0
| 本文作者： 劉潔 | 2024-10-10 10:25 |
這位世界上最年輕的白手起家的億萬(wàn)富翁，曾在首次登上福布斯排行榜后迅速跌落，但幾年后就重新奪回了這一頭銜。給 Alexander Wang 帶來(lái)這個(gè)極具傳奇性的名號(hào)的，是他的數(shù)據(jù)工廠—— Scale AI。
最近，Scale AI 實(shí)現(xiàn)了將近 10 億美元的年化收入，同比增長(zhǎng)了足足 4 倍。
這條消息一出引發(fā)眾多關(guān)注，Scale AI 到底做了什么才能賺到這么多錢？要知道，去年年底 OpenAI 的年化收入也僅有 16 億美元，今年才有望超越 35億美元。
Scale AI 做的事情很簡(jiǎn)單，給人工智能模型提供數(shù)據(jù)標(biāo)注服務(wù)，沒(méi)有什么黑科技但真的很賺錢。
畢竟人工智能模型的三駕馬車算力、數(shù)據(jù)和算法，只要吃透一塊就能賺得盆滿缽滿，更別說(shuō)數(shù)據(jù)領(lǐng)域在此之前可以算得上是一片空白。
被問(wèn)及他是如何建立起 Scale AI 這個(gè)人工智能模型的“數(shù)據(jù)工廠”時(shí)，Alexander Wang 曾很凡爾賽地表示只是某個(gè)“夏天隨便玩玩的事”。
早在九年級(jí)的時(shí)候，Alexander Wang 就對(duì)創(chuàng)業(yè)充滿熱情，常和朋友一起制定自己的創(chuàng)業(yè)計(jì)劃。
高中時(shí)期，他已經(jīng)積累了好幾份創(chuàng)業(yè)中期企業(yè)的工作經(jīng)歷，因此到了大學(xué)，同齡人努力爭(zhēng)取的大廠實(shí)習(xí)已經(jīng)無(wú)法滿足他自我提升的需求了。
在麻省理工學(xué)院學(xué)習(xí)的一年里，Alexander Wang 沉迷于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，同時(shí)修讀了五門研究生難度的計(jì)算機(jī)課程，并且拿到了滿分 5.0 的績(jī)點(diǎn)。
但 Alexander Wang 厭倦了學(xué)術(shù)，他更想成為這個(gè)領(lǐng)域的實(shí)踐者?？吹娇萍脊驹蚁鲁砂偕锨|美元訓(xùn)練模型時(shí)，Alexander Wang 意識(shí)到機(jī)會(huì)近在咫尺，果斷從麻省理工學(xué)院退學(xué)，和之前在 Quara 結(jié)識(shí)的 Lucy Guo 共同創(chuàng)立了 Scale AI。
在當(dāng)時(shí)的人看來(lái)，Scale 要做的事情似乎與行業(yè)潮流背道而馳，人人都在嘗試用人工智能代替人力，而 Scale 卻要用大量人力去做人工智能做不了的事情。
但這正是 Scale AI 的優(yōu)勢(shì)所在，人工智能公司為模型訓(xùn)練收集了海量的原始數(shù)據(jù)，但在這些數(shù)據(jù)輸入人工智能模型之前，需要用標(biāo)簽對(duì)其進(jìn)行注釋，大多數(shù)公司只能手動(dòng)完成這項(xiàng)艱巨的任務(wù)。Scale AI 給了他們提供了新的選擇。
“我們幫助客戶解鎖這些數(shù)據(jù)，”Alexander Wang 說(shuō)，“這讓他們脫離了起跑線?！?/p>
Alexander Wang 抓住了自動(dòng)駕駛興起的機(jī)會(huì)，幫助自動(dòng)駕駛汽車用雷達(dá)和傳感器生成的三維圖像進(jìn)行數(shù)據(jù)標(biāo)注，標(biāo)注后的高質(zhì)量數(shù)據(jù)能夠讓另一端獲得更好的性能。
短短幾年，Scale AI 就擴(kuò)張到了令人咋舌的地步。
目前，Scale AI 已經(jīng)累計(jì)收獲了 135 億美元的投資，估值達(dá)到 138 億美元。Alexander Wang 也依靠 Scale AI 兩次拿下福布斯排行榜上“最年輕的白手起家的億萬(wàn)富翁”的稱號(hào)，但他的成功也伴隨著爭(zhēng)議。
