Snorkel AI zamknął rundę finansowania Series E o wartości 350 milionów dolarów, która wycenia firmę na 3,5 miliarda dolarów — niemal trzykrotność wyceny 1,3 miliarda dolarów sprzed nieco ponad roku. Runda, ogłoszona 22 września, plasuje startup wywodzący się ze Stanforda wśród najważniejszych nazwisk w infrastrukturze AI — warstwy „picks-and-shovels” budowy generatywnej AI.

Transakcja przypada w czasie fali kapitału płynącego do warstwy danych AI. W czerwcu 2025 roku Meta zapłaciła około 14,3 miliarda dolarów za 49% udziałów w Scale AI, wyceniając wiodącą firmę w dziedzinie etykietowania na około 29 miliardów dolarów, a konkurenci Surge AI i Mercor mieli podobno przyciągać zainteresowanie inwestorów przy wycenach odpowiednio 15 i 10 miliardów dolarów. Te wydatki odzwierciedlają zmianę w sposobie budowania modeli granicznych: ponieważ łatwo dostępne publiczne dane internetowe okazują się niewystarczające do treningu na skalę graniczną, twórcy AI płacą specjalistom za dokładne, wyspecjalizowane materiały treningowe w dziedzinach takich jak prawo i medycyna.

Wzrost przychodów o ponad 17x

Skokowi wyceny towarzyszy stroma trajektoria przychodów. Roczny wskaźnik przychodów Snorkel AI wzrósł z około 20 milionów dolarów rok temu do obecnie 350375 milionów dolarów, co według firmy stanowi wzrost o ponad 17x w ciągu dwunastu miesięcy.

Arytmetyka stojąca za nową rundą pozwala docenić skalę tego wzrostu: w środku obecnego przedziału wycena 3,5 miliarda dolarów oznacza mnożnik przychodów około 9x do 10x, co stanowi gwałtowny spadek z około 65x wynikających z wyceny 1,3 miliarda dolarów i wskaźnika 20 milionów dolarów rok wcześniej. Innymi słowy, o większości wzrostu wyceny zdecydował wzrost przychodów, a nie rozszerzenie mnożnika.

Od projektu badawczego do maszyny przychodowej

Firma założona w 2019 roku przez badaczy ze Stanford AI Lab, w tym CEO Alexa Ratnera, wywodzi się z badań Stanforda nad programowym etykietowaniem danych. Przez większość swojego istnienia Snorkel AI działał jako platforma programowa pomagająca organizacjom etykietować i porządkować dane treningowe dla modeli uczenia maszynowego.

Punkt zwrotny nastąpił we wrześniu 2025 roku, kiedy firma uruchomiła ofertę data-as-a-service. Zamiast sprzedawać narzędzia umożliwiające klientom tworzenie własnych zbiorów danych, Snorkel zaczął dostarczać bezpośrednio do klientów gotowe do użycia, specjalistyczne zbiory danych treningowych oraz środowiska uczenia ze wzmocnieniem. Ta zmiana odzwierciedla szersze przesunięcie w branży w kierunku sprzedaży danych, a nie narzędzi — segmentu, na którym skoncentrowali się także konkurenci tacy jak Scale AI i Surge AI.

Baza klientów firmy obejmuje obecnie laboratoria AI, hiperskalerów, klientów korporacyjnych i agencje rządowe, a zbiory danych są dostosowane do złożonych dziedzin, takich jak prawo, medycyna i rozumowanie obliczeniowe. Wysokiej jakości dane treningowe stały się kluczowym zasobem dla twórców AI, których modele zależą od dużych ilości dokładnie oznaczonych przykładów.

Ratner opisał ofertę jako „agentic data development platform” — mówiąc prościej, system wykorzystujący agentów AI do tworzenia, porządkowania i walidacji danych treningowych na dużą skalę.

Finansowanie i droga do rentowności

Łączne finansowanie ze wszystkich rund przekracza obecnie 500 milionów dolarów. Snorkel AI planuje wykorzystać świeży kapitał na rozbudowę zespołu i pogłębienie współpracy z klientami korporacyjnymi i rządowymi. Firma zatrudnia około 157 osób, co oznacza przychód na pracownika wynoszący około 2,3 miliona dolarów.

Dwa wskaźniki pokażą, czy strategia się sprawdzi: cel rentowności do końca 2026 roku, który firma musi osiągnąć, jednocześnie rekrutując i rozbudowując operacje danych, oraz trakcję wśród agencji rządowych, gdzie konkurenci, w tym Scale AI, prowadzą już znaczną działalność.
Ratner wyraził przekonanie, że Snorkel AI osiągnie rentowność do końca 2026 roku.