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 帶來這個極具傳奇性的名號的，是他的數(shù)據(jù)工廠—— Scale AI。
最近，Scale AI 實現(xiàn)了將近 10 億美元的年化收入，同比增長了足足 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 做的事情很簡單，給人工智能模型提供數(shù)據(jù)標(biāo)注服務(wù)，沒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，更別說數(shù)據(jù)領(lǐng)域在此之前可以算得上是一片空白。
被問及他是如何建立起 Scale AI 這個人工智能模型的“數(shù)據(jù)工廠”時，Alexander Wang 曾很凡爾賽地表示只是某個“夏天隨便玩玩的事”。
早在九年級的時候，Alexander Wang 就對創(chuàng)業(yè)充滿熱情，常和朋友一起制定自己的創(chuàng)業(yè)計劃。
高中時期，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)，同齡人努力爭取的大廠實習(xí)已經(jīng)無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)，同時修讀了五門研究生難度的計算機課程，并且拿到了滿分 5.0 的績點。
但 Alexander Wang 厭倦了學(xué)術(shù)，他更想成為這個領(lǐng)域的實踐者?？吹娇萍脊驹蚁鲁砂偕锨|美元訓(xùn)練模型時，Alexander Wang 意識到機會近在咫尺，果斷從麻省理工學(xué)院退學(xué)，和之前在 Quara 結(jié)識的 Lucy Guo 共同創(chuàng)立了 Scale AI。
在當(dāng)時的人看來，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)簽對其進行注釋，大多數(shù)公司只能手動完成這項艱巨的任務(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，“這讓他們脫離了起跑線。”
Alexander Wang 抓住了自動駕駛興起的機會，幫助自動駕駛汽車用雷達和傳感器生成的三維圖像進行數(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 就擴張到了令人咋舌的地步。
目前，Scale AI 已經(jīng)累計收獲了 135 億美元的投資，估值達到 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富翁”的稱號，但他的成功也伴隨著爭議。
依靠大量的海外廉價勞動力，Scale AI 才能吃下數(shù)據(jù)龐大的標(biāo)注項目，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 Alexander Wang 行事風(fēng)格的批評。
Alexander Wang 的成長故事可以說是一出典型的“天才少年”劇本。
他出生在新墨西哥州的一個中國移民家庭，父母都是洛斯阿拉莫斯國家實驗室的物理學(xué)家。Alexander Wang 回憶道，還在上幼兒園時，他的父母就開始給他講解高級物理。
在父母的影響下，Alexander Wang 從小就對數(shù)學(xué)和計算機編程充滿熱情。
十幾歲時，Alexander Wang 已經(jīng)是各大數(shù)學(xué)和物理比賽的?？汀?013 年，他成功入圍了數(shù)學(xué)奧林匹克項目，并且 2012 年和 2013 年連續(xù)兩年入圍 USACO（美國計算機奧林匹克競賽）決賽。洛斯阿拉莫斯的家中擺滿了他和哥哥們的競賽獎杯。
憑借比賽中出色的表現(xiàn)，Alexander Wang 高中還未畢業(yè)就收到了大量來自硅谷頂尖科技公司的拋出的橄欖枝。
17 歲時，Alexander Wang 離開了高中，前往硅谷工作，后來成為了問答網(wǎng)站 Quora 的一名工程師。在 Quora 的這一年里，他每天投入 12 個小時撲在工作上，并把這份熱情延續(xù)到現(xiàn)在。
舊金山開設(shè)過一個名為 SPARC（應(yīng)用理性與認(rèn)知暑期課程）的夏令營，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 的開創(chuàng)性潛力，并結(jié)識了 OpenAI 聯(lián)合創(chuàng)始人 Greg Brockman 和 Anthropic 的首席執(zhí)行官 Dario Amodei，在他們的鼓勵下主動了解了更多與 AI 有關(guān)的技術(shù)知識。
2015 年，Alexander Wang 去了麻省理工學(xué)院學(xué)習(xí)數(shù)學(xué)和計算機科學(xué)。大一時，他同時兼顧了五門研究生計算機科學(xué)課程，還開發(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。