依靠大量的海外廉價(jià)勞動(dòng)力，Scale AI 才能吃下數(shù)據(jù)龐大的標(biāo)注項(xiàng)目，也因此被指責(zé)是在剝削和壓榨。聯(lián)合創(chuàng)始人 Lucy Guo 的出走更是加劇了外界對(duì) Alexander Wang 行事風(fēng)格的批評(píng)。
Alexander Wang 的成長(zhǎng)故事可以說(shuō)是一出典型的“天才少年”劇本。
他出生在新墨西哥州的一個(gè)中國(guó)移民家庭，父母都是洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室的物理學(xué)家。Alexander Wang 回憶道，還在上幼兒園時(shí)，他的父母就開(kāi)始給他講解高級(jí)物理。
在父母的影響下，Alexander Wang 從小就對(duì)數(shù)學(xué)和計(jì)算機(jī)編程充滿熱情。
十幾歲時(shí)，Alexander Wang 已經(jīng)是各大數(shù)學(xué)和物理比賽的?？?。2013 年，他成功入圍了數(shù)學(xué)奧林匹克項(xiàng)目，并且 2012 年和 2013 年連續(xù)兩年入圍 USACO（美國(guó)計(jì)算機(jī)奧林匹克競(jìng)賽）決賽。洛斯阿拉莫斯的家中擺滿了他和哥哥們的競(jìng)賽獎(jiǎng)杯。
憑借比賽中出色的表現(xiàn)，Alexander Wang 高中還未畢業(yè)就收到了大量來(lái)自硅谷頂尖科技公司的拋出的橄欖枝。
17 歲時(shí)，Alexander Wang 離開(kāi)了高中，前往硅谷工作，后來(lái)成為了問(wèn)答網(wǎng)站 Quora 的一名工程師。在 Quora 的這一年里，他每天投入 12 個(gè)小時(shí)撲在工作上，并把這份熱情延續(xù)到現(xiàn)在。
舊金山開(kāi)設(shè)過(guò)一個(gè)名為 SPARC（應(yīng)用理性與認(rèn)知暑期課程）的夏令營(yíng)，旨在將有才華的數(shù)學(xué)和科學(xué)學(xué)生聚集在一起。就是在那里，Alexander Wang 注意到了 AI 的開(kāi)創(chuàng)性潛力，并結(jié)識(shí)了 OpenAI 聯(lián)合創(chuàng)始人 Greg Brockman 和 Anthropic 的首席執(zhí)行官 Dario Amodei，在他們的鼓勵(lì)下主動(dòng)了解了更多與 AI 有關(guān)的技術(shù)知識(shí)。
2015 年，Alexander Wang 去了麻省理工學(xué)院學(xué)習(xí)數(shù)學(xué)和計(jì)算機(jī)科學(xué)。大一時(shí)，他同時(shí)兼顧了五門研究生計(jì)算機(jī)科學(xué)課程，還開(kāi)發(fā)了一款名為 Ava 的應(yīng)用程序，用于幫助用戶預(yù)約醫(yī)生。
正是在這個(gè)階段，他和在線炒房游戲 Opendoor 的首席執(zhí)行官 Eric Wu 有過(guò)幾次深入對(duì)話。Eric Wu 鼓勵(lì)他趁著年輕時(shí)冒險(xiǎn)，告訴他應(yīng)該嘗試從初創(chuàng)公司開(kāi)始，而不是在成熟的科技公司工作。
“我知道如果我沒(méi)有在最佳時(shí)機(jī)冒險(xiǎn)成為一名企業(yè)家，我會(huì)后悔的，”Alexander Wang 在博客里寫道，“如果現(xiàn)在不愿意邁出這一步，那什么時(shí)候會(huì)愿意呢？”
Alexander Wang 意識(shí)到，機(jī)器學(xué)習(xí)和人工智能術(shù)已經(jīng)進(jìn)入早期應(yīng)用，未來(lái)必然會(huì)掀起一場(chǎng)技術(shù)革命。他也敏銳地捕捉到一個(gè)市場(chǎng)痛點(diǎn)：人人都需要海量的數(shù)據(jù)，但人人都不愿意花費(fèi)太多精力在繁瑣的數(shù)據(jù)處理上。
