新智元报道

【新智元导读】全硅谷都在拼命卷AI，最后赚翻的是裁判！伯克利团队搞的免费擂台Arena，不造AI只靠「卖水」，8个月狂揽1亿美元营收，估值直接冲破17亿大关。

一个不造AI的公司，年入1亿美元！

缔造这一商业神话的，是硅谷AI巨头争相角逐的「大模型擂台」——Arena。

它的前身叫Chatbot Arena，最初仅仅是UC伯克利团队，在2023年发起的一项开源研究项目。

谁能想到，短短时间，它就成了拿捏大模型命脉的核心阵地。

就在今天，在Arena商业化服务上线仅仅8个月后，年化营收达到了1亿美元，创下新里程碑。

ChatGPT、Claude刷榜，大模型擂台

对很多人来说，Arena并不陌生。

它最为人津津乐道的，就是那个完全靠用户真实盲测堆出来的大模型排行榜。

玩法简单到极致，却又充满竞技感——

输入一段提示词，系统盲测派出两个匿名模型同时作答；然后选出哪个更好。

系统把千万张这样的选票，汇成一张Elo式的排行榜。

就这么个「打擂台」的机制，让它成了全球AI爱好者和开发者的圣地。

到今天，平台已经攒下超过1000万次用户评测，7亿次对话，8200万张投票，每月1000万+访客，来自全球150多个国家。

更关键的是，每天约80%的用户提问都是全新的，没有任何模型能提前「背题」。

含金量有多高？

OpenAI、谷歌、Anthropic、Meta，这些平时打得头破血流的顶级大厂，全都把自家旗舰模型送上Arena接受社区拷打。

OpenAI甚至在GPT-5正式发布前，用代号「summit」偷偷上榜测试。

换句话说，全硅谷最强的那批模型，都在等一个伯克利学生的项目给它们盖戳。

1亿美金营收，怎么跑出来？

那么问题来了——一个免费排行榜，怎么就成了1亿美元的吸金兽？

去年9月，Arena上线了一款AI Evaluations的商业服务：

模型厂商和大企业可以付费，让Arena调动它那个数千万人的社区，对自家模型做深度评测，拿到光靠跑分根本得不到的「真实世界」性能分析。

这是一套「面向真实世界的CI/CD系统」。

模型一旦准备公开发布，Arena会免费替社区把它评测一遍；

而企业想知道自家模型在真实用户手里到底强在哪、弱在哪、哪里在胡说八道，那就得掏钱。

这是一种典型的「卖水人」生意——淘金热里，挖金子的不一定赚钱，但卖水、卖铲子的稳赚不赔。

大模型厂商越是疯狂内卷、越是拼命想榨出最后一点性能，对这种「上线后调优」服务的胃口就越大。

而Arena恰好卡在了所有人都必须经过的那个位置上。

三个伯克利人

做出最赚钱的生意

Arena的前身，叫Chatbot Arena。

再往前，它属于伯克利那个赫赫有名的LMSYS研究小组。

两个伯克利的室友，只想做一件朴素的事——给大语言模型搭一个中立的擂台，让大家公平地比一比。

谁也没想到，这个学生项目会一路狂奔成独角兽。

时间线快得让人喘不过气：2025年春天，项目从大学剥离、正式成立公司，几周内就拿下1亿美元种子轮，估值6亿美元；

几个月后商业产品上线，仅四个月，年化营收就冲到3000万美元。

紧接着，今年1月，由Felicis和UC Investments领投的1.5亿美元A轮落地，投后估值定格在17亿美元。

掌舵的三个人，也都不是无名之辈。

CEO Anastasios Angelopoulos，骨子里是个搞数学的。

他在斯坦福读电子工程本科时，师从凸优化领域的传奇人物Stephen Boyd。

到了伯克利读博，导师直接是两位教父级大牛——机器学习宗师Michael I. Jordan、计算机视觉宗师Jitendra Malik。

他这些年钻研的方向，主要是怎么对一个黑箱模型，做出数学上严格站得住脚的判断。

CTO Wei-Lin Chiang，是开源圈的熟脸——那个红遍全网的开源聊天机器人Vicuna，就出自他手。

他在伯克利读博，师从Ion Stoica，专攻分布式系统，此前在谷歌、亚马逊、微软都干过。

2022年底ChatGPT公测那一刻，他把手头之前的研究全停了，一头扎进Arena。

他对这个项目的痴迷，被搭档Angelopoulos形容成「a labor of love」（一份用爱发的电）。

为了这个项目，两人工作时间长到干脆搬到一起住。两个室友，搭出了一个17亿美元的公司。

而第三位联合创始人，是大名鼎鼎的伯克利教授、Databricks联合创始人Ion Stoica。他在项目2025年4月公司化之前一直担任顾问。

当裁判，比当选手更重要

Arena最新的动作，是推出了Agent Mode（智能体模式）。

它评测的早已不只是「谁聊天聊得更好」，而是数百万用户正在用智能体干的真活：写代码、调bug、做研究、分析文档——那些动辄上百次工具调用、多轮往返的长任务。

它开始用任务完成率、幻觉率这些客观指标来打分，远远超出了最初「人类偏好投票」的范畴。

AI正从「聊天机器人」进化成能独立扛活的「智能体」，任务越来越长、赌注越来越高。

评测，是人类伸进AI内部的最后一根探针。

Arena这门生意能值1亿美元、能值17亿美元，本质上赌的就是这件事会越来越重要、越来越贵。

但所有人最终都得回答同一个问题——当机器开始自己出题，谁还有资格阅卷?