正是在這個階段，他和在線炒房游戲 Opendoor 的首席執(zhí)行官 Eric Wu 有過幾次深入對話。Eric Wu 鼓勵他趁著年輕時冒險，告訴他應(yīng)該嘗試從初創(chuàng)公司開始，而不是在成熟的科技公司工作。
“我知道如果我沒有在最佳時機冒險成為一名企業(yè)家，我會后悔的，”Alexander Wang 在博客里寫道，“如果現(xiàn)在不愿意邁出這一步，那什么時候會愿意呢？”
Alexander Wang 意識到，機器學(xué)習(xí)和人工智能術(shù)已經(jīng)進入早期應(yīng)用，未來必然會掀起一場技術(shù)革命。他也敏銳地捕捉到一個市場痛點：人人都需要海量的數(shù)據(jù)，但人人都不愿意花費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)掘的一片藍海——數(shù)據(jù)標(biāo)注。
AI 領(lǐng)域有三個公認(rèn)的基石：數(shù)據(jù)、算法和算力。
如果說英偉達是算力的賣鏟人，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)依賴于英偉達提供的算力，人工智能的模型進步則離不開精心標(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。不過，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。
過去還有一個說法特別流行，“數(shù)據(jù)是新的石油?！?/p>
但 Alexander Wang 對此有不同看法。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，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是通用的。比如利用一個程序來檢測面部表情，在檢測不同表情的過程中，算法和運行的代碼都是一樣的，只有數(shù)據(jù)發(fā)生了改變。
以 Scale AI 早期的自動駕駛合作為例，算法需要通過大量的案例進行學(xué)習(xí)，去識別停車點、行人位置、如何避讓自行車等。然而，只有對汽車收集到的大量原始數(shù)據(jù)進行標(biāo)記，算法才能從數(shù)據(jù)中學(xué)習(xí)到“誰是行人，誰是自行車”。
這個“數(shù)據(jù)精煉”的過程，是讓人工智能從“看不懂”到“會判斷”的關(guān)鍵一步。
Alexander Wang 說，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 通過把原始數(shù)據(jù)轉(zhuǎn)換成高質(zhì)量的標(biāo)注數(shù)據(jù)，來幫助人工智能公司提升他們的算法。
即使每個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)立一個專門的團隊來處理這些繁瑣的任務(wù)。就像整個行業(yè)都把 GPU 和算力外包給了英偉達一樣，很多大公司資金雄厚、人才濟濟，但與其自己從頭研發(fā)芯片，不如直接使用英偉達的產(chǎn)品省時省力，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：“我們是生成式人工智能‘淘金熱’中的鎬和鏟子?！碑?dāng)大家都在試圖“挖金子”的時候，Scale AI 另辟蹊徑，在這場“金礦爭奪戰(zhàn)”中占據(jù)了獨特的優(yōu)勢。
早在創(chuàng)立之前，Scale AI 就已經(jīng)收獲了資本市場的青睞。
Alexander Wang 曾帶著自己開發(fā)的 Ava 參加了由著名風(fēng)險投資公司 Y Combinator 運營的一項初創(chuàng)企業(yè)培訓(xùn)計劃，也因此結(jié)識了當(dāng)時這項計劃的領(lǐng)導(dǎo)人， OpenAI 的創(chuàng)始人 Sam Altman。
Accel 投資者 Dan Levine 也對 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，這個只有三人的工作室拿到了 Y Combinator 12 萬美元的天使輪投資，時任 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展。2017 年的 50 萬美元，2018 年的 800 萬美元，再到 1 億、1.5 億美元，Scale AI 的融資金額飛速增長。到 2020 年，公司估值翻了三番，達到了驚人的 35 億美元。
2021 年，Scale AI 開啟了 E 輪融資，總計融資 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 驚人的擴展速度離不開 Alexander Wang 關(guān)于市場的敏銳嗅覺。