年僅 19 歲的他在麻省理工學(xué)院就讀一年后選擇了退學(xué)，和 Lucy Guo 共同創(chuàng)立了 Scale AI，瞄準(zhǔn)了 AI 眾多賽道中還未發(fā)掘的一片藍(lán)海——數(shù)據(jù)標(biāo)注。
AI 領(lǐng)域有三個(gè)公認(rèn)的基石：數(shù)據(jù)、算法和算力。
如果說(shuō)英偉達(dá)是算力的賣鏟人，那么像 Scale AI 這樣的數(shù)據(jù)標(biāo)注公司就是數(shù)據(jù)的賣鏟人。大模型的研發(fā)依賴于英偉達(dá)提供的算力，人工智能的模型進(jìn)步則離不開(kāi)精心標(biāo)注的高質(zhì)量數(shù)據(jù)。有了這份需求，提供專業(yè)的數(shù)據(jù)標(biāo)注服務(wù)的公司也應(yīng)運(yùn)而生。
成立之初，Alexander Wang 并不確定 Scale AI 要提供哪一類數(shù)據(jù)，并做了各種各樣的嘗試，積累一些了失敗的經(jīng)驗(yàn)。不過(guò)，他很清楚一件事：如何處理數(shù)據(jù)，才是 Scale AI 業(yè)務(wù)的關(guān)鍵。
過(guò)去還有一個(gè)說(shuō)法特別流行，“數(shù)據(jù)是新的石油。”
但 Alexander Wang 對(duì)此有不同看法。他認(rèn)為石油是一種稀缺的商品，而數(shù)據(jù)并不是這樣。數(shù)據(jù)的種類和內(nèi)容要比石油豐富的多，而數(shù)據(jù)與數(shù)據(jù)之間也不是平等的，真正有價(jià)值的是在深思熟慮后，被拼接在一起的有用的、不同質(zhì)量的數(shù)據(jù)。
這種洞見(jiàn)，成了 Scale AI 的核心理念。
在人工智能的研究中，算法和代碼幾乎可以說(shuō)是通用的。比如利用一個(gè)程序來(lái)檢測(cè)面部表情，在檢測(cè)不同表情的過(guò)程中，算法和運(yùn)行的代碼都是一樣的，只有數(shù)據(jù)發(fā)生了改變。
以 Scale AI 早期的自動(dòng)駕駛合作為例，算法需要通過(guò)大量的案例進(jìn)行學(xué)習(xí)，去識(shí)別停車點(diǎn)、行人位置、如何避讓自行車等。然而，只有對(duì)汽車收集到的大量原始數(shù)據(jù)進(jìn)行標(biāo)記，算法才能從數(shù)據(jù)中學(xué)習(xí)到“誰(shuí)是行人，誰(shuí)是自行車”。
這個(gè)“數(shù)據(jù)精煉”的過(guò)程，是讓人工智能從“看不懂”到“會(huì)判斷”的關(guān)鍵一步。
Alexander Wang 說(shuō)，如果數(shù)據(jù)是一種新的石油，那 Scale AI 就是一座煉油廠。Scale AI 通過(guò)把原始數(shù)據(jù)轉(zhuǎn)換成高質(zhì)量的標(biāo)注數(shù)據(jù)，來(lái)幫助人工智能公司提升他們的算法。
即使每個(gè)人工智能公司都需要數(shù)據(jù)標(biāo)注工作，但他們并不一定要自己設(shè)立一個(gè)專門的團(tuán)隊(duì)來(lái)處理這些繁瑣的任務(wù)。就像整個(gè)行業(yè)都把 GPU 和算力外包給了英偉達(dá)一樣，很多大公司資金雄厚、人才濟(jì)濟(jì)，但與其自己從頭研發(fā)芯片，不如直接使用英偉達(dá)的產(chǎn)品省時(shí)省力，成本還更低。
也因此，Scale AI 的業(yè)務(wù)和人工智能行業(yè)緊緊綁在了一起。
Alexander Wwang 說(shuō)：“我們是生成式人工智能‘淘金熱’中的鎬和鏟子。”當(dāng)大家都在試圖“挖金子”的時(shí)候，Scale AI 另辟蹊徑，在這場(chǎng)“金礦爭(zhēng)奪戰(zhàn)”中占據(jù)了獨(dú)特的優(yōu)勢(shì)。
早在創(chuàng)立之前，Scale AI 就已經(jīng)收獲了資本市場(chǎng)的青睞。
