一家未直接开发AI技术的公司，年收入已达1亿美元。

这家公司名为Arena，它在人工智能大型模型竞争的领域中，已成为一个关键平台。Arena的前身是Chatbot Arena，最初只是加州大学伯克利分校团队于2023年启动的一项开放研究项目。

在极短的时间内，Arena已成为决定大型模型发展的核心阵地。在其商业化服务推出仅8个月后，年化营收便达到了1亿美元，树立了一个新的行业标杆。

ChatGPT、Claude等纷纷参与，Arena成为大型模型竞技场

Arena对许多人来说并不陌生。它最受关注的特点是，通过用户真实参与的匿名测试，构建了一个大型模型排行榜。

其运作模式极为简单，却充满竞争性：用户输入指令，系统随即派出两个匿名的模型进行回答，然后用户选择更优的回答。

系统收集海量的此类投票，形成类似Elo评分系统的排行榜。这种“擂台赛”机制，使其成为全球AI爱好者和开发者的重要聚集地。

截至目前，该平台已积累了超过1000万次用户评测，进行了7亿次对话，收集了8200万张投票，每月吸引超过1000万名访客，遍布全球150多个国家。

更重要的是，每天约有80%的用户提出的问题是全新的，这确保了没有任何模型能够预先“背诵”答案。

其含金量有多高？OpenAI、谷歌、Anthropic、Meta等竞争激烈的顶级公司，都将自家最先进的模型送上Arena接受社区的检验。甚至有消息称，OpenAI在GPT-5正式发布前，曾使用代号“summit”的模型在此进行秘密测试。

换句话说，硅谷最顶尖的模型，都在等待一个来自伯克利的项目对其进行评估和认证。

1亿美元营收是如何实现的？

那么，一个免费的排行榜是如何转化为一个年收入1亿美元的盈利模式的呢？

去年9月，Arena推出了“AI Evaluations”商业服务。模型开发商和大型企业可以付费，利用Arena庞大的用户社区对其模型进行深度评估，从而获得仅凭标准跑分无法获得的“真实世界”性能分析。

这套服务被形容为“面向真实世界的CI/CD系统”。一旦模型准备好公开发布，Arena会免费让社区进行评测；而企业若想了解自家模型在真实用户手中的具体优势、劣势以及潜在问题，则需要付费。

这是一种典型的“为淘金者提供工具”的商业模式——在淘金热中，卖水和卖铲子的人往往比挖金子的人更稳赚不赔。随着大型模型厂商之间竞争的加剧，以及对模型性能极致追求的愿望，对这种“上线后调优”服务的需求也日益增长。Arena恰好处于这一关键环节。

三位伯克利背景人士打造最赚钱的AI生意

Arena的前身是Chatbot Arena，而更早则隶属于伯克利大学著名的LMSYS研究小组。

最初，两位伯克利的室友怀揣着一个朴素的愿望：为大型语言模型搭建一个中立的平台，供大家进行公平的比较。

他们未曾预料到，这个学生项目竟能迅速发展成为一家独角兽企业。项目进展迅猛：2025年春季，该项目从大学独立出来，正式成立公司，并在几周内获得了1亿美元的种子轮融资，估值达到6亿美元。

数月后，商业产品上线，仅仅四个月内，年化营收就飙升至3000万美元。随后，今年1月，在Felicis和UC Investments的领投下，公司完成了1.5亿美元的A轮融资，投后估值达到17亿美元。

公司的三位核心领导者也非等闲之辈。

CEO Anastasios Angelopoulos，拥有深厚的数学功底。他在斯坦福大学攻读电子工程本科学位期间，曾师从凸优化领域的著名学者Stephen Boyd。在伯克利攻读博士学位时，他的导师更是机器学习领域的泰斗Michael I. Jordan和计算机视觉领域的权威Jitendra Malik。他多年来致力于研究如何对“黑箱”模型进行在数学上严谨的评估。

CTO Wei-Lin Chiang在开源社区颇有名气，他曾开发出广受欢迎的开源聊天机器人Vicuna。他在伯克利攻读博士学位，师从Ion Stoica，专注于分布式系统领域，并曾在谷歌、亚马逊和微软等公司有过工作经历。2022年底ChatGPT公测时，他暂停了之前的研究，全身心投入到Arena项目中。

他的同事Angelopoulos形容他对这个项目的投入是“一份用爱发电的事业”。为了这个项目，两人长时间工作，甚至搬到一起居住。这两位室友共同建立了一家估值17亿美元的公司。

第三位联合创始人是著名的伯克利教授、Databricks联合创始人Ion Stoica，他在项目于2025年4月公司化之前一直担任顾问。

成为“裁判”比成为“选手”更重要

Arena的最新进展是推出了Agent Mode（智能体模式）。

该模式的评测范围已远超“谁的聊天能力更强”，而是聚焦于数百万用户实际使用智能体完成的任务，例如编写代码、调试错误、进行研究、分析文档等，这些任务往往涉及多次工具调用和长轮对话。

Arena开始采用任务完成率、幻觉率等客观指标进行评分，这已经超越了最初“人类偏好投票”的范畴。

人工智能正从“聊天机器人”演变为能够独立完成任务的“智能体”，其承担的任务越来越复杂，重要性也日益提升。

评测，正成为人类洞察AI内部运作的最终手段。Arena的商业价值能够达到1亿美元乃至17亿美元，其核心逻辑在于，它赌定了这一评测环节将变得越来越重要，成本也随之攀升。

然而，最终所有参与者都将面临一个共同的问题：当机器开始自主出题时，谁才有资格进行评判？