随着训练和优化 AI 模型的需求增长，提供后训练数据与评估工作的初创公司 Deccan AI 在其首轮重大融资中筹集了 2500 万美元，这其中大量工作由位于印度的专家队伍完成。
这轮全股权 A 轮融资由 A91 Partners 领投，Susquehanna International Group 和 Prosus Ventures 参与投资。
尽管 OpenAI 和 Anthropic 等前沿 AI 实验室会在内部构建核心模型，但随着企业推动系统在真实世界使用中变得可靠，从数据生成到评估再到强化学习，大量后训练工作正越来越多地被外包。Deccan 正成为服务这一需求的一批新创公司之一。
Deccan 成立于 2024 年 10 月，提供的服务包括帮助模型提升编程和智能体能力，以及训练系统与应用程序编程接口（API）等外部工具交互，而 API 可将 AI 模型连接到软件系统。
这家初创公司与前沿实验室合作，承担生成专家反馈、运行评估和构建强化学习环境等任务，同时也通过其评估套件 Helix 和一个运营自动化平台服务企业客户。随着模型从文本扩展到更好理解物理环境的所谓“世界模型”，包括机器人和视觉系统在内，这项工作也在持续演变。
据 Deccan 介绍，其客户包括 Google DeepMind 和 Snowflake。创始人 Rukesh Reddy 在采访中表示，公司已签约约 10 家客户，并在任意时点同时运行二十多个活跃项目。
这家总部位于旧金山湾区、在海得拉巴设有大型运营团队的初创公司目前约有 125 名员工，并依靠一个超过 100 万名贡献者的网络，其中包括学生、领域专家和博士。Reddy 向 TechCrunch 表示，在一个典型月份中，活跃贡献者约为 5000 至 10000 人。
报名 TechCrunch Founder Summit，最多可节省 300 美元或 30%
Reddy 表示，Deccan 的贡献者中约 10% 拥有硕士和博士等高等学位，不过在活跃贡献者中，这一比例会根据项目要求而更高。
随着大语言模型兴起，AI 训练服务市场迅速扩张。Meta 旗下的 Scale AI 及其竞争对手 Surge AI，以及初创公司 Turing 和 Mercor，都在竞争提供数据标注、评估和强化学习服务。
Reddy 表示，“质量仍然是一个尚未解决的问题。”他还说，由于错误会直接影响模型在生产环境中的表现，后训练阶段对错误的容忍度“接近于零”。这使得后训练比更早阶段更加复杂，需要高度准确、面向特定领域且更难规模化的数据。
