印度AI训练服务商Deccan AI完成2500万美元融资 主打本土团队质控

据美国科技媒体TechCrunch最新披露，AI训练数据服务商Deccan AI近期完成2500万美元新一轮融资。作为人力资源科技平台Mercor的直接竞品，该公司主打依托印度本土劳动力团队搭建全流程质控体系，瞄准当前高速增长但高度碎片化的全球AI训练数据服务市场，本轮资金将主要用于团队扩张与技术迭代。

大语言模型性能迭代进入深水区后，训练数据的质量门槛正在快速拉高。过去三年间，头部大模型厂商用于高质量标注数据的采购成本年复合增长率超过60%，但零散外包模式带来的标注错漏、逻辑偏差等问题，始终是制约模型能力提升的核心痛点之一。

根据全球人工智能产业研究院的最新统计，2026年全球AI训练数据服务市场规模已达127亿美元，年同比增速达42%。但高速增长的背后是市场的高度碎片化：目前全球有超过2000家企业提供数据标注、清洗、微调辅助等相关服务，多数采用散点众包模式，不同供应商的标注准确率差异可达25%，部分复杂推理场景的标注合格率甚至不足70%。

不少大模型厂商负责人曾公开表示，为了保证训练数据质量，他们往往需要同时对接3-5家服务商，还要投入额外的人力做二次复核，整体成本比预期高出30%以上，稳定、高准确率的供应链已经成为行业稀缺资源。

作为Mercor的直接竞争对手，Deccan AI没有选择当下主流的全球灵活众包模式，而是把90%以上的一线执行团队落地在印度班加罗尔、海德拉巴等科技产业聚集区。

据了解，Deccan AI的所有一线标注人员都需要经过至少3个月的专项技能培训，针对多语言数据、逻辑推理标注、多模态内容标注等高难度场景，搭建了三级复核体系，目前其交付的数据准确率可以稳定在98%以上，成本比欧美同标准服务商低55%左右。

本次披露的2500万美元融资，将主要用于两个方向：一是扩招超过1000名技术人员和标注专员，覆盖更多小语种和多模态训练场景；二是研发自动化标注辅助工具，预计可将现有团队的工作效率提升30%左右。

Deccan AI的模式并非个例，近两年全球AI训练服务行业已经出现了明显的区域化布局趋势。

OpenAI在2025年就宣布在印度扩招200名以上的数据和微调团队成员，负责非英语语言的模型优化工作；谷歌Gemini团队的多语言训练人员中，超过40%位于东南亚和南亚地区。这些区域不仅有大量受过高等教育、掌握多语言的劳动力，人力成本也仅为欧美地区的30%-50%，同时能够更好地覆盖小语种、区域文化相关的训练需求。

有行业分析师指出，未来AI训练服务赛道的竞争，将不再是单纯的价格竞争，而是“质控能力+成本控制+场景覆盖范围”的综合能力比拼，深耕本土人力供应链的企业，将会获得更多的市场机会。