1515
作者 | 方文三
AI的飛速發(fā)展離不開數(shù)據(jù)的支撐，而在數(shù)據(jù)被用于訓(xùn)練之前，其必須經(jīng)過嚴(yán)謹(jǐn)?shù)奶幚砗途?xì)的標(biāo)注。
在人工智能發(fā)展的三大支柱——算力、數(shù)據(jù)和算法中，Scale AI深諳數(shù)據(jù)之道，尤其是在這一領(lǐng)域尚顯空白的背景下，其成功更顯難能可貴。
而與之形成鮮明對比的是，當(dāng)前絕大多數(shù)AI創(chuàng)業(yè)公司仍處于巨額虧損的困境之中，而Scale AI卻已接近盈虧平衡的狀態(tài)，這無疑為其在競爭激烈的市場中贏得了寶貴的優(yōu)勢。
Scale AI融資10億后，市值飆升至138億
在舊金山的Showplace廣場，一座曾歸屬Airbnb的商業(yè)建筑近期易主。
在當(dāng)前多數(shù)科技公司普遍縮減業(yè)務(wù)的背景下，Scale AI——一家由95后華人創(chuàng)辦的人工智能數(shù)據(jù)標(biāo)注企業(yè)，毅然承租了舊金山市中心約18萬平方英尺的辦公空間。
近年來，Scale AI展現(xiàn)出強勁的發(fā)展勢頭。至2021年，其企業(yè)估值已攀升至約73億美元；
而在2024年5月完成的新一輪10億美元融資后，其估值更是飆升至驚人的138億美元。
本輪F輪融資由硅谷知名投資機構(gòu)Accel領(lǐng)投，除YC、英偉達(dá)等既有投資者外，還吸引了包括亞馬遜、Meta、AMD、高通、思科、英特爾等在內(nèi)的眾多新投資者加入，參與機構(gòu)總數(shù)高達(dá)22家。
近日，Scale AI已達(dá)成接近10億美元的年度收入，與去年同期相比，實現(xiàn)了高達(dá)四倍的增長。
而反觀OpenAI，其在去年底的年度收入僅為16億美元，預(yù)計今年方能突破35億美元大關(guān)。
AI市場何其大，Scale AI只取一瓢
在AI領(lǐng)域的廣闊版圖中，數(shù)據(jù)、算法與算力被視為三大基石。
將英偉達(dá)喻為算力領(lǐng)域的[賣鏟人]，則Scale AI等專注于數(shù)據(jù)標(biāo)注的公司無疑是數(shù)據(jù)領(lǐng)域的[賣鏟者]。
大模型的研發(fā)深度依賴于英偉達(dá)提供的強大算力，而AI模型的持續(xù)進步則離不開高質(zhì)量、精心標(biāo)注的數(shù)據(jù)支持。
曾有一時，[數(shù)據(jù)是新的石油]之喻頗為流行。然而，Alexander Wang對此持有獨到見解。
他認(rèn)為，石油作為稀缺資源，其價值顯而易見；而數(shù)據(jù)則更為豐富多元，且數(shù)據(jù)之間并非等價。
真正有價值的，是那些經(jīng)過深思熟慮、精心拼接的高質(zhì)量、差異化數(shù)據(jù)。
這一理念，成為了Scale AI發(fā)展的核心理念。
Alexander Wang自豪地表示：[在生成式AI的淘金熱中，Scale AI扮演著鎬子與鏟子的角色。]
當(dāng)眾多企業(yè)競相挖掘AI領(lǐng)域的金礦時，Scale AI獨辟蹊徑，以其專業(yè)的數(shù)據(jù)標(biāo)注服務(wù)在這場激烈的競爭中占據(jù)了獨特而重要的位置。
在生成式AI的蓬勃發(fā)展時期，大模型的三大基石——數(shù)據(jù)、算法、算力，均步入了全新的發(fā)展階段。
隨著基于Transformer的算法不斷演進，以及算力的大幅提升，數(shù)據(jù)成為了限制大模型進一步發(fā)展的關(guān)鍵因素。
當(dāng)前，大模型已近乎耗盡了互聯(lián)網(wǎng)上所有易于獲取的數(shù)據(jù)資源。若缺乏高質(zhì)量數(shù)據(jù)的持續(xù)供給，大模型或?qū)⑾萑胄阅芡睦Ь场?/p>
因此，在AI的新紀(jì)元中，數(shù)據(jù)資產(chǎn)被視為亟待挖掘的寶貴金礦，而圍繞數(shù)據(jù)展開的[工具提供者]（即[賣鏟人]）將迎來前所未有的發(fā)展機遇。
巨頭執(zhí)著大模型訓(xùn)練，Alexander Wang退學(xué)創(chuàng)業(yè)
Alexandr Wang，出生于1997年1月19日，籍貫為新墨西哥州的洛斯阿拉莫斯。
其父母均為中國移民，且均在洛斯阿拉莫斯國家實驗室擔(dān)任物理學(xué)家之職。
Wang自高中時代便展露出卓越的編程才能，并于年僅18歲時成功考入麻省理工學(xué)院，專攻機器學(xué)習(xí)領(lǐng)域。
