הזינוק של Micro1 ל־500 מיליון דולר מדגים מדוע נתוני אימון אנושיים הפכו לזהב של עולם ה-AI

הזינוק של Micro1 הוא סימן לכך שגם בעידן שבו פיתוח מודלים הופך אוטומטי יותר, חברות בינה מלאכותית עדיין זקוקות לדבר שקשה להשיג: בני אדם בעלי מומחיות, שמסוגלים לייצר, לבדוק ולשפוט נתונים באיכות גבוהה.

הסטארט־אפ, שקיים כארבע שנים, הרחיב לפי דיווחים את קצב הפעילות השנתי ברוטו שלו מ־100 מיליון דולר ל־500 מיליון דולר בתוך שמונה חודשים. הוא עושה זאת באמצעות גיוס מומחים שעובדים על נתוני אימון, הערכת מודלים ויישומי רובוטיקה. 17

500 מיליון דולר — לא בהכרח הכנסות

חשוב לדייק במשמעות המספר. "קצב פעילות שנתי ברוטו" הוא חישוב שמניח כי היקף הפעילות הנוכחי יימשך במשך שנה שלמה. הוא אינו זהה להכנסות שנתיות מבוקרות, לרווח או לכסף שכבר נגבה בפועל.

לפי הדיווחים, Micro1 שומרת כ־60%–70% מהחיובים ברוטו, וההכנסה השנתית נטו שלה מוערכת ב־150–200 מיליון דולר. עם זאת, המספרים אינם מסתדרים מתמטית באופן מלא: שמירה על 60%–70% מתוך 500 מיליון דולר הייתה מובילה לסכום גבוה יותר. ייתכן שהמקורות משתמשים בהגדרות שונות ל"ברוטו", לנתח שהחברה שומרת ולהכנסה נטו. לכן יש להתייחס להערכה כאל נתון זמני, ולא כאל תמונה חשבונאית סופית. 6 9 17

למה חברות AI עדיין צריכות מומחים אנושיים?

Micro1 מגייסת רופאים, עורכי דין, מדענים ובעלי מקצוע מיומנים נוספים כדי ליצור ולבדוק נתונים עבור מפתחי AI. בין היתר, המומחים מדרגים תשובות של מודלים, מייצרים דוגמאות לתהליכי חשיבה ומספקים משוב לשלב שלאחר אימון המודל. 1 6

ההיגיון העסקי פשוט: מודלים מתקדמים זקוקים ליותר ממעבדי מחשב ומאוספים עצומים של טקסט מהרשת. הם זקוקים גם לדוגמאות איכותיות, להערכות מקצועיות, לבדיקות ביצועים ולהדגמות של האופן שבו בני אדם מתמודדים עם משימות מורכבות — ולעיתים גם עם משימות פיזיות בעולם האמיתי.

ככל שהנתונים הזמינים ברשת הופכים פחות ייחודיים או פחות שימושיים, נתונים שנוצרו בידי בני אדם עשויים להפוך לצוואר בקבוק קבוע, לצד כוח המחשוב. אין בכך הוכחה שהתעשייה תוציא על נתונים סכומים הדומים לאלה שהיא מוציאה על תשתיות מחשוב. אבל זו כן סיבה לכך שמפתחי מודלים ומשקיעים מתייחסים לנתוני מומחים כתשתית אסטרטגית, ולא רק כשירות תיוג זול.

Micro1 מול Mercor ו־Handshake

הקצב השנתי ברוטו של Micro1, 500 מיליון דולר, מרשים — אך אינו הגדול בקטגוריה. לפי TechCrunch, Mercor הגיעה לקצב הכנסות שנתי ברוטו של 2 מיליארד דולר, ואילו Handshake הגיעה למיליארד דולר. 17

ההשוואה אינה מושלמת: מדובר בנתונים שנתיים מחושבים, וחברות שונות עשויות להגדיר אחרת הכנסה ברוטו, הכנסה נטו וקצב פעילות. ובכל זאת, הגודל של שלוש החברות מצביע על ביקוש רחב מספיק כדי לתמוך בכמה ספקיות נתונים אנושיים שצומחות במהירות.

Micro1 גם אינה מציגה את עצמה רק כשוק לגיוס עובדים. המודל שלה משלב איתור וסינון מומחים עם סביבות להערכת מודלים, יצירת נתונים סינתטיים ומאגרי נתונים שאפשר, לפחות באופן פוטנציאלי, לעשות בהם שימוש אצל כמה לקוחות.

מגיוס עובדים לתשתית נתונים

Micro1 התחילה כחברת גיוס בתחום הבינה המלאכותית. לפי הדיווחים על תולדות החברה, המייסד והמנכ״ל עלי אנסארי הבחין שלקוחות שרכשו שירותי תיוג נתונים משתמשים בפלטפורמת הגיוס של Micro1 כדי לאתר ולסנן מהנדסי אנוטציה — עובדים שמייצרים ומסמנים נתונים עבור אימון מודלים. התובנה הזו הובילה את החברה לשינוי כיוון, לעבר תיוג נתונים ונתוני אימון שנוצרו בידי בני אדם. 1 15

השינוי אפשר ל־Micro1 להשתמש בתוכנת הגיוס שלה כדי להרכיב צוותי מומחים למשימות מוגדרות של אימון והערכה, ולנהל את כל תהליך העבודה. במקום לסייע רק בגיוס עובד קבוע, החברה יכולה לארגן מומחים סביב פרויקט נתונים מסוים.