Index Ventures 的退休合伙人、Scale AI 董事會成員 Mike Volpi 評價道，“Alexander Wang擁有多種創(chuàng)業(yè)和遠(yuǎn)見卓識的技能，這些技能融合到一個人身上。”
Scale AI 最早的業(yè)務(wù)是給特斯拉、Cruise等公司提供訓(xùn)練自動駕駛汽車機器學(xué)習(xí)模型所需的標(biāo)記數(shù)據(jù)。當(dāng)自動駕駛熱度逐漸消減時，Alexander Wang 很快就注意到了生成式人工智能的市場。
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 早期語言模型標(biāo)記數(shù)據(jù)。
2020 年，Alexander Wang 又和美國陸軍簽署了一份價值 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富翁”的名號。
在疫情最嚴(yán)重的時期，Scale AI 還成功拿下了 Meta 一份價值約 4000 萬美元的合同，為 Facebook 和 Instagram 上的新購物功能標(biāo)記數(shù)據(jù)。然而幾個月后，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%。公司估值也在過去一年中暴跌，他的名字從億萬富翁榜單上消失。
福布斯稱，這是一個短暫的任期，“隨著私營科技公司的估值在接下來的一年里暴跌，他迅速從億萬富翁的行列中跌落”。
但 ChatGPT 的火爆帶動了大量資金轉(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值 1.2 億美元的合同，幫助谷歌開發(fā) Gemini 語言模型，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 億美元的身價重登福布斯億萬富翁榜單。
Scale AI 的神話引來了不少模仿者，這些競爭對手都在競相竊取 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，像 OpenAI 這樣的大客戶也在招募自己的數(shù)據(jù)標(biāo)記員，以減少他們對數(shù)據(jù)標(biāo)注公司的依賴。
Scale AI 的長期投資者、Thrive Capital 的合伙人 Vince Hankes 對此并不在意，“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，為他們的故事書寫新的篇章。”
AI界有一個著名的梗：“有多少人工就有多少智能?！边@句話，用來形容 Scale AI 上再合適不過。
Scale AI 通過子公司 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 帶來了不少爭議，被指責(zé)是在剝削國外的廉價勞動力。海外勞工與美國本土數(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 擁有了競爭對手難以匹敵的利潤空間。
不過，這種指責(zé)讓人感覺是來自無能競爭者的嫉妒。競爭對手 Hive 曾效仿 Scale AI 推出 Remotasks 的競品，但后來由于利潤率過低而關(guān)閉。
富士康能成為制造業(yè)中的巨無霸，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勞動力那么簡單，Alexander Wang 對行業(yè)趨勢的敏銳洞察才是制勝法寶。
最初，他抓住自動駕駛熱潮，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%。為解決這一問題，Scale AI 果斷建立了自己的外包機構(gòu)，到第二年，公司利潤率回升至 69%。
當(dāng)自動駕駛市場開始下滑時，Alexander Wang 又迅速轉(zhuǎn)戰(zhàn)生成式人工智能，并將客戶群擴展至機器人、計算機視覺和電子商務(wù)等新興領(lǐng)域。
憑借這種出色的商業(yè)嗅覺，Scale AI 每次都能早早進入新興市場，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)正是競爭對手無法比擬的。
Scale AI 這種不斷‘重塑’自己的能力，正是 Scale AI 能在激烈競爭中脫穎而出的關(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)建簡單的 API，主要做一些內(nèi)容審核、資料獲取分類的簡單重復(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)這個大方向絕非偶然。
還在麻省理工讀書時，Alexander Wang 就發(fā)現(xiàn)學(xué)校里有大量的可用資源，但沒有標(biāo)準(zhǔn)化的工具和基礎(chǔ)設(shè)施。他敏銳地察覺到算法、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)域還鮮有人問津——這正是他決定踏入的機會之門。
