格蕾丝·李（Grace Li）团队2025年临近毕业时，在捣鼓一个AI游戏引擎。模型能把游戏做出来，能跑、能操作，但没人觉得好玩。问题随之而来：AI怎么判断自己做的东西好不好玩？这个具体的困惑，后来长成了一门自称年化营收6000万美元的生意——DesignArena。8月3日，母公司Intelligence宣布完成790万美元种子轮，由Index Ventures领投，Conviction（Sarah Guo、Mike Vernal）、A*、Valkyrie等跟投。
速读：这轮融资在赌什么
- 融资主体.Intelligence（DesignArena母公司），790万美元种子轮
- 运作机制.用户在网站发起需求（网站、图片等十几种视觉格式），平台把不同模型的产出做成"A vs B"盲选，让用户排出好坏
- 官方口径.5.3M用户，ARR达6000万美元
- 收入来源.真正付费方是前沿AI实验室，买的是实时人类偏好数据；平台还能按地区、时间追踪审美变化——李提到，亚洲用户的网页仪表盘设计偏好明显更"满"
为什么审美成了模型的新瓶颈
自动化基准能测代码跑不跑得通、图片符不符合提示词，却很难回答"好不好看""好不好用"这种主观问题。上周Hugging Face遭遇的入侵事件提了个醒：自动评测机制一旦被摸透规则，就有被刷分的空间。人类反馈被寄希望于补上这个缺口。
"天下熙熙，皆为利来，天下攘攘，皆为利往"，司马迁这句话放在DesignArena的商业逻辑里意外贴切——用户不在乎自己在给哪个模型投票，只想拿到最好的输出；实验室愿意为这份"诚实"付费。各取所需，交易成立。
但多数票不等于客观真理。这一批用户、这套界面、这些提示词下投出的偏好，换一批样本、换一个地区，结果可能完全不同。人类评测同样能被摸清规律去优化讨好，和自动基准被刷分，本质上是同一种风险，只是换了个作弊对象。
我的判断：护城河不是投票量
Yupp是最直接的参照。它融过3300万美元（来自a16z crypto的Chris Dixon），也拿下过前沿模型客户，声称有130万用户，今年初照样关了门。同一条赛道里，LM Arena今年1月刚拿到1.5亿美元A轮，活得很好。
三家公司证明的是同一件事：人类反馈是真需求，前沿实验室愿意为此付钱；但用户规模、投票总量从来不是护城河。真正决定生死的，是数据质量能不能持续帮模型改进、实验室会不会续费、公司能不能把偶发的付费意向变成稳定收入。
- 风险.5.3M用户、6000万美元ARR都是Intelligence自己的说法，目前没有第三方数据佐证，也不能据此推算公司已经盈利。
DesignArena讲的故事很讨喜：让普通人的审美偏好，变成AI模型进化的燃料。但故事讲得好不好听，和这门生意能不能长久续费，是两件事。
审美这门生意，赢在用户投票，输也在用户投票。
Yupp的墓碑立在那儿，提醒的正是这一点。