然而，在MIT的學(xué)術(shù)光環(huán)與廣闊前景中，他毅然做出了一個極具挑戰(zhàn)性的決定——輟學(xué)創(chuàng)業(yè)。
2016年，Wang攜手Lucy Guo共同創(chuàng)立了ScaleAI，旨在攻克人工智能領(lǐng)域中的一項關(guān)鍵難題——數(shù)據(jù)標(biāo)注。
Wang深諳數(shù)據(jù)之于AI模型成功的重要性，他堅信隨著模型規(guī)模的不斷擴大，對數(shù)據(jù)的需求也將呈現(xiàn)指數(shù)級增長。
因此，他創(chuàng)辦ScaleAI的初衷正是為了從根本上解決人工智能領(lǐng)域的數(shù)據(jù)難題。
彼時，Scale AI的愿景似乎與業(yè)界的主流趨勢背道而馳，當(dāng)眾人皆致力于以人工智能替代人力之時，Scale AI卻反其道而行之，專注于利用大量人力去完成那些人工智能尚難以勝任的任務(wù)。
盡管數(shù)據(jù)標(biāo)注業(yè)務(wù)表面上似乎門檻較低，但在2016年左右的[AI沉寂期]期間，該領(lǐng)域幾乎處于市場空白的狀態(tài)，僅有谷歌、亞馬遜等少數(shù)大型公司擁有自己的數(shù)據(jù)標(biāo)注部門。
然而，這正是Scale AI的獨特優(yōu)勢所在。在人工智能公司收集的海量原始數(shù)據(jù)中，這些數(shù)據(jù)在輸入模型之前，亟需通過標(biāo)簽進行注釋。
然而，這一繁重而復(fù)雜的工作，大多數(shù)公司只能依靠手動完成。
Scale AI的出現(xiàn)，則為這些公司提供了全新的解決方案。
尤為值得一提的是，Alexander Wang還敏銳地把握住了自動駕駛興起的契機。
他帶領(lǐng)團隊為自動駕駛汽車所依賴的雷達(dá)和傳感器生成的三維圖像進行精準(zhǔn)的數(shù)據(jù)標(biāo)注。
這些經(jīng)過標(biāo)注的高質(zhì)量數(shù)據(jù)，無疑將極大地提升自動駕駛系統(tǒng)的性能，為自動駕駛技術(shù)的發(fā)展貢獻了一份力量。
從外包轉(zhuǎn)型，專注于提供大規(guī)模數(shù)據(jù)標(biāo)注
Scale AI在其早期發(fā)展階段，核心業(yè)務(wù)聚焦于為自動駕駛行業(yè)的企業(yè)提供數(shù)據(jù)標(biāo)注的外包服務(wù)。
2018年，Scale AI明確提出了公司的戰(zhàn)略目標(biāo)，即[構(gòu)建一個可靠、經(jīng)濟高效且可擴展的基礎(chǔ)架構(gòu)，以簡化并加速令人矚目的應(yīng)用程序的構(gòu)建過程]。
這一轉(zhuǎn)變標(biāo)志著Scale AI不再滿足于作為傳統(tǒng)數(shù)據(jù)標(biāo)注服務(wù)提供商的角色，而是致力于發(fā)展成為以數(shù)據(jù)標(biāo)注為核心競爭力的應(yīng)用開發(fā)平臺。
然而，自2022年以來，隨著Scaling Law理論的推動，大型模型的參數(shù)規(guī)模迅速擴大，且對訓(xùn)練數(shù)據(jù)的需求急劇增加。
在這一背景下，Scale AI積極調(diào)整戰(zhàn)略方向，與OpenAI等領(lǐng)先企業(yè)建立合作關(guān)系，逐漸轉(zhuǎn)型為專注于提供大規(guī)模數(shù)據(jù)標(biāo)注的專業(yè)服務(wù)提供商。
在此過程中，Scale AI構(gòu)建起了強大的數(shù)據(jù)標(biāo)注與治理能力，成為連接第三方大模型與客戶應(yīng)用場景的橋梁。
他們雖不直接提供大模型產(chǎn)品，但擅長于運用客戶私有數(shù)據(jù)對主流大模型進行適配與優(yōu)化，確保其在特定場景下的精準(zhǔn)應(yīng)用。
此外，Scale AI還積極拓展G端市場，業(yè)務(wù)迅速向政府部門滲透。
特別是與美國國防部等政府機構(gòu)的成功合作，不僅為公司帶來了可觀的經(jīng)濟收益（如2022年單筆2.5億美元的合同），更驗證了公司在國家安全與軍事領(lǐng)域的應(yīng)用價值。
敏銳識市場機遇，把握了AI多個重要轉(zhuǎn)折點
①在Scale AI成立后的初期階段，公司敏銳地洞察到該領(lǐng)域?qū)Υ笠?guī)模且嚴(yán)格的數(shù)據(jù)標(biāo)注需求。
