Wirestock获2300万美元融资：AI企业争夺创作者数据开启多模态时代新战场
过去一年，硅谷AI投资圈的风向，出现了一个微妙却清晰的转变。
资本开始重新审视“数据”本身的价值。
如果说上一阶段的竞争焦点，还围绕着参数规模、推理能力和基础模型的性能；那么，随着行业迈入视频生成、世界模型、空间智能与多模态的新阶段，大家的注意力正迅速转向另一个核心命题：
谁，能掌握更高质量、更结构化、更贴近真实世界的数据。
最近，创作者平台Wirestock宣布完成2300万美元的A轮融资，由Na va Ventures领投，SBVP（由雪莉·桑德伯格参与创立）、Formula VC与I2BF Ventures跟投。至此，公司累计融资额已达到约2600万美元。
不过，比融资金额更值得玩味的，是其业务方向的彻底转变。
这家最初帮助摄影师向Shutterstock、Adobe Stock等图库分销内容的公司，在过去两年完成了一次关键转型：从一个“创作者素材平台”，蜕变为AI实验室的多模态数据供应商。
根据披露的信息，Wirestock目前已为全球六家顶级基础模型公司提供图像、视频、3D及创意类训练数据。平台汇聚了超过70万名摄影师、设计师与内容创作者，年化收入（ARR）达到4000万美元，并已累计向创作者支付约1500万美元的分成。
这些数字背后，折射出的是AI行业一个正在快速成型的新兴市场：
AI模型公司，正在系统性地采购“现实世界内容”。
数据，正从过去的“模型原材料”，逐渐演变为AI时代最具战略意义的资源之一。
01 从“互联网数据”到“现实世界数据”，AI行业进入下一阶段
过去几年席卷全球的大模型浪潮，其根基很大程度上建立在海量的互联网文本之上。无论是网页、论坛、代码库、百科，还是社交媒体和PDF文档，都构成了第一代语言模型最核心的训练素材。
然而，当生成式AI的触角伸向视频、图像、3D、机器人乃至空间智能时，问题的性质发生了变化。下一代模型需要理解的，早已不止是语言。它们必须进一步洞悉空间关系、运动轨迹、物理规律、视觉连续性、人类行为、场景结构以及环境反馈——这些能力，仅靠文本几乎无法建立。
这也解释了为何最近一年，整个AI行业出现了一个显著趋势：模型公司正从“互联网抓取”，转向“专业数据采购”。尤其是那些：
长期并未存在于公开互联网的数据。它们真正掌握在游戏引擎、动画工作室、影视公司、创作者平台、摄影社区和3D内容生态手中。
而Wirestock，恰好卡在了这条新兴产业链的关键节点上。
02 Wirestock为何被资本市场重新定价？
表面上看，Wirestock很容易被归类为一家传统的创作者平台。它最初的商业模式也确实如此：帮助摄影师、插画师和视频创作者，将内容同步分发到Shutterstock、Getty Images、Adobe Stock等多个平台，以此提升销售效率。
但生成式AI的崛起，彻底碘伏了这类平台的价值逻辑。
因为AI实验室很快意识到，真正稀缺的并非基础模型本身，而是“高质量、可授权、结构化的数据”。
过去几年，互联网抓取虽然助力模型完成了初步训练，但其弊端也日益凸显：数据版权争议不断；大量内容质量堪忧；标签与语义结构混乱；多模态数据缺乏统一标准；企业级训练则需要更高精度的数据体系。
与此同时，创作者平台却天然拥有另一种宝贵资产：高质量、版权清晰且能持续更新的内容库。
于是，一个新的市场应运而生：AI实验室不再仅仅“爬取互联网”，而是开始直接采购数据。Wirestock的转型，正是踏准了这一节奏。
03 这不再是“素材平台”逻辑，而是“AI数据基础设施”逻辑
从其融资结构来看，Wirestock更接近新一代的AI基础设施公司。