הפעילות הנוכחית שלה כוללת שלושה כיוונים מרכזיים:

• אימון והערכה לאחר אימון: מומחים בוחנים את תוצרי המודל ומספקים ציונים, שיפוטים ומשוב בסביבות שהחברה מכנה "חדרי כושר ללמידת חיזוק". 1
• נתונים סינתטיים: החברה עובדת לפי הדיווחים על יצירת תוכן אוטומטי, כולל תיאורים של סרטונים, כדי להגדיל את היקף הנתונים הזמינים לאימון. 1
• נתונים לרובוטיקה: Micro1 בונה מאגר אימון מוקדם המבוסס על הקלטות של תורמים שמתקשרים עם חפצים ביתיים רגילים. כך נוצרות הדגמות של פעולות פיזיות יומיומיות. 1 15

ביחד, המוצרים האלה מרחיבים את החברה מעבר לשירותי תיוג קונבנציונליים. השאיפה היא לשלוט במערכות ובמאגרי הנתונים שהופכים מומחיות אנושית לאותות אימון עבור מודלים של שפה, סוכנים אוטונומיים ורובוטים.

מדוע מאגרי נתונים לשימוש חוזר עשויים לשנות את הכלכלה?

עבודת מומחים לפי חוזה קשורה בדרך כלל לפרויקט מסוים: לקוח משלם עבור ביצוע משימה, וספק השירות שומר חלק מהחיובים. מאגר נתונים מוכן לשימוש מציע מודל אחר. אם מותר להשתמש בו מבחינה משפטית, אם הוא ייחודי מספיק ואם הוא מועיל לכמה מפתחי מודלים — אפשר עקרונית להעניק לו רישיון יותר מפעם אחת.

האפשרות הזו היא הסיבה לכך שדיווחים קישרו בין מאגרי נתונים לשימוש חוזר ולנתונים סינתטיים לבין שולי רווח גולמי אפשריים של 80%–90%. מדובר בתחזית עתידית, לא בתוצאה נוכחית מאומתת. השוליים האלה יהיו תלויים בעלות איסוף הנתונים ואימותם, במידת הייחודיות שהלקוחות מייחסים להם ובשאלה אם לחברה יש זכויות ברורות להעניק רישיון לשימוש בהם. 1 9

חוזים גדולים יותר עשויים להאיץ את הצמיחה, אך גם להגדיל סיכונים: ריכוז לקוחות, איכות לא אחידה של מומחים, דליפת מידע רגיש, בעיות הסכמה ובעלות, וקושי להוכיח שהנתונים באמת משפרים את המודל — ולא רק מגדילים את כמות המידע.

המחלוקת סביב מכירת נתונים לסין

היכולת למכור מאגר נתונים ליותר מלקוח אחד יוצרת גם שאלה גיאופוליטית: האם נתונים שנוצרו בידי מומחים בארצות הברית צריכים להיות זמינים למפתחי מודלים שונים, כולל חברות מסין? מבקרים חוששים שמאגרי אימון לשימוש חוזר עלולים לחזק מערכות AI במדינות שארצות הברית רואה בהן יריבות אסטרטגיות. 1

אנסארי אמר כי Micro1 אינה מוכרת את הנתונים שלה ליצרניות מודלים סיניות. הוא גם תקף חברות אנונימיות בתחום נתוני האדם שלטענתו עובדות עם "יריבים זרים", וטען שיש סתירה בין קידום העליונות האמריקאית ב־AI לבין מכירת נתונים בהיקף של מיליוני דולרים למדינות שנמצאות בתחרות עוינת עם ארצות הברית. 33 35

זו המדיניות המוצהרת של Micro1 והאופן שבו אנסארי מתאר את השוק. עם זאת, הדיווחים הזמינים אינם מזהים באופן עצמאי אילו מתחרות מוכרות מאגרי נתונים למפתחים סיניים, ואינם מבססים את מלוא נוהלי העבודה של החברות האלה. לכן המחלוקת נותרת גם סוגיית מדיניות וגם טענה המשמשת את החברה למיצוב תחרותי.

מה ידוע על השווי של Micro1?

בספטמבר 2025 גייסה Micro1, לפי הדיווחים, 35 מיליון דולר בסבב Series A לפי שווי של 500 מיליון דולר. 15 7

דיווחים מאוחרים יותר העלו אפשרות לסבב גיוס נוסף לפי שווי גבוה בהרבה, אך המידע הזמין אינו מאשר את סכום הגיוס, את השווי, את זהות המשקיעים או אפילו אם הסבב נסגר בפועל. לכן אין להתייחס למימון המאוחר יותר כאל עובדה מאומתת.

השורה התחתונה

הסיפור של Micro1 ממחיש שינוי בשרשרת האספקה של תעשיית ה־AI. המוצר בעל הערך אינו עוד מאגר של מתייגים בלבד, אלא שילוב של מומחים אמינים, תהליכי הערכה, דוגמאות ייחודיות, מערכות ליצירת נתונים סינתטיים וזכויות שימוש ברורות.

המספר של 500 מיליון דולר הוא בראש ובראשונה איתות לביקוש — לא מדד נקי לרווחיות. Micro1 עדיין קטנה מהמתחרות הגדולות ביותר לפי הנתונים המדווחים, והפער בין נתוני הברוטו לנטו מחייב זהירות. אבל המעבר שלה מגיוס עובדים לתשתית של נתונים אנושיים מסביר מדוע חברות AI ממשיכות לשלם עבור שיקול דעת מקצועי — ומדוע השלב הבא בתחרות עשוי להתמקד במי ישלוט בנתוני האימון הנדירים והשימושיים ביותר.