掌握全球体育脉搏

2024年5月18日 | 0 评论 | 体育资讯

一家不直接开发AI的公司，却实现了每年1亿美元的营收。

这一商业成就的背后是AI大模型领域备受瞩目的竞争平台——Arena。

Arena的前身是Chatbot Arena，最初由加州大学伯克利分校的一个团队于2023年启动，作为一个开放研究项目。

短短时间内，它已成为决定大模型性能的关键阵地。

就在近期，Arena的商业化服务上线仅8个月，年化营收便达到了1亿美元，标志着一个新的里程碑。

对于许多人来说，Arena并不陌生。

它最受欢迎的功能是基于用户真实盲测生成的大模型排行榜。

其运作方式极其简单，却充满竞争性：用户输入指令，系统随机派出两个匿名的模型进行回应，然后用户选择更优的回答。

系统收集数百万这样的投票，构建出一个类似Elo评分系统的排行榜。

这种“擂台赛”的模式使它成为了全球AI爱好者和开发者们的聚集地。

目前，该平台已积累了超过1000万次用户评测，处理了7亿次对话，获得了8200万张投票，月活跃访客超过1000万，遍布全球150多个国家。

更重要的是，每天约有80%的用户提问是全新的，这确保了没有任何模型能够提前“准备”答案。

该平台的含金量极高，以至于OpenAI、谷歌、Anthropic、Meta等竞争激烈的顶尖公司，都纷纷将自家旗舰模型提交至Arena接受社区的检验。

甚至有消息称，OpenAI在GPT-5正式发布前，曾使用代号“summit”的模型在该平台上进行秘密测试。

换言之，目前硅谷最尖端的大模型，都在等待Arena这个由伯克利学生发起的项目进行评估。

那么，一个免费的排行榜是如何发展成为一个年收入1亿美元的商业实体呢？

去年9月，Arena推出了名为AI Evaluations的商业服务。

模型开发商和大型企业可以付费，利用Arena庞大的用户社区对其模型进行深入评估，从而获得仅通过标准跑分无法体现的“真实世界”性能分析。

这套服务被描述为一套“面向真实世界的CI/CD系统”。

当模型准备公开发布时，Arena会免费为社区进行评测；

而企业如果希望了解其模型在实际用户使用中的具体优势、劣势以及可能出现的偏差，则需要付费。

这是一种典型的“为淘金者提供工具”的商业模式——在淘金热中，卖水和卖铲子的人往往比挖金子的人更稳赚不赔。

随着大模型厂商之间竞争的加剧，对这种“上线后调优”服务的需求也随之增长。

Arena恰好处于所有参与者都必须经过的关键节点。

Arena的前身是Chatbot Arena，更早则隶属于伯克利大学知名的LMSYS研究小组。

最初，两位伯克利大学的室友仅仅希望创建一个中立的平台，让大语言模型能够进行公平的比较。

谁也没想到，这个学生项目会迅速发展成为一家独角兽企业。

项目进展迅速：2025年春天，该项目从大学独立出来，正式成立公司，并在几周内获得了1亿美元的种子轮融资，估值达到6亿美元。

数月后，其商业产品上线，并在短短四个月内实现了3000万美元的年化营收。

今年1月，在Felicis和UC Investments领投的1.5亿美元A轮融资后，公司估值达到17亿美元。

这家公司的三位核心领导者也并非等闲之辈。

CEO Anastasios Angelopoulos，拥有深厚的数学背景。

他在斯坦福大学攻读电子工程本科学位期间，曾师从凸优化领域的知名学者Stephen Boyd。

在伯克利大学攻读博士学位期间，他的导师包括机器学习领域的泰斗Michael I. Jordan和计算机视觉领域的权威Jitendra Malik。

他多年来一直专注于如何对“黑箱”模型进行数学上严谨的评估。

CTO Wei-Lin Chiang是开源社区的知名人士，他曾开发出广受欢迎的开源聊天机器人Vicuna。

他在伯克利大学攻读博士学位，师从Ion Stoica，专注于分布式系统领域，并曾在谷歌、亚马逊和微软等公司任职。

在2022年底ChatGPT公测时，他暂停了之前的研究，全身心投入到Arena项目中。

他的搭档Angelopoulos形容他对该项目的投入是“一份用爱发电的事业”。

为了这个项目，两人长时间工作，甚至选择同住。这两位室友共同建立了一家估值17亿美元的公司。

第三位联合创始人是著名的伯克利大学教授、Databricks联合创始人Ion Stoica，他在项目于2025年4月公司化之前一直担任顾问。

Arena的最新举措是推出了Agent Mode（智能体模式）。

该平台评测的已不再仅仅是“谁的聊天能力更强”，而是数百万用户正在使用智能体完成的实际任务，例如编写代码、调试错误、进行研究、分析文档等——这些通常涉及多次工具调用和多轮交互的长任务。

Arena开始采用任务完成率、幻觉率等客观指标进行评分，这已经远远超出了最初“人类偏好投票”的范畴。

AI正从“聊天机器人”演变为能够独立完成任务的“智能体”，其承担的任务越来越复杂，重要性也日益提升。

评测，是人类深入理解AI内部运作的最后一道探针。

Arena这门生意之所以能创造1亿美元营收乃至17亿美元的估值，本质上是押注于评测的价值将持续增长且日益昂贵。

然而，最终所有人都将面临一个核心问题：当机器开始自主出题时，谁才有资格进行批改？

开云深耕开云入口领域，用心服务每一位用户。