事實證明，Alexander Wang 賭對了。
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，再加上前期創(chuàng)業(yè)時加入YCombinator得到奧特曼的加持，Alexander Wang憑借自身強大的執(zhí)行力，集齊了天時地利人和，帶領(lǐng) Scale AI 扶搖直上，迅速成為了這一領(lǐng)域的獨角獸。
即使是在看似沒有技術(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，開始訓(xùn)練自己的人工智能工具來提升效率。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程中幫助其進一步優(yōu)化。
“人類 + 機器”的黃金組合讓 Scale AI 的效率突飛猛進，但 Scale AI 并未止步于此，轉(zhuǎn)頭迎接了下一個挑戰(zhàn)，將服務(wù)范圍擴展到人工智能開發(fā)的整個生命周期，服務(wù)質(zhì)量依舊碾壓競爭對手。
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。并且它使用了先進的質(zhì)量保證流程和反饋循環(huán)來確保其數(shù)據(jù)的一致性和可靠性。
一位客戶在對比后放棄了原本的服務(wù)商，選擇了 Scale AI 的服務(wù)。“我們更換服務(wù)商主要是因為兩件事。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。Scale AI 在這個市場上仍然具有相當(dāng)?shù)母偁幜Α薄?/p>
除此之外，嚴(yán)格的保密協(xié)議也是 Scale AI 的一大優(yōu)勢，與軍方合作簽訂國防合同，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，保密一定沒問題。
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，對數(shù)據(jù)的需求正在隨指數(shù)級增長，簡直是個無底黑洞，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)量需要不斷擴展，才能彌補強化學(xué)習(xí)階段的數(shù)據(jù)空白。
Scale AI 也因此不滿足于只做個“數(shù)據(jù)苦力”，通過幾次轉(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)對更高層次的數(shù)據(jù)需求。
未來的數(shù)據(jù)處理不僅需要自動化工具，還需要大量的人類專家參與。他們不僅可以幫助生成大語言模型更自然、更貼近人類思維的對話，還能夠更加智能地審核生成數(shù)據(jù)。
在 Alexander Wang 看來，專家們就像“活的 GPU”，他們的智慧和創(chuàng)造力將成為推動 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)里的大問題，努力把自己的想法轉(zhuǎn)化成現(xiàn)實，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、卓越和智慧。他強調(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 Scale AI 有著超乎尋常的信心。董事會成員 William Hockey 說：“Alexander Wang 的成功并不是因為他是個少年天才，而是因為他有一種其他人都沒有的絕對瘋狂的職業(yè)道德?！?/p>
至于更遠(yuǎn)的未來，Alexander Wang 認(rèn)為，當(dāng)今頂尖的模型大多依賴互聯(lián)網(wǎng)的公開數(shù)據(jù)進行訓(xùn)練，企業(yè)的機會在于如何把通用模型與自己的專有數(shù)據(jù)結(jié)合，進行精細(xì)微調(diào)，最終打造出符合自己業(yè)務(wù)和客戶需求的“獨門秘籍”。
為此，Scale AI 開發(fā)了一個名為 EGP 的平臺，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)進行微調(diào)，打造最適合自身需求的定制化 AI 模型。
Scale AI 未來的愿景是創(chuàng)建一個可以處理任何類型數(shù)據(jù)和任何類型任務(wù)的平臺。
在 Alexander Wang 眼中，專有和差異化的數(shù)據(jù)源將成為未來人工智能企業(yè)新的護城河，而 Scale AI 則是幫助他們構(gòu)建數(shù)據(jù)壁壘的最強后盾。
正如 Alexander Wang 在接受《福布斯》采訪時所說：“我們希望成為人工智能的 AWS?！边@不僅僅是一個口號，在他的帶領(lǐng)下，Scale AI 正在逐步成為智能未來的真正領(lǐng)航者。雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