Alexander Wang 曾帶著自己開(kāi)發(fā)的 Ava 參加了由著名風(fēng)險(xiǎn)投資公司 Y Combinator 運(yùn)營(yíng)的一項(xiàng)初創(chuàng)企業(yè)培訓(xùn)計(jì)劃，也因此結(jié)識(shí)了當(dāng)時(shí)這項(xiàng)計(jì)劃的領(lǐng)導(dǎo)人， OpenAI 的創(chuàng)始人 Sam Altman。
Accel 投資者 Dan Levine 也對(duì) Alexander Wang 的經(jīng)歷很感興趣，搶在 Y Combinator 之前成為了 Alexander Wang 的合伙人，提供了 450 萬(wàn)美元的種子資金，還把自己的公寓當(dāng)作工作室。
2016 年，Alexander Wang 和另一位聯(lián)合創(chuàng)始人 Lucy Guo 決定成立 Scale AI，這個(gè)只有三人的工作室拿到了 Y Combinator 12 萬(wàn)美元的天使輪投資，時(shí)任 Y Combinator 總裁的 Sam Altman 也因此間接持有了 Scale AI 的股份。
隨后，Scale AI 以每年一輪融資的速度迅速擴(kuò)展。2017 年的 50 萬(wàn)美元，2018 年的 800 萬(wàn)美元，再到 1 億、1.5 億美元，Scale AI 的融資金額飛速增長(zhǎng)。到 2020 年，公司估值翻了三番，達(dá)到了驚人的 35 億美元。
2021 年，Scale AI 開(kāi)啟了 E 輪融資，總計(jì)融資 3.25 億美元，估值再翻一倍上升至 70 億美元。
今年 5 月，Scale AI 最新一輪的 F 輪投資由 Accel 領(lǐng)投，總計(jì)籌集了 10 億美元，Scale AI 的估值也飆升至驚人的 138 億美元。
Scale AI 驚人的擴(kuò)展速度離不開(kāi) Alexander Wang 關(guān)于市場(chǎng)的敏銳嗅覺(jué)。
Index Ventures 的退休合伙人、Scale AI 董事會(huì)成員 Mike Volpi 評(píng)價(jià)道，“Alexander Wang擁有多種創(chuàng)業(yè)和遠(yuǎn)見(jiàn)卓識(shí)的技能，這些技能融合到一個(gè)人身上?！?/p>
Scale AI 最早的業(yè)務(wù)是給特斯拉、Cruise等公司提供訓(xùn)練自動(dòng)駕駛汽車機(jī)器學(xué)習(xí)模型所需的標(biāo)記數(shù)據(jù)。當(dāng)自動(dòng)駕駛熱度逐漸消減時(shí)，Alexander Wang 很快就注意到了生成式人工智能的市場(chǎng)。
2019 年，他和 OpenAI 簽署了 Scale AI 的第一份生成式人工智能訂單，為 ChatGPT 早期語(yǔ)言模型標(biāo)記數(shù)據(jù)。
2020 年，Alexander Wang 又和美國(guó)陸軍簽署了一份價(jià)值 3.5 億美元的合同，Scale AI 的估值也隨之升到了 73 億美元。 Alexander Wang 持有的 Scale AI 15% 的股份成功把他送上了福布斯榜單，讓年僅 25 歲的他擁有了“最年輕的白手起家的億萬(wàn)富翁”的名號(hào)。
在疫情最嚴(yán)重的時(shí)期，Scale AI 還成功拿下了 Meta 一份價(jià)值約 4000 萬(wàn)美元的合同，為 Facebook 和 Instagram 上的新購(gòu)物功能標(biāo)記數(shù)據(jù)。然而幾個(gè)月后，Meta 取消了這筆交易。
2023 年 1 月，科技行業(yè)陷入低迷，Alexander Wang 做出了艱難的決定，裁員 20%。公司估值也在過(guò)去一年中暴跌，他的名字從億萬(wàn)富翁榜單上消失。
福布斯稱，這是一個(gè)短暫的任期，“隨著私營(yíng)科技公司的估值在接下來(lái)的一年里暴跌，他迅速?gòu)膬|萬(wàn)富翁的行列中跌落”。
但 ChatGPT 的火爆帶動(dòng)了大量資金轉(zhuǎn)投生成式人工智能，Scale AI 也憑借這股風(fēng)潮觸底反彈。
