8 月 17 日，一家名为 Harell Data 的创业公司官宣 1,500 万美元融资，由 Fuse 和 Cercano Management 领投，要解决的正是这个问题。[22, 27] 创始人 Harlan Robins 是西雅图上市公司 Adaptive Biotechnologies 的联合创始人、前首席科学官。这家公司目前市值 39 亿美元，靠解码人类免疫系统的大数据起家。[21, 22]
"人人都说数据重要，但没人为它付钱"
Robins 对行业的判断很直接。"数据本身，尤其是训练机器学习模型的数据，没有得到合理的定价，"他在接受 Timmerman Report 采访时说，"每个人都口头上承认数据重要。但所有模型——不管是 ChatGPT 还是 Claude——都在从公共数据训练中获取巨大价值。"[22]
他在给 GeekWire 的邮件里说得更明白：用自己的技术和经费生产专有数据的机构，目前没有好的商业化途径，"所以它们实际上只能抱着数据干坐着"。[21]
换句话说，Harell 出售的商品是"在数据上训练的机会"，按训练运行计费。
数据不出库，算力找上门
Harell Data 的方案是一套三层设计。
第一层是安全云平台。数据拥有者把专有数据集托管在 Harell 的环境中，机器学习团队把模型带进来训练，原始数据始终不离开安全环境。[21]
第二层是直接收入分成。数据拥有者不必再等若干年后充满不确定性的药物销售分成：每一次训练运行产生的算力收入，他们都能直接抽成。对应的，模型拥有者也能从别人调用自己的模型中赚钱。[21, 25]
第三层是复合价值：模型在这些高质量数据上训练得越好，底层数据本身就越值钱。[21]
换句话说，Harell 出售的商品是"在数据上训练的机会"，按训练运行计费。值得注意的是定价策略：Robins 称，客户支付的价格将低于 AWS、Azure 和 Google Cloud 等主流云厂商。[22]
这家公司目前市值 39 亿美元，靠解码人类免疫系统的大数据起家。
谁愿意先把数据摆上货架？
平台本周开放早期访问，首批数据集来自两个合作伙伴。[21]
一个是西雅图的 A-Alpha Bio，贡献蛋白-蛋白结合亲和力数据。这家公司 2017 年从华盛顿大学蛋白质设计研究所走出，其 AlphaSeq 平台单次实验可测量多达 100 万对蛋白相互作用，号称积累了全球最大规模的蛋白互作数据库。[29, 30, 31]
另一个就是 Robins 的老东家 Adaptive，贡献部分 T 细胞受体结合的专有数据。[22]
一个物理学家的第二次创业
Robins 是理论物理学家出身的计算生物学家，曾领导 Fred Hutchinson 癌症研究中心的计算生物学项目。2009 年，他说服弟弟 Chad Robins 一起创立 Adaptive，把高通量 T 细胞测序技术商业化；2019 年，公司在纳斯达克上市。[35, 36, 37]
新公司 2025 年注册，目前 11 人，分驻贝尔维尤和帕洛阿尔托。[21, 24] 公司名字来自 Robins 8 岁的儿子 Ellis——"Harell" 是 Harlan 和 Ellis 的合体。[21]
模式成立吗？市场马上给出答案
Harell 的近期目标是 Robins 最熟悉的计算医学，但他强调数据孤岛问题横跨学科，从材料科学到影像学都存在。[21]
但挑战同样明显。科学数据的按需定价市场此前没有跑通的先例。数据一次训练值多少钱？模型方愿不愿意为"看不见的数据"付费？两个首发数据集能否吸引顶级模型团队？这些都是未知数。Timmerman Report 的结尾很直白：Robins 马上要从真实市场里得到反馈了。[22]
所以，1,500 万美元买的是一个假设：当 AI 的瓶颈从算法转向数据，给数据定价的人，可能比造模型的人更早收到钱。