micro1：给 OpenAI 和 Anthropic 供”会干活的专家”做数据标注，ARR 一年涨 14 倍

产品是什么

micro1 做的是 AI 训练数据的生意——但它不是那种”9 块 9 雇一群人标图”的廉价众包。

它的卖点是：严格筛选过的领域专家。要标医疗数据？它给你配真医生。要标法律推理？给真律师。要标工程代码？给真工程师。每个专家上岗前经过考核和背调，micro1 再把这些”人”打包成可按需调用的数据服务，喂给前沿实验室做 RLHF 和定向标注。

说白了，当全世界的钱都在砸大模型，micro1 选择给淘金者卖铲子——而且卖的是”认证过的、能干活的铲子”。

怎么赚的钱

按专家工时 / 项目收费。客户（前沿实验室、机器人公司）要多少小时的”某领域专家标注”就付多少钱，micro1 在人力成本上叠加筛选、管理、质量保障的溢价。

ARR 涨得离谱：2025 年初约 ¥4,704万 → 2025 年底约 ¥6.72亿（一年约 14 倍）→ 2026 年 4 月 Sacra 估到 ¥20.16亿。融资上，2025 年 9 月 ¥2.35亿 A 轮（01 Advisors 领投）、估值 5 亿，之后传出 25 亿估值洽谈的消息。

客户名单很硬：Microsoft、OpenAI、Anthropic、Google 都在用。它还把模式延伸到机器人训练数据——在 60 个国家录人做家务的视频，给具身智能公司当训练集。

流量从哪来

1. 直客销售给大实验室：前沿实验室本身就是高预算、高黏性的客户，一旦你的专家质量过关就反复买。
2. 60 国专家网络：micro1 在全球攒了一批”实名认证的领域专家”，这是它的供给侧护城河——别人想抄，得先重建这套招募+考核体系。
3. 口碑 + 案例：能进 OpenAI/Anthropic 的供应链，本身就是最强广告，其他实验室会主动找上门。

站长是谁

Ali Ansari（CEO），10 岁从伊朗移民美国，Berkeley 读 2019–2022，2024 年从 Stanford 退学 all-in 创业。公司 2022 年创立时本来叫 Zara AI，做的是 AI 招聘，后来转向 AI 训练数据这个更肥的市场。

24、25 岁的年纪，敢从 Stanford 退学，把公司从”AI 招聘”Pivot 到”训练数据”——这种年轻+敢砍重来的特质，在 AI 这波里反而是加速器。他赌对了：前沿实验室对高质量数据的饥渴，比招聘市场大多了。

这个案例能学到什么

第一，AI 浪潮里未必自己做模型，“卖铲子”也是百亿生意。大家都盯着”训练大模型”，micro1 盯着”大模型缺什么”——缺高质量、有领域深度的训练数据。找产业链里”人人都需要、但没人愿意自己干”的环节。

第二，把廉价众包升级成”认证专家”，溢价来自质量。9 块 9 标图谁都能做，但”配一个真医生标医疗数据”别人做不了。筛选+考核的门槛，就是你的定价权。

第三，年轻不是劣势，敢 all-in 是杠杆。Ansari 从 Stanford 退学、敢 Pivot，这种赌性在窗口期极短的 AI 赛道是资产。但前提是你看准了需求，不是为退学而退学。

第四，客户集中是双刃剑。单客金额巨大、增长飞快，但 OpenAI 这类客户自己也在建数据团队。做”卖铲子”生意的人要时刻想：如果大客户自己下场，你的壁垒还在吗？ micro1 的解法是往”专家认证体系”和”机器人新场景”扩。

第五，众包可以做成”人力资源 API”。把松散的人力包装成有 SLA、可调用的服务，这个范式能复制到任何”需要真人技能”的 AI 训练场景（医疗、法律、机器人……）。对个人开发者：你手里有某个垂直领域的人脉/资源，就能照这个模子做”细分版 micro1”。

来源与数据

• 站点：https://micro1.com
• ARR / 估值 / 融资：Sacra 2026 报告、TechCrunch、Baidu 报道
• 客户名单：micro1 公开披露（Microsoft / OpenAI / Anthropic / Google）
• 机器人数据业务：60 国录制家务视频的公开报道

一句话总结

一个从 Stanford 退学的 25 岁小伙，把”廉价众包”升级成”认证专家数据服务”，一年给 OpenAI/Anthropic 供数据、ARR 从 700 万干到 ¥6.72亿。