去年，Scale AI 和谷歌簽訂了一份價(jià)值 1.2 億美元的合同，幫助谷歌開(kāi)發(fā) Gemini 語(yǔ)言模型，Scale AI 的年收入也從 2.27 億美元飆升至 6.8 億美元。
今年創(chuàng)紀(jì)錄的 10 億融資之后，Alexander Wang 以 20 億美元的身價(jià)重登福布斯億萬(wàn)富翁榜單。
Scale AI 的神話引來(lái)了不少模仿者，這些競(jìng)爭(zhēng)對(duì)手都在競(jìng)相竊取 Scale AI 的業(yè)務(wù)，并按照 Scale AI 的模式給合作方提供相同的方案。與此同時(shí)，像 OpenAI 這樣的大客戶也在招募自己的數(shù)據(jù)標(biāo)記員，以減少他們對(duì)數(shù)據(jù)標(biāo)注公司的依賴。
Scale AI 的長(zhǎng)期投資者、Thrive Capital 的合伙人 Vince Hankes 對(duì)此并不在意，“如果他們想成為一家市值 500 億美元的公司，他們就必須找到另一種方式，為他們的故事書(shū)寫新的篇章。”
AI界有一個(gè)著名的梗：“有多少人工就有多少智能。”這句話，用來(lái)形容 Scale AI 上再合適不過(guò)。
Scale AI 通過(guò)子公司 Remotasks 雇傭了全球 240,000 名外包工人，并專門在非洲和東南亞建立了數(shù)十個(gè)培訓(xùn)中心，專門培訓(xùn)可用的數(shù)據(jù)標(biāo)注員。
憑借龐大的外包隊(duì)伍，Scale AI 成為了數(shù)據(jù)行業(yè)的“富士康”，在數(shù)據(jù)標(biāo)注領(lǐng)域占據(jù)了主導(dǎo)地位。
這種依賴外包的策略也給 Alexander Wang 帶來(lái)了不少爭(zhēng)議，被指責(zé)是在剝削國(guó)外的廉價(jià)勞動(dòng)力。海外勞工與美國(guó)本土數(shù)據(jù)標(biāo)注員的薪資可能相差數(shù)倍甚至十倍以上，這種巨大的薪酬差距讓 Scale AI 擁有了競(jìng)爭(zhēng)對(duì)手難以匹敵的利潤(rùn)空間。
不過(guò)，這種指責(zé)讓人感覺(jué)是來(lái)自無(wú)能競(jìng)爭(zhēng)者的嫉妒。競(jìng)爭(zhēng)對(duì)手 Hive 曾效仿 Scale AI 推出 Remotasks 的競(jìng)品，但后來(lái)由于利潤(rùn)率過(guò)低而關(guān)閉。
富士康能成為制造業(yè)中的巨無(wú)霸，除了成本控制，其在制造領(lǐng)域的Knowhow、垂直整合能力都是關(guān)鍵。同樣，Scale AI 的成功絕不止是依靠海量廉價(jià)勞動(dòng)力那么簡(jiǎn)單，Alexander Wang 對(duì)行業(yè)趨勢(shì)的敏銳洞察才是制勝法寶。
最初，他抓住自動(dòng)駕駛熱潮，迅速在這一領(lǐng)域稱霸。然而，隨著人力需求的激增，外包成本也迅速上漲，毛利率一度從 65% 降至 30%。為解決這一問(wèn)題，Scale AI 果斷建立了自己的外包機(jī)構(gòu)，到第二年，公司利潤(rùn)率回升至 69%。
當(dāng)自動(dòng)駕駛市場(chǎng)開(kāi)始下滑時(shí)，Alexander Wang 又迅速轉(zhuǎn)戰(zhàn)生成式人工智能，并將客戶群擴(kuò)展至機(jī)器人、計(jì)算機(jī)視覺(jué)和電子商務(wù)等新興領(lǐng)域。
憑借這種出色的商業(yè)嗅覺(jué)，Scale AI 每次都能早早進(jìn)入新興市場(chǎng)，牢牢占據(jù)高份額。
一位旗艦客戶直言，Scale AI 提供的全方位服務(wù)讓他們只需與一家公司合作，減少了與 15 家供應(yīng)商打交道的麻煩，而這種橫跨所有功能的服務(wù)正是競(jìng)爭(zhēng)對(duì)手無(wú)法比擬的。
Scale AI 這種不斷‘重塑’自己的能力，正是 Scale AI 能在激烈競(jìng)爭(zhēng)中脫穎而出的關(guān)鍵，也與Alexander Wang的經(jīng)歷有關(guān)。
