# 不造AI，年入1亿美元：LMArena 如何成为AI行业的裁判？

整个硅谷都在这场AI淘金热里拼命挖矿——OpenAI烧了几十亿美元，Anthropic烧了几十亿美元，Google和Meta砸的更是天文数字。

它们造模型、堆参数、拼Benchmark（标准评测，用于比较不同AI模型的表现好坏）。

最后真正稳定赚到钱的，是谁？

裁判。

一个从UC伯克利学生项目起步的评测平台，不造模型不搞API，靠着给所有模型排队打分，商业化服务上线仅8个月，年化营收突破1亿美元。[1][2]

它的名字叫Arena（原名Chatbot Arena，AI模型盲测排行榜平台）。

这篇文章想讲清楚三件事：Arena凭什么成为AI行业的基础设施？它做对了什么？对AI时代的创业者和知识工作者来说，这告诉了我们什么？

01 一个简单的擂台

Arena的运作方式出乎意料的简单。用户输入一段提示词，系统匿名派出两个模型同时作答。你盲测（不知道哪个模型在回答），哪个回答更好就投谁一票。

规模已经大到可怕：1,000万+用户评测、累计7亿次对话、累计8,200万张投票。每月1,000万活跃访客，覆盖150多个国家。[2][3]

更关键的不是用户数，而是投票质量。据平台方自述，每天约有80%的用户提问是全新的——没有任何模型能提前"背题"。千万次真实的、多元的投票汇成Elo排行榜（Elo：一种修正对手强弱后计算得分的排名算法，起源于国际象棋，广泛用于电竞和AI评测），含金量极高。

所以模型厂商主动把自家旗舰送上来测。OpenAI甚至在GPT-5正式发布前，用代号"summit"偷偷在Arena上测了一圈。[2]

把Arena放在已有的商业格局里看，它让人联想到的不是普通的"评测机构"，而是中国质量认证中心（CQC）的职能——**不是造东西的，但东西要上市就得先过它的检。**

全世界的AI公司都在拼命证明自己的模型最强，但它们都需要Arena来给这个"最强"背书。

02 免费排行榜的印钞机逻辑

Arena的核心商业化产品叫**AI Evaluations**，2025年9月上线。

商业模式极其简单：公开评测免费——所有人都能看到两个模型谁更强。但模型厂商想要更深度的、定制化的评测分析，就得付费。

CEO Angelopoulos形容为"面向真实世界的CI/CD系统（持续集成/持续部署，软件工程中的自动测试发布流程，这里借喻为AI的自动评估流水线）"：模型发布前，社区免费测一遍；企业如果想要专属分析报告、特定场景诊断，就是收费服务。

效果惊人——

**2025年9月** 商业化上线
**2026年1月** A轮融资时公布年化营收3,000万美元
**2026年6月** 年化营收突破1亿美元
8个月翻了3倍多[1][2][3]

更重要的是客户质量——所有主流模型厂商都是它的付费客户。OpenAI、Google、Anthropic、Meta，"全行业交保护费"的商业模式在AI领域极其罕见。

CEO Angelopoulos坦诚表示，这本质是"consumption"（消费型收入），不是严格意义上的recurring revenue（订阅式经常性收入）——但市场显然不介意这个分类。[3]

Arena没有像样的直接竞品——Yupp已于2026年3月关停。它的真正对手是Scale AI（数据标注与模型评估公司）、Mercor（AI评测与人才平台）、Surge这样的"后训练调优"公司。作为参考，据The Information报道，Handshake的年化AI训练收入从5.5亿美元涨到近10亿美元；Mercor年化收入也突破10亿美元。[1]

淘金热里，卖水的比挖金子的先赚到钱。AI浪潮里也一样——**只不过Arena不光卖水，它还在出具"金子成色检验报告"。**

03 三个伯克利人，一个宿舍项目

**Anastasios Angelopoulos**（CEO），数学出身，斯坦福电子工程本科，伯克利博士。他的博士课题是"对黑箱模型做数学上严格站得住脚的判断"——Arena的核心理念，本质上就是他博士论文的产业化。[1][2][3]

**Wei-Lin Chiang**（CTO），Vicuna（知名开源聊天机器人）的作者。2022年底ChatGPT公测后，停掉所有其他研究，一头扎进Arena。和Angelopoulos一起搬到合租，搭档称之为"a labor of love"——一个爱的劳作。[2]

**Ion Stoica**，联合创始人兼顾问。伯克利教授，Databricks联合创始人。一人撑起学术和创业两条线。A轮1.5亿美元、估值17亿美元的融资里，一半是资本在赌AI产业基础设施化趋势，另一半赌的就是Stoica从0到1做平台的记录。