其中最值得关注的，并非融资金额，而是其已经形成的数据供给能力。根据公司披露，平台目前已聚集了摄影师、视频创作者、插画师、3D设计师、游戏资产贡献者等多类创作者，并能持续响应AI实验室的定制化数据需求。
这意味着，Wirestock已不再仅仅是内容交易的中介，它更像一个“分布式数据生产网络”。而这，恰恰是当前AI行业最稀缺的能力之一。因为如今真正制约模型发展的，越来越不是模型架构，而是：谁能持续获得高质量的现实世界数据。
04 AI公司真正需要的，不是“内容”，而是“可训练的数据结构”
这是当前AI数据行业最容易被忽略的关键点。AI实验室采购的绝不仅仅是图片或视频文件本身，真正重要的是这些内容能否转化为“模型可消化吸收的数据层”。
因此，Wirestock的核心能力，不只在于聚合创作者，更在于其背后的数据处理体系。例如：数据筛选、精细化标注、语义注解、多模态对齐、数据清洗、版权确认、格式转换以及训练适配。
公司甚至透露，为适应AI数据业务，内部部分团队已进行重组和再培训，专门负责数据标注与AI数据处理。这意味着，未来AI数据行业的竞争壁垒，很可能不再是“拥有多少内容”，而是“谁能将复杂内容，高效转化为高质量的训练数据”。
这也让整个行业越来越像早期Scale AI崛起的阶段。Scale AI的核心价值，本质在于将现实世界转化为AI可训练的数据系统。而Wirestock正在做的，则是将创意世界、多模态内容与视觉资产，转化为模型训练的基础设施。
05 多模态时代，AI行业进入“数据军备竞赛”
过去一年，顶尖模型之间的能力差距正在逐渐缩小。但数据质量的差距，却开始迅速拉大。尤其是在视频生成、机器人、空间智能、3D世界模型、多模态智能体这些前沿方向。
因为未来真正决定模型能力上限的，可能不再只是参数规模，而是模型是否真正理解“现实世界”。
这也解释了为何最近整个AI数据供应链快速升温：
这些公司方向各异，但本质上都在做同一件事：构建AI时代的数据供给系统。行业共识越来越清晰：未来最重要的数据，已经不再只是网页文本，而是视频、3D资产、游戏数据、空间信息、现实环境、创作者内容以及人类行为数据。
换言之，AI行业正从“语言模型时代”，逐步迈向“世界模型时代”。
06 被重新定价的，不只是数据，更是“创作者经济”本身
Wirestock的转变，还有一层更深的意义：它实际上重塑了创作者与AI之间的关系。
过去两年，围绕AI的最大争议之一，便是模型是否在未经授权的情况下使用了创作者的内容进行训练。而Wirestock提供了另一种可能性：让创作者直接参与到AI数据经济中。
平台允许创作者提供授权内容、完成定制化数据任务、参与视频与3D数据生产、提供特定场景素材，并获得相应的数据收入分成。截至目前，公司已向贡献者累计支付约1500万美元。
这意味着，创作者不再仅仅是AI时代的“被替代者”或争议对象，他们正在成为AI基础设施不可或缺的一部分。这很可能演变为未来整个行业的重要趋势：从“平台抓取内容”，逐渐转向“数据许可经济”。
07 AI行业真正争夺的，正从模型转向“世界本身”
眼下，整个AI行业一个越来越明显的现实是：模型的基础能力正在快速趋同。但对于现实世界的理解深度，却依然存在巨大鸿沟。在视频生成、机器人、世界模型、空间推理、多模态智能体这些领域，尤其如此。
因为这些系统真正渴求的，不是更多的网页，而是更真实、更连续、更结构化的现实世界数据。
这也是为什么，像Wirestock、Origin Lab这类公司会被资本市场重新发现并定价。它们表面上仍是内容平台，但从更深层看，正在演变为AI时代不可或缺的新基础设施。