Scale AI 最初的名字是Scale API，致力于為訓(xùn)練數(shù)據(jù)創(chuàng)建簡(jiǎn)單的 API，主要做一些內(nèi)容審核、資料獲取分類的簡(jiǎn)單重復(fù)性任務(wù)。隨著業(yè)務(wù)重心逐漸轉(zhuǎn)移到人工智能數(shù)據(jù)標(biāo)注，2018 年公司正式更名為 Scale AI。
Alexander Wang 選擇數(shù)據(jù)這個(gè)大方向絕非偶然。
還在麻省理工讀書(shū)時(shí)，Alexander Wang 就發(fā)現(xiàn)學(xué)校里有大量的可用資源，但沒(méi)有標(biāo)準(zhǔn)化的工具和基礎(chǔ)設(shè)施。他敏銳地察覺(jué)到算法、算力和數(shù)據(jù)三大版塊中，算法和算力已經(jīng)被科技巨頭們牢牢盯上，唯有“數(shù)據(jù)”這一領(lǐng)域還鮮有人問(wèn)津——這正是他決定踏入的機(jī)會(huì)之門。
事實(shí)證明，Alexander Wang 賭對(duì)了。
源源不斷的資金和資源被投入到人工智能行業(yè)，最初的 Scale API 也讓他積累了龐大的數(shù)據(jù)資源和行業(yè)知識(shí)，再加上前期創(chuàng)業(yè)時(shí)加入YCombinator得到奧特曼的加持，Alexander Wang憑借自身強(qiáng)大的執(zhí)行力，集齊了天時(shí)地利人和，帶領(lǐng) Scale AI 扶搖直上，迅速成為了這一領(lǐng)域的獨(dú)角獸。
即使是在看似沒(méi)有技術(shù)含量的數(shù)據(jù)標(biāo)注領(lǐng)域，Alexander Wang 依然設(shè)法打造了屬于 Scale AI 的技術(shù)壁壘。
Alexander Wang 從亞馬遜的模式中汲取靈感，把數(shù)據(jù)標(biāo)注工作也打造成自動(dòng)化的“流水線”。
依靠前期的“人海戰(zhàn)術(shù)”，Scale AI 積累了豐富的人力資源和數(shù)據(jù)資源，開(kāi)始訓(xùn)練自己的人工智能工具來(lái)提升效率。充足的海外勞工數(shù)量一邊給 Scale AI 提供了海量的訓(xùn)練數(shù)據(jù)，一邊又能在反復(fù)使用人工智能工具的過(guò)程中幫助其進(jìn)一步優(yōu)化。
“人類 + 機(jī)器”的黃金組合讓 Scale AI 的效率突飛猛進(jìn)，但 Scale AI 并未止步于此，轉(zhuǎn)頭迎接了下一個(gè)挑戰(zhàn)，將服務(wù)范圍擴(kuò)展到人工智能開(kāi)發(fā)的整個(gè)生命周期，服務(wù)質(zhì)量依舊碾壓競(jìng)爭(zhēng)對(duì)手。
Scale AI 曾聲明，自己的數(shù)據(jù)標(biāo)記和注釋服務(wù)比其他替代方案更快、更便宜、更準(zhǔn)確。并且它使用了先進(jìn)的質(zhì)量保證流程和反饋循環(huán)來(lái)確保其數(shù)據(jù)的一致性和可靠性。
一位客戶在對(duì)比后放棄了原本的服務(wù)商，選擇了 Scale AI 的服務(wù)?！拔覀兏鼡Q服務(wù)商主要是因?yàn)閮杉?。其一是貼標(biāo)的質(zhì)量。其次是吞吐量......我們還看了其他解決方案的定價(jià)。Scale AI 在這個(gè)市場(chǎng)上仍然具有相當(dāng)?shù)母?jìng)爭(zhēng)力”。
除此之外，嚴(yán)格的保密協(xié)議也是 Scale AI 的一大優(yōu)勢(shì)，與軍方合作簽訂國(guó)防合同，也給 Scale AI 變相打了一份廣告，連軍方都放心的數(shù)據(jù)標(biāo)注公司，保密一定沒(méi)問(wèn)題。
在一次訪談中，Alexander Wang 直言：“當(dāng)前制約 AI 發(fā)展的瓶頸不是計(jì)算，而是數(shù)據(jù)?！?/p>
