估值飙至138亿美元，27岁华裔天才少年再获融资

摘要： 世界的老玩家很难不知道最近这个曾将玩法推向全球的应用在沉寂两年后终于有了新动作月日宣布与知名运动品牌合作推出实物声明本文来自微信公众号新智元作者新智元授权转载发布创办的是一个为模型...

Web3世界的老玩家很难不知道StepN，最近，这个曾将“MoveToEarn”玩法推向全球的Web3应用在沉寂两年后终于有了新动作:4月15日，StepN宣布与知名运动品牌Adidas合作推出实物

声明：本文来自微信公众号“新智元”（ID:_era），作者:新智元，，授权 转载发布。

Alexandr Wang创办的 AI是一个为AI模型提供训练数据的，近期完成新一轮10亿美元融资，估值飙升至138亿美元。该公司表示将利用生产丰富的前沿数据，为通向AGI铺平道路。

Scale AI为想要训练模型的公司提供服务，已从亚马逊和Meta等众多知名机构和企业投资者那里筹集了10亿美元的F轮融资。

本轮融资由Accel领投，它之前还领投了Scale AI的A轮融资，并参与了后续的风险投资。

这轮融资让Scale AI的身价飙升。尽管去年年初裁员20%，但公司目前估值已经达到了138亿美元。

Scale AI联合创始人兼首席执行官Alexandr Wang

除了亚马逊和Meta之外，Scale AI还吸引了各种各样的新投资者:思科、英特尔、AMD等风险投资部门参与其中，而且很多注资过的公司也回归了，包括英伟达、Coatue、Y Combinator等等。

天才少年辍学创办独角兽

Scale AI由Alexandr Wang和Lucy Guo于2016年创立，由著名创业孵化器Y Combinator投资。该公司使用机器学习来标记和分类大量数据，以便客户用于训练模型。

Scale AI的客户包括Meta、微软、英伟达、OpenAI、丰田和哈佛医学院。

在创始人基金领投的1亿美元C轮融资之后，Scale AI在2019年获得了独角兽的地位，总共从Index Ventures、Coatue、Tiger Global等知名投资者处筹集了6.026亿美元。

2022年，持有15%股份的Alexandr Wang成为全球最年轻的白手起家的亿万富翁。

创业之前，Wang从小到大的履历也让人印象深刻。

1997年出生于新墨西哥州，父母都是在新墨西哥州洛斯阿拉莫斯 实验室的物理学家。

高中阶段开始通过网络自学编程，并报名参加了一些世界级的编程大赛，比如美国计算机奥林匹克竞赛（USACO）。

17岁，成为美国知名问答网站Quora的全职码农;

18岁，考入麻省理工学院攻读机器学习;

在MIT大一刚结束后的暑假，他就和Guo一起创办了Scale，并且拿到了Y Combinator的投资。

Wang跟爸妈说，「这就是我夏天随便玩玩的事。」

Scale AI刚起步时，有些人确实觉得这就是一个笑话，毕竟公司当时只有三名员工。

不过，在不断地融资和发展之下，Scale AI发展飞速，到2021年已经成长为价值73亿美元的独角兽企业，2023年初公司规模也扩展到了700人。

Wang在接受《财富》杂志独家采访时透露，随着企业客户竞相训练生成式AI模型，Scale AI的这方面业务快速增长。

2023年，公司年度经常性收入（企业长期为数据服务支付的费用）增加了两倍，预计2024年底将达到14亿美元。

由于Scale AI的惊人成就，Alexandr Wang在2021年入选福布斯企业技术领域「30under30」排行榜，他本人在硅谷也被称为「下一个扎克伯格」。

AI模型的「数据工厂」

AI领域公认的三个基本支柱——数据、算法和算力。

算法领域，前有谷歌、微软的大型研究院，后有推出过Sora和GPT系列模型的OpenAI;算力领域有供货全球的英伟达，但在Scale AI还未诞生的2016年，数据领域仍处于空白。

19岁的Alexandr Wang在看到这一点后，做出了辍学创业的决定，「我创办 Scale 的原因是为了解决人工智能中的数据问题」。

大部分数据都是非结构化的，AI很难直接学习这些数据;而且大型数据集的标注一项资源密集型工作，因此，「数据」被很多人认为是科技领域最辛苦、最卑微的部分。

但Scale AI却在短时间内就获得了巨大成功。他们可以为不同行业的企业客户量身定制数据服务。

在自动驾驶领域，Cruise和Waymo等公司通过摄像头和传感器收集了大量数据，Scale AI将机器学习与「人机回路」（human-in-loop）监督相结合，管理和标注这些数据。

他们曾经开发的「自治数据引擎」推动了L4级别自动驾驶技术的发展。

2019年，Scale AI帮助OpenAI团队一同训练GPT-2，进行了RLHF的首次实验，并将这些技术扩展到InstructGPT等其他LLM上。

CEO Wang在接受《财富》杂志采访时表示，Scale AI将自己定位为整个AI生态的基础设施供应商，构建「数据铸造厂」，而不仅仅是在子公司Remotasks中雇佣大量的合同工进行人工标注。

Scale AI已经开始与不同领域的专家合作，比如博士级学者、律师、会计师、作家等。

给聊天机器人的回复进行打分，这样的工作为什么能让博士级别的专家参与其中?

Wang的回应是，原因有很多:「如果你是一名博士，习惯于做一些非常小众、深奥的研究，也许世界上只有少数人能够理解。但这个工作中，你可以帮助改进和构建这些人工智能系统的前沿数据，有机会产生真正的社会影响。」

同时，Wang也认为，这些专家所能提供的高质量数据对AI的未来非常重要。

他补充说，来自专家的、包含复杂推理的数据是未来人工智能的必备条件。「你不能随便把旧数据输入给算法中，然后期待着它会自我改进」。

传统的数据来源，比如从Reddit等社区的评论中抓取数据存在局限性。Scale AI构建了一些流程，模型先输出一些内容，例如撰写研究论文，在此基础上，人类专家可以改进这些内容，从而改进模型的输出。

关于AI生成并注释的数据，有人持积极态度，认为可以消除对人类注释数据注释，但Wang的观点并没有这么单纯。

他说，合成数据以及人类创建的数据，这两个方面Scale AI都有投入。「虽然人工智能生成的数据很重要，但想要获得有一定质量和准确性的数据，唯一方法是通过人类专家的验证。」

数据日益重要

数据是人工智能的命脉，因此数据管