一家不直接开发AI的公司，却实现了每年1亿美元的收入。
这项商业上的成功归功于Arena，一个在大型语言模型领域备受瞩目的平台。Arena的前身是Chatbot Arena，最初是加州大学伯克利分校团队在2023年启动的一项开源研究项目。
短短时间内，它已成为掌握大型模型核心竞争力的关键阵地。在Arena商业化服务推出仅8个月后，其年化营收便达到了1亿美元，创下了新的里程碑。
ChatGPT、Claude等模型在此“刷榜”，Arena成为大型模型竞技场
Arena对于许多人来说并不陌生。它最受关注的特点是，通过用户真实的匿名测试，构建了一个大型模型排行榜。
其运作方式极为简单却又充满竞争性：用户输入指令，系统随机派出两个匿名模型进行回应，然后由用户选出更优的答案。
系统汇集了数千万这样的用户投票，形成一个类似于Elo的排行榜。正是这种“擂台赛”的机制，使其成为了全球AI爱好者和开发者的聚集地。目前，该平台已积累了超过1000万次用户评测、7亿次对话、8200万张投票，每月吸引超过1000万访客，遍布全球150多个国家。
尤为关键的是，平台每天约80%的用户提问都是全新的，这确保了没有任何模型能够提前“准备”答案。
该平台的含金量不言而喻。OpenAI、谷歌、Anthropic、Meta等竞争激烈的顶尖科技公司，都将自家旗舰模型提交到Arena接受社区的检验。甚至有报道称，OpenAI在GPT-5正式发布前，曾以代号“summit”悄悄在此进行测试。
换言之，硅谷最顶尖的模型，都在等待一个伯克利学生项目来为其“盖章认证”。
1亿美元营收如何实现？
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“吸金兽”的呢？
去年9月，Arena推出了名为AI Evaluations的商业服务。模型开发商和企业可以付费，利用Arena庞大的社区用户群体，对自家模型进行深入评测，从而获得仅凭跑分无法获得的“真实世界”性能分析。
这套服务被描述为一套“面向真实世界的CI/CD系统”。模型一旦准备好公开发布，Arena会通过社区免费进行评测；而企业若想了解自家模型在真实用户使用场景下的优势、劣势以及潜在问题，则需要付费使用此项服务。
这是一种典型的“卖水人”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。随着大型模型厂商的竞争日益激烈，它们对这种“上线后调优”服务的需求也越来越大。Arena恰好处于所有参与者都必须经过的关键节点。
三位伯克利人打造最赚钱的AI生意
Arena的前身是Chatbot Arena，而它又隶属于伯克利著名的LMSYS研究小组。
最初，两位伯克利的室友怀着一个朴素的愿望——为大型语言模型搭建一个中立的比较平台，让大家能够公平地进行比拼。谁也没想到，这个学生项目竟然一路高歌猛进，发展成为一家独角兽企业。
项目发展的速度令人惊叹：2025年春天，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。几个月后，其商业产品上线，仅四个月就实现了3000万美元的年化营收。随后，今年1月，由Felicis和UC Investments领投的1.5亿美元A轮融资到位，投后估值定格在17亿美元。
公司的核心团队成员也非等闲之辈。CEO Anastasios Angelopoulos，拥有深厚的数学背景，曾在斯坦福师从凸优化领域的知名学者Stephen Boyd，并在伯克利攻读博士期间，师从机器学习大师Michael I. Jordan和计算机视觉专家Jitendra Malik。他的研究方向一直是为“黑箱”模型提供数学上严谨的评估方法。
CTO Wei-Lin Chiang是开源社区的知名人物，曾开发出广受欢迎的开源聊天机器人Vicuna。他在伯克利师从分布式系统专家Ion Stoica，并曾在谷歌、亚马逊、微软等公司有过工作经验。在ChatGPT于2022年底公测后，他将之前的研究重心全部转移到了Arena项目。
搭档Angelopoulos形容他对该项目的投入是“一份用爱发电的事业”。为了这个项目，两人曾长时间一同工作，甚至搬到一起居住。这对室友共同构建了一家估值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。在项目于2025年4月公司化之前，他一直担任该项目的顾问。
成为“裁判”比成为“选手”更重要
Arena最新的进展是推出了Agent Mode（智能体模式）。这项新功能评测的已不再仅仅是“谁的聊天能力更强”，而是用户在智能体上进行的真实操作，包括编写代码、调试错误、进行研究、分析文档等，这些通常涉及数百万次工具调用和多轮交互的长任务。
Arena开始采用任务完成率、幻觉率等客观指标进行评分，这已经远远超出了最初“人类偏好投票”的范畴。
随着AI从“聊天机器人”进化为能够独立完成任务的“智能体”，其任务的复杂性和重要性也在不断提升。评测，成为了人类深入了解AI内部运作的最后一道“探针”。
Arena之所以能够创造1亿美元乃至17亿美元的商业价值，其核心在于押注“评测”这一环节将变得越来越重要，其价值也会越来越高。然而，最终所有人都将面临一个问题：当机器开始自主出题时，谁才有资格来阅卷？