如果说，互联网时代最重要的平台，其职责是组织信息；那么，AI时代的新平台，则开始负责组织“世界”。
相关攻略
数据质量是决定AI模型成败的核心要素，它直接关系到模型输出的精准度与可靠性。那么，如何系统性地评估数据，并确保其真正“适用”于AI训练呢？这需要一套严谨的评估框架与保障策略。 一、数据质量评估的核心维度与方法 评估数据质量不能仅凭主观判断，必须从多个关键维度进行客观“体检”，每个维度都有对应的量化方
AI浪潮正重塑传统菜市场。互联网巨头转向智能定价、无人仓储与配送系统，以更低成本、更高效率改造生鲜零售。AI的固定投入与趋零边际成本有望大幅压缩履约费用。尽管菜市场人情味短期难替代，但随着年轻消费习惯改变与AI终端普及，传统模式面临深刻挑战。
初次接触CapybaraAI的用户，常常会下意识地寻找搜索框，却发现界面中并没有传统意义上的“快捷搜索”按钮。这并非设计疏漏，而是源于其根本定位的差异。 您的观察完全正确。CapybaraAI本身并未集成类似浏览器的“一键搜索”功能。它并非一个输入关键词、返回网页列表的搜索引擎。其核心定位是一个强大
在软件开发的代码质量保障体系中，单元测试是不可或缺的核心环节。它不仅是验证代码逻辑正确性的首要防线，更是提升软件可维护性、保障长期开发效率的关键实践。然而，编写与维护高质量的单元测试用例，往往需要开发者投入大量时间与精力。那么，是否存在一种方法，能让单元测试工作变得更高效、更智能？ 答案是肯定的。借
如果你的 Hermes Agent 已经部署完成，但在处理基于个人文档的提问时频繁出现“答非所问”或“无法回答”的情况，问题根源很可能在于知识库的导入环节——AI 尚未真正“理解”你的专属数据。无需担忧，这类似于为新员工配备了电脑却未提供工作手册，只需补充相应资料即可。以下五种高效方法，总有一种能帮
热门专题
热门推荐
机器人行业迎来里程碑式突破。以视频生成模型Vidu著称的生数科技，正式发布了名为Motubrain的“世界动作模型”。这并非一次普通迭代，而是被定位为机器人的“物理大脑”，其核心目标在于：用一个统一的通用模型，彻底取代以往依赖多个专用系统拼凑而成的复杂架构。 正如其“一个大脑，无限可能”的口号所揭示
xAI正式进军AI编程智能体领域，于近日发布了专为软件工程与复杂编程任务设计的Grok Build。 简单来说，Grok Build是一款能在终端里直接跑起来的AI编程助手。它被定位为一个具备智能体能力的命令行工具，开发者用自然语言告诉它要做什么，它就能生成代码，甚至帮你搞定一系列编程和自动化任务。
近日，谷歌对其搜索引擎的核心规则进行了重要更新，此次调整直指当前备受关注的AI搜索领域。具体而言，谷歌在其垃圾内容政策中新增了明确条款，正式将“操纵AI搜索结果”的行为列为违规操作，划定了新的质量红线。 根据权威行业媒体Search Engine Land的报道，本次谷歌算法更新的核心在于，将任何企
硅谷的科技巨头们或许曾以为，自己已经远离了AI数据中心带来的电力压力——毕竟，高昂的地价和电费早就把大型数据中心项目“赶”到了别处。但现实总是出人意料，这场能源危机的涟漪，正悄然涌向他们心爱的度假后院。 没错，说的就是太浩湖。这个湾区精英们钟爱的避世天堂，如今正站在一场电力风暴的边缘。距离它必须找到
这项由高通AI研究院（Qualcomm AI Research）主导的创新研究于2026年5月正式发布，论文预印本编号为arXiv:2605 07721。 研究背景：当AI越想越费内存，我们该怎么办 设想一下，手机导航应用会在出发前规划好整条路线，而一位真正智慧的向导则会边走边思考，遇到路障时灵活应