美国AI评测平台LMArena近日宣布完成1.5亿美元A轮融资，投后估值达17亿美元（约合120亿元人民币）。本轮融资由Felicis Ventures与加州大学伯克利分校旗下UC Investments共同领投，A16Z、光速创投、The House Fund等知名风投机构跟投。这家成立仅两年的公司凭借独特的评测模式，在AI大模型竞争白热化的背景下，意外成为行业基础设施级平台。
LMArena的前身是学术组织LMSYS Org发起的Chatbot Arena项目。2023年，该组织由伯克利、卡内基梅隆等高校的研究者创立，旨在通过开源模型推动AI平民化。当团队发现传统评测方式无法有效区分模型性能时，创新性推出"匿名对战"机制：用户输入提示词后，系统随机选取两个模型生成回答，由用户匿名投票决定优劣。这种模拟真实使用场景的评测方式，迅速获得行业认可。
传统评测体系正面临严峻挑战。以MMLU、GSM8K为代表的基准测试，因模型"刷题"能力提升导致区分度下降，部分测试集甚至被模型针对性训练污染。更关键的是，这些标准化测试与实际应用场景存在脱节，导致"高分低能"现象普遍。LMArena通过收集超百万次真实用户偏好数据，构建起动态更新的排行榜，目前已有400余个大模型参与评测，月独立用户达数百万。
商业化转型过程中，LMArena展现出惊人的估值跃升。2025年5月种子轮融资时估值仅6亿美元，七个月后A轮估值暴涨至17亿美元。这种增长速度与其精简的团队形成鲜明对比——截至2026年初，公司仅有29名员工，人均估值超4亿元。投资机构看重的不仅是现有业务，更是其作为AI产业"裁判员"的潜在价值。
2025年9月推出的AI evaluations服务，标志着公司正式开启商业化进程。该产品为企业提供定制化模型评估，上线四个月即实现3000万美元年度经常性收入。更值得关注的是Inclusion Arena产品，通过API/SDK将评测嵌入真实AI应用，半年内收集50万次生产环境数据，构建起"AI持续集成/部署管道"。这种数据闭环不仅强化了排行榜权威性，更为监管合规提供可能路径。
公信力危机始终如影随形。2025年4月，多家研究机构指控LMArena协助meta操纵排名，称其通过增加大厂模型对战次数制造不公平优势。尽管公司否认指控并开源部分代码，但商业化进程中的利益冲突难以完全避免。领投方A16Z在投资逻辑中坦言，维持中立性将是最大挑战，但认为透明评测将成为AI监管刚需，未来可能衍生出类似"绿色认证"的行业标准。
当前，全球主要AI企业均将LMArena排名作为重要宣传指标。OpenAI、谷歌等公司新模型发布时，必在LMArena进行"打榜"。这种行业依赖性既带来商业机会，也埋下风险——当评测平台成为产业链关键节点，如何平衡商业利益与评测公正性将成为持久命题。公司正通过定期发布数据集、引入第三方审计等方式试图建立信任屏障，但其商业模式本质上仍依赖行业共识的维持。
