从“不好玩”的游戏引擎到年入6000万美元：Intelligence如何用人类反馈破解AI设计瓶颈

【科技24时区】当Grace Li在2025年毕业前夕与几位大学好友试图让他们的AI游戏引擎跑通时，他们遭遇了一个既具体又抽象的困境：模型生成的游戏功能完备，却毫无乐趣可言。这引出了一个直击灵魂的问题——如何量化“好玩”？团队最终认定，人类的直觉判断无可替代，于是开始构思一种能大规模获取真实人类反馈的机制。这一初衷催生了DesignArena，如今这款AI工具已在全球拥有530万用户。

有趣的是，市场痛点远比他们预想的广泛。大量AI公司苦于缺乏可扩展的用户反馈渠道，并愿意为此买单。“这是许多模型在设计领域实现迭代的关键瓶颈，”Li回忆道，“大约一周后，我们就与一家前沿实验室达成了首笔重大交易，此后便一发不可收拾。”周一，DesignArena背后的母公司Intelligence宣布完成790万美元种子轮融资，由Index Ventures领投，Conviction（Sarah Guo和Mike Vernal）、A*、Valkyrie等机构跟投。

对于非企业用户而言，使用DesignArena的体验类似于操作一个高级模型路由器。界面提供类似ChatGPT的提示词输入框，并设有针对网站、图像及其他十余种视觉格式的下拉菜单。用户提交请求及风格偏好后，系统会呈现一系列“A vs. B”的二选一选项，直至用户对少量输出结果完成从优到劣的排序。这项服务看似简单，但其核心价值在于企业端：参与其中的媒体生成模型可将此平台视为源源不断的即时反馈源。由于普通用户通常不在意背后是哪个模型在运作，只追求最佳输出效果，这种基于偏好的排序能为“用户真正想要什么”提供至关重要的数据输入。

对前沿实验室来说，这是一项值得付费的服务。Li透露，该平台目前年化经常性收入（ARR）已达6000万美元，稳固了其作为AI行业人类主导评估数据关键来源的地位。更微妙的是，用户需登录才能获取输出结果，这使得Intelligence能够追踪不同大洲及时间维度上的审美变迁。例如，Li指出亚洲地区的网页仪表盘往往倾向于极繁主义设计风格。这些细颗粒度的人类反馈数据，恰好弥补了自动化基准测试的不足——后者虽规模庞大，却极易被操纵或“刷分”，上周Hugging Face遭受的安全 breach 便是明证。

当然，众包人类反馈并非稳赢的赛道。今年早些时候，曾获得a16z加密基金Chris Dixon支持的Yupp在启动不到一年后黯然关闭。尽管该公司也曾拿下部分前沿模型客户，并宣称拥有超过130万用户，却始终未能构建起可持续的长期商业模式。然而，其他基于人类评估的初创公司似乎正迎来春天。采用类似文本响应评估方法的LM Arena，在其付费产品正式推出仅四个月后，便于今年1月完成了1.5亿美元的A轮融资。这表明，在AI从“能用”向“好用”跨越的过程中，真实的人类品味正在成为新的硬通货。