阿里、腾讯、红杉中国，三家共同出手一个项目，在过去十年间发生的次数，用一只手数得过来。

近日，投中网独家获悉，AI训练与评测初创公司UniPat AI已完成新一轮3亿美元（约20亿元）的融资，投前估值25亿美元（约168亿元），阿里巴巴领投，腾讯和原有股东红杉中国共同参与。公司此前股东名单中还包括砺思资本和锦秋基金。

这轮融资的特点有三“最”：25亿美元的投前估值，是中国AI测评赛道目前公开的最高估值；3亿美元的单轮融资，在全球同行业中位居前列；成立不足一年，是这个赛道里最短的创业史。

出生于1995年的创始人李宽，去年还只是阿里巴巴通义实验室的一名实习生。从实习生到近170亿元的独角兽，他只用了一年。

三项纪录，叠加三家机构罕见同框，这到底是一家什么样的公司？

阿里前实习生带队

李宽去年在阿里巴巴通义实验室实习时主攻的是训练后分析、数据合成和强化学习方向，是BabyVision论文的通讯作者。

李宽的具体年龄并未公开披露。不过，阿里通义实验室向来偏爱从顶尖高校的应届生或在校生中招募实习生，李宽并非个例。UniPat的联合创始人陈亮，北大计算语言学研究所博士，师从国内NLP领域的知名学者常宝宝。

团队核心成员的学术背景由此可窥一斑：大多处于学术生涯早期，不少人本身就是学生身份。公开报道也提及，其团队成员拥有阿里通义实验室、清华大学、北京大学等机构的研究背景。

招聘平台介绍为：“UniPat团队由十余位来自头部大模型公司的顶尖研究员联合创立，顶级美元 VC 投资，业务增长迅猛”。

2025年末，李宽离开通义，在上海注册成立UniPat。公司名称取自Universe of Patterns，意为“模式的宇宙”，开发与应用的核心，由有价值的模式构成。

公司开源了视觉智能体框架SWE-Vision，让模型以编写Python代码的方式验证自身的视觉判断。在覆盖基础感知、图表推理、数学问题求解、空间理解与多步骤视觉挑战的五个主流视觉基准中，SWE-Vision全部取得当前最优结果，其中BabyVision得分64.4，MathVision得分94.0。

这两个数字的分量在于，BabyVision已被多家近期发布的重磅模型纳入评测体系，并在技术报告中被引用。从开源框架到获得行业头部认可，UniPat用时不到一年。

值得注意的是，BabyVision并非一般的跑分榜单。这份由UniPat与红杉中国xbench联合发布的评测集，瞄准的是AI的纯视觉能力。团队围绕人类在婴幼儿期就具备的原子级视觉技能，如细粒度辨识、视觉追踪、空间感知、视觉模式识别设计了388道题、22个子任务。结果显示，连Gemini 3 Pro-Preview这样的顶尖模型也只拿到49.7分，连6岁小孩都不如，成年人平均分是94.1。换言之，最先进的AI在“看”这件事上，仍然不如一个幼儿园小朋友。

这是UniPat被顶级机构同时看中的真正原因。它在重新校准整个行业对“AI智能”的认知框架。

UniPat的业务并不复杂：不研发模型，而是为模型提供训练数据与评测标准。

具体而言，公司基于真实使用场景设计测试与评估环境，生成高质量的训练与评测数据，出售给AI研究机构与企业。基准测试覆盖三个方向：AI编程智能体的软件工程能力、浏览器智能体的网页操作能力，以及前沿多模态模型的视觉推理能力。

这门生意的前提是，造模型的机构越来越多，却没有谁能说清楚谁家的模型真正好用。

过去两年，AI竞争的主旋律是堆参数，模型更大、算力更多、数据更海量，就意味着更强。这条路如今撞上了两道“墙”。

第一道是数据供给。版权与隐私限制不断收紧，互联网上可供抓取的高质量文本快速枯竭，大模型训练面临数据短缺，合成数据从备选项变成了必选项。

第二道是评测可信度。模型在公开榜单上分数亮眼，在真实场景中却常常表现失准。刷榜、过拟合测试集、数据污染，几乎成为公开的秘密。企业客户同样受此困扰：发布会上宣称的SOTA，到了实际业务里往往是另一回事。

也就是说，好数据不够用了，好模型的好也难以证明。UniPat切入的正是这两道“墙”。它既解决数据从哪里来的问题，又解决模型究竟行不行的问题，并将这两个环节的标准制定权握在手中。

这也是一种卖水人逻辑。淘金热中最稳健的生意是卖水；它比卖水更进一步，是为淘金者提供工具与标准。

阿里、腾讯、红杉，罕见同框

25亿美元估值，一步跨入独角兽行列。横向比较，这个价格并不离谱。

放眼全球，AI测评这一新生赛道的玩家大致分三类：数据标注派，以Scale AI、Surge AI为代表；人工数据交易与测试服务派，以Mercor为代表；独立基准测试派，以Artificial Analysis与Chatbot Arena为代表。

UniPat的独特之处在于，它同时跨越这三类的边界，既做合成数据生成，又做独立评测标准，这在全球范围内几乎找不到完全对标的对象。这也是为何选取以下三家公司逐一对比的原因：

去年6月，Meta出资143亿美元入股Scale AI，获得49%股权，对应估值约290亿美元。Mercor正在洽谈按200亿美元估值融资，较UniPat高出一个量级。值得一提的是，Mercor的三位联合创始人平均22岁，去年10月以22岁年龄成为全球最年轻白手起家的亿万富翁。而Artificial Analysis与Chatbot Arena，两家均无公开的估值与融资数据。

也就是说，在AI测评的全球竞争格局中，UniPat不是最贵的。它只是中国公司中估值最高的。

阿里与腾讯同时出现在同一份股东名单中，在过去十年的中国创投市场里也属于稀缺事件。两家体量庞大，均有自己的AI战略，也都不缺乏投资标的。能让它们选择合投的项目，通常具备两个特征：要么是不得不投的卡位赛道，要么是稀缺到必须争夺的资产。

UniPat属于两者兼备。

对阿里而言，投资前员工是一件顺理成章的事。阿里近两年在AI agent与模型即服务领域动作密集，通义系列处于国内第一梯队。投资一家从通义实验室走出来的公司，等于押注通义系创业生态的扩张，既是业务协同，也是组织能力的延伸。

腾讯的出现比较意外，腾讯作为阿里在国内AI领域最主要的竞争对手之一，出现在竞购名单中，就显得不同寻常。但站在腾讯的角度来看也不难理解：这是基础设施层的卡位。腾讯在大模型上走应用驱动路线，混元的对外影响力不及通义，但它对AI下一步瓶颈所在的判断并不逊色。数据、评测、标准，这三个节点掌握在谁手中，谁就在未来的模型采购与生态构建中掌握议价权。UniPat可能会是腾讯能够触达这一节点的少数路径之一。

红杉中国属于老股东加注，早期进场的砺思资本、锦秋基金仍在股东名单中。红杉持续加码的信号意义大于资金意义：头部VC的连续投资，相当于为后续的产业资本与二级市场提供了背书。

三家考量不同，但下了一个相同的判断：模型层已经被瓜分殆尽，下一轮的议价权必然转向模型之外，具体到眼下，就是数据、评测、标准这三个节点。

这也是为什么，一家成立不到一年的公司，能同时拿到当前估值最高、融资额最大、成立时间最短这三个“最”。