Scaling Law 也表明，隨著如今模型規(guī)模的發(fā)展，對(duì)數(shù)據(jù)的需求正在隨指數(shù)級(jí)增長(zhǎng)，簡(jiǎn)直是個(gè)無(wú)底黑洞，但數(shù)據(jù)總有用完的那一天，互聯(lián)網(wǎng)也不再是數(shù)據(jù)的“金礦”了。
現(xiàn)在高質(zhì)量數(shù)據(jù)愈發(fā)稀缺。尤其是文本數(shù)據(jù)能夠非常有效地壓縮信息，而視頻數(shù)據(jù)的壓縮效率則要差得多。預(yù)訓(xùn)練模型所需的原始數(shù)據(jù)量需要不斷擴(kuò)展，才能彌補(bǔ)強(qiáng)化學(xué)習(xí)階段的數(shù)據(jù)空白。
Scale AI 也因此不滿足于只做個(gè)“數(shù)據(jù)苦力”，通過(guò)幾次轉(zhuǎn)型，從單純的數(shù)據(jù)處理服務(wù)商，邁向了數(shù)據(jù)管理、分析以及模型搭建的綜合服務(wù)商。
Scale AI 還關(guān)閉了部分海外承包商機(jī)構(gòu)，降低質(zhì)量參差不齊的海外勞工數(shù)量，積極招攬博士和技術(shù)人才，以應(yīng)對(duì)更高層次的數(shù)據(jù)需求。
未來(lái)的數(shù)據(jù)處理不僅需要自動(dòng)化工具，還需要大量的人類專家參與。他們不僅可以幫助生成大語(yǔ)言模型更自然、更貼近人類思維的對(duì)話，還能夠更加智能地審核生成數(shù)據(jù)。
在 Alexander Wang 看來(lái)，專家們就像“活的 GPU”，他們的智慧和創(chuàng)造力將成為推動(dòng) AI 行業(yè)發(fā)展的重要引擎。這也契合了 Scale AI 的精英主義文化。員工們被要求專注于行業(yè)里的大問(wèn)題，努力把自己的想法轉(zhuǎn)化成現(xiàn)實(shí)，并把它作為自己應(yīng)該肩負(fù)的責(zé)任。
在招聘方面，Alexander Wang 追求的是 MEI 原則：優(yōu)勢(shì)、卓越和智慧。他強(qiáng)調(diào)，Scale AI 只雇用“最合適的人”，卓越”在 Scale AI 是基本要求，而“聰明”則是首選。
投資者也對(duì) Scale AI 有著超乎尋常的信心。董事會(huì)成員 William Hockey 說(shuō)：“Alexander Wang 的成功并不是因?yàn)樗莻€(gè)少年天才，而是因?yàn)樗幸环N其他人都沒(méi)有的絕對(duì)瘋狂的職業(yè)道德。”
至于更遠(yuǎn)的未來(lái)，Alexander Wang 認(rèn)為，當(dāng)今頂尖的模型大多依賴互聯(lián)網(wǎng)的公開(kāi)數(shù)據(jù)進(jìn)行訓(xùn)練，企業(yè)的機(jī)會(huì)在于如何把通用模型與自己的專有數(shù)據(jù)結(jié)合，進(jìn)行精細(xì)微調(diào)，最終打造出符合自己業(yè)務(wù)和客戶需求的“獨(dú)門秘籍”。
為此，Scale AI 開(kāi)發(fā)了一個(gè)名為 EGP 的平臺(tái)，讓企業(yè)能夠在基礎(chǔ)模型（如 GPT-3.5）上，用自己的專有數(shù)據(jù)進(jìn)行微調(diào)，打造最適合自身需求的定制化 AI 模型。
Scale AI 未來(lái)的愿景是創(chuàng)建一個(gè)可以處理任何類型數(shù)據(jù)和任何類型任務(wù)的平臺(tái)。
在 Alexander Wang 眼中，專有和差異化的數(shù)據(jù)源將成為未來(lái)人工智能企業(yè)新的護(hù)城河，而 Scale AI 則是幫助他們構(gòu)建數(shù)據(jù)壁壘的最強(qiáng)后盾。
正如 Alexander Wang 在接受《福布斯》采訪時(shí)所說(shuō)：“我們希望成為人工智能的 AWS?！边@不僅僅是一個(gè)口號(hào)，在他的帶領(lǐng)下，Scale AI 正在逐步成為智能未來(lái)的真正領(lǐng)航者。雷峰網(wǎng)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