从2023年伯克利实验室的学生项目，到2026年6月年化营收1亿美元——两年多时间，从宿舍到行业基础设施。

04 为什么Arena正在成为AI行业的基础设施？

**在消费级和企业通用场景下，当模型能力趋同，"测试标准"成为利润区。** 在PC时代的IT产业史上，Windows和Office本身不是最赚钱的部分，真正稳定的是SQL Server（数据库）、Active Directory（企业身份认证）、Azure（云服务）——定义"企业级IT能力"的基础设施。同样，当AI模型从一千多个竞争到只剩五六个时，谁能定义"好模型"的标准，谁就掌握商业话语权。

**与此同时，评价标准本身也在从"知识型"转向"任务型"。** MiniMax M3的发布方向是BrowserComp、SWE Bench等"任务完成型"指标。据开发者社区信息（未经OpenAI官方确认），GPT-5.6的分层定价也是"按任务价值"收费。[4][5] Arena推出Agent Mode——从"人评聊天好坏"扩展到"机器评任务完成率"——恰好捕捉了这个趋势。[2]

**商业规模才开始兑现。** Arena目前1亿美元年化营收，相比Scale AI近10亿美元、Mercor 10亿美元级的收入规模，还有巨大增长空间。它所处的AI评测市场正在快速膨胀。[1]

这不只是开一家公司，这是在AI的基础设施层占下一个不可替代的生态位。就像Databricks定义了"企业数据湖"——Arena正在定义"AI能力评估与认证"的标准。

05 创业者和知识工作者可以带走的三件事

Arena的案例提供了AI时代生态位选择的几个思考方向：

**第一，"评测权比制造权更持久"。** 标准制定者拥有最持久的商业基础。中国质量认证中心（CQC）、国家食品标准（GB标准）、瑞士SGS——在全球分工成熟的产业里，最赚钱的往往不是生产商，而是认证商。Arena验证了它同样适用于AI。

**第二，"从学术项目到商业成功有一条清晰路径"。** Angelopoulos的博士课题直接产业化。不是所有研究都需要立即商业化，但保留一个"商业化的窗口"比想象中更重要。

**第三，"裁判本身也要进化"。** Arena从Chatbot Arena到Agent Mode，从纯人类投票到客观任务指标。当被评判的标准本身也在变化，评测体系必须同步更新——这是它未来最大的挑战。

**一个自检清单**，帮你评估自己是否处在类似的基础设施型生态位上：

现状升级方向你在做模型应用能否为同类应用建立评测标准？你在做工具开发能否为同类工具定义能力分级？你在做行业研究你的分析框架能否成为行业参考？你在做内容创作你的知识体系能否成为领域标准？

**归根结底，最赚钱的AI公司，造的不是AI。** 这句话不仅是观察结论，也是AI生态商业逻辑的一个高度浓缩的概括——基础设施层拥有这个行业最稳定、最长效的商业命脉。

参考文献

**LMArena lands $1.7B valuation four months after launching its product** — Julie Bort, TechCrunch, 2026-01-06. https://techcrunch.com/2026/01/06/lmarena-lands-1-7b-valuation-four-months-after-launching-its-product/
**Arena, the AI leaderboard everyone uses, is now a $100M business** — Marina Temkin, TechCrunch, 2026-06-29. https://techcrunch.com/2026/06/29/arena-the-ai-leaderboard-everyone-uses-is-now-a-100m-business/
**《年入1亿美元，两个90后伯克利室友，搞出最赚钱的AI生意》** — 新智元（36氪），2026-07-06. https://www.36kr.com/p/3883329844555777
**《MiniMax M3：一家AI公司，为什么开始重新定义自己的价值？》** — 奇点湃（36氪），2026-07-05. https://www.36kr.com/p/3882467938040710
**《硅谷无间道：GPT-5.6"偷跑"截杀Claude，最快明天端出三大模型》** — 第一新声（36氪），2026-07-06. https://www.36kr.com/p/3883839281099016
**《狂揽2.4万星标：一行命令，AI会自己找技能了》** — 新智元（36氪），2026-07-06. https://www.36kr.com/p/3883329457483784
**《AI砍掉的第一批大厂人：高薪，高绩效，高P｜深氪》** — 任彩茹（36氪），2026-07-06. https://www.36kr.com/p/3883456791163138
**Canaries in the Coal Mine? The Impact of AI on the Employment of Software Developers** — Stanford University, 2025. 转引自参考文献[7]