Perit Marketplace:把数据与RL任务卖给前沿AI实验室

Perit Marketplace让个人和团队把数据与RL任务直接卖给AI实验室,YC孵化4.5个月营收超1100万美元。
Perit Marketplace是Product Hunt上排名第11位的产品,由YC F26孵化,在4.5个月内实现超过1100万美元营收。平台提供两条供给路径:一是提交自有数据(音频、视频、代码、文档、CAD等,已列出29个数据集),二是利用平台提供的虚拟机和模型额度构建强化学习任务与基准,通过审核的专家可扩展至每周数百个任务。平台承担审核与向实验室推介的中介角色,降低双方匹配成本。但数据所有权合规、RL任务质量评估标准、供给者收益分成比例等关键细节尚未公开。文章认为,平台解决的是渠道问题而非价值问题,数据稀缺性仍是议价核心。
当数据成为AI训练的硬通货
前沿AI实验室对高质量数据和强化学习任务的需求正在快速增长,但供给端却高度分散——拥有专业数据或领域知识的人,往往找不到直接对接实验室的通道。Product Hunt上排名第11位的Perit Marketplace试图解决这个问题:让个人或团队把自己拥有的数据、以及构建的RL任务,直接卖给需要训练素材的AI实验室。

据其Product Hunt页面介绍,Perit由YC F26孵化,在4.5个月内实现了超过1100万美元的营收。这个数字本身就说明,数据与训练任务的交易并非小众需求,而是正在形成规模的生意。
两条参与路径:卖数据,或者卖任务
Perit Marketplace设计了两种进入方式,覆盖不同类型的供给者。
提交你拥有的数据
第一种方式适合手里握有特定类型数据的人。平台列出的数据类别包括音频、视频、代码、文档、CAD等,目前已有29个数据集挂牌。这类供给的门槛相对较低,关键在于数据的所有权和独特性——实验室需要的是能填补训练盲区的素材,而不是随处可见的公开内容。
在平台上构建RL任务与基准
第二种方式面向有专业能力构建强化学习任务和评测基准的人。Perit提供虚拟机和模型额度,供给者在平台上完成任务的搭建,平台负责向实验室推介。页面提到,通过审核的专家可以扩展到每周数百个任务的产出规模。这条路径把「专业知识」本身变成了可出售的商品,而不仅仅是静态数据。
强化学习任务与基准(RL Tasks & Benchmarks):在AI训练语境下,RL任务通常指为模型设计的交互式学习环境,其中模型通过试错获得奖励信号,典型应用包括智能体工具调用、多步推理、代码执行与游戏博弈。基准(benchmark)则是标准化的评测集合,用于横向比较模型能力。近年来,前沿实验室普遍面临高质量RL环境稀缺的问题——与可爬取的静态文本不同,RL任务需要人工设计状态空间、动作接口与奖励函数,专业门槛高、构建周期长。因此,把领域专家的任务设计能力商品化,成为数据市场的新增长点。
平台在中间扮演什么角色
Perit的定位不是简单的数据交易市场,而是一个带筛选和推介机制的中介。供给者提交的数据或任务需要经过平台审核,再由平台向实验室推销。这种模式的价值在于降低双方的匹配成本:实验室不必逐一寻找数据来源,供给者也不必自己摸索如何接触买家。
从商业角度看,平台同时掌握需求侧(实验室)和供给侧(数据与任务提供者),并通过审核机制控制质量。YC背景和营收数据表明,这套撮合逻辑已经在实际运行中得到了验证。
YC F26与孵化背景:YC指Y Combinator,全球知名的创业孵化器,其批次命名以字母加年份表示(如F26代表2026年冬季批次,W26代表夏季批次)。入选YC通常意味着获得种子资金、导师网络与投资人曝光。文章用YC背景佐证Perit的可信度,但需注意,YC背书反映的是早期筛选与资源支持,并不等同于平台交易机制或数据合规性已经成熟。1100万美元营收的分成结构、是否包含平台自营业务等细节,仍需进一步核实。
值得关注的几个问题
数据所有权与合规:平台强调「submit data you own」,但数据出售涉及的授权范围、后续使用限制等细节,在Product Hunt页面上并未展开。对于音频、视频这类可能包含个人信息的数据,合规链条是否清晰,是供给者需要自行确认的。
任务质量的衡量标准:RL任务和基准的质量评估比静态数据更复杂。平台提到「approved experts」和审核机制,但具体的评估维度与通过率并未公开。
营收与供给者收益的关系:1100万美元营收是平台层面的数字,供给者能从交易中获得多少分成,页面没有给出信息。
数据所有权与授权链条:在数据交易中,所有权(ownership)仅表明供给者声称拥有数据,但出售行为还涉及授权范围(license scope)——买方能否转售、能否用于商业模型、能否再分发衍生数据等。对于音频、视频等可能含有人物肖像、声音或个人信息的数据,还需考虑知情同意与隐私法规(如GDPR、个人信息保护法)的约束。平台强调「submit data you own」是必要但不充分的条件,供给者应自行确认数据来源合法、授权可转让。
谁适合关注这个平台
如果你手里有稀缺的领域数据——比如特定行业的文档、专业CAD图纸、或小众语言的音频——Perit提供了一条直接触达前沿实验室的路径。如果你具备构建RL任务的能力,平台的虚拟机和模型额度降低了启动成本,每周数百任务的扩展空间也值得评估。
需要保持清醒的是,数据交易的核心议价权仍然取决于稀缺性。平台解决的是渠道问题,不是价值问题。在提交之前,想清楚自己的数据或任务究竟填补了什么训练空白,比急着上架更重要。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。