自動駕駛技術(shù)的推進高度依賴于海量高精度的標(biāo)注數(shù)據(jù)，涵蓋道路場景、行人及多種物體的圖像資料。汽車制造商亟需數(shù)萬小時的視頻數(shù)據(jù)以進行標(biāo)注，進而訓(xùn)練并驗證其算法。
縱觀整個自動駕駛行業(yè)，彼時超過九成的數(shù)據(jù)標(biāo)注工作仍以人工操作為主導(dǎo)。
Scale AI憑借高效的數(shù)據(jù)標(biāo)注平臺，以及創(chuàng)新的模型輔助標(biāo)注與數(shù)據(jù)預(yù)處理技術(shù)，有效加速了數(shù)據(jù)處理流程，顯著降低了標(biāo)注的成本與時間消耗；
從而吸引了包括Waymo、Cruise等當(dāng)時備受矚目的企業(yè)成為其客戶，并在自動駕駛數(shù)據(jù)標(biāo)注領(lǐng)域穩(wěn)固了市場地位。
②在自動駕駛領(lǐng)域取得初步成功后，Scale AI進一步將業(yè)務(wù)版圖擴展至AIaaS（AI即服務(wù)）市場。
公司從單一的數(shù)據(jù)標(biāo)注服務(wù)出發(fā)，逐步構(gòu)建起涵蓋數(shù)據(jù)標(biāo)記與管理、模型訓(xùn)練與評估，以及AI應(yīng)用開發(fā)與部署的全鏈條解決方案。
③面對部分行業(yè)數(shù)據(jù)稀缺的難題，Scale AI還積極向下游拓展，涉足合成數(shù)據(jù)生成領(lǐng)域。
通過利用現(xiàn)有數(shù)據(jù)資源創(chuàng)造全新的數(shù)據(jù)集，公司有效助力了模型訓(xùn)練過程。
在接下來的幾年里，Scale AI在數(shù)據(jù)領(lǐng)域?qū)崿F(xiàn)了迅速崛起，其客戶群體也拓展至醫(yī)療、國防、電商、政府服務(wù)等多個領(lǐng)域。
在公司成立兩年多的時間里，其營收已接近五千萬美元大關(guān)。
④Scale AI還精準(zhǔn)捕捉到了生成式AI崛起的契機。
早在GPT-2時代，公司便與OpenAI攜手開展了首次融入人類反饋的強化學(xué)習(xí)合作實驗，并隨后將這些先進技術(shù)拓展至InstructGPT及其他相關(guān)領(lǐng)域。
鑒于生成式AI模型對于海量訓(xùn)練數(shù)據(jù)的迫切需求，以提升其生成內(nèi)容的精準(zhǔn)度與多樣性，大語言模型的蓬勃興起極大地推動了行業(yè)對高質(zhì)量標(biāo)注數(shù)據(jù)的渴求。
Scale AI通過整合數(shù)據(jù)標(biāo)注、數(shù)據(jù)合成等服務(wù)，為生成式AI的發(fā)展提供了堅實的數(shù)據(jù)支撐。
此外，公司還致力于為企業(yè)提供定制化API的快速生成服務(wù)，有效降低了企業(yè)自行訓(xùn)練模型的復(fù)雜性與成本。
針對生成式AI領(lǐng)域，Scale AI已推出了一整套平臺服務(wù)，涵蓋開發(fā)者工具平臺Scale Spellbook、合成數(shù)據(jù)產(chǎn)品Scale Synthetic以及企業(yè)級GenAI平臺等。
旨在確保企業(yè)在任何場景下都能獲得充足的數(shù)據(jù)支持，以推動模型的訓(xùn)練與優(yōu)化。
結(jié)尾：
盡管AI行業(yè)的蓬勃發(fā)展推動了Scale AI銷售額的顯著增長，但也加劇了行業(yè)內(nèi)的激烈競爭。
在此背景下，Alexander Wang對公司在吸引和保留關(guān)鍵人才方面可能面臨的劣勢表示關(guān)切。
值得注意的是，Scale AI在Glassdoor等職場評價平臺上的評分（3.5分）相較于OpenAI（4.3分）和Figma（4.4分）等業(yè)界同行處于較低水平，這無疑對公司的品牌形象構(gòu)成了挑戰(zhàn)。
部分資料參考：創(chuàng)業(yè)邦：《給AI公司[打雜]，95后華人把估值做到138億美元》，AI科技評論：《Alexander Wang 如何用 24 萬數(shù)字游民打造數(shù)據(jù)標(biāo)注王國》，九合創(chuàng)投：《Scale AI 啟示錄》，智能超參數(shù)：《硅谷投資人對話Scale AI創(chuàng)始人：模型競爭進入第三階段，純模型租賃不是好生意》，中信證券研究：《Scale AI：從數(shù)據(jù)標(biāo)注，到AI應(yīng)用落地》，新智元：《27歲華裔天才少年再獲融資，數(shù)據(jù)標(biāo)注會是下一個風(fēng)口？》， AAIA亞太人工智能學(xué)會 AIGC：《用8年將Scale AI估值從0推至138億，未來會怎樣?》
