有 MLOps 栈的集成成本。

Wirestock Wirestock 连接创作者与 AI 公司，以 marketplace 模式采购 权利 cleared 的图像等内容用于训练——差异化在双边网络与许可分成，而非传统 Lab 劳动力。适合需要大量视觉风格多样、且希望避免未授权爬取版权风险的团队。品牌搜索量仍低于 Scale 等巨头，但「licensed training data marketplace」品类叙事与其高度契合。需仔细审阅许可范围（商用训练、地域、期限）。

Luel Luel 聚焦 rights-cleared 训练语料——为出版、媒体与模型方提供可审计的版权链与合同化交付，解决「能否合法训练」的采购问题。与 Wirestock 的创作者网络互补，更偏 机构级语料包 与合规叙事。适合版权敏感行业（新闻、出版、影视）或需在 DD 中证明 data provenance 的 enterprise lab。不应与 web-scraping 工具混为一谈：Luel 卖的是许可，不是 HTML。

Origin Lab Origin Lab 提供打包式多模态训练数据——覆盖视频、3D、游戏交互等稀缺资产，服务视频生成与世界模型相关训练需求。属于 Type IV 垂直数据包路线：买家采购的是 特定模态的数据 SKU，而非通用标注劳动力。与 Encord 的平台自建不同，Origin Lab 更偏 curated pack 交付。适合明确知道需要「哪类多模态资产」、希望跳过自建采集的团队。

Snorkel AI Snorkel AI 代表 synthetic / programmatic 路线——用弱监督、规则程序与 LLM 辅助标注降低人工比例，适合有大量未标注数据、希望快速迭代标签函数的研究与工程团队。风险在于合成分布漂移，需与 golden set 和人工 adjudication 混用。与 Surge/Scale 的纯 Lab 模式形成对照：Snorkel 强在 规模化效率，弱在超复杂主观 RLHF rubric。适合 NLP/结构化任务为主的 mid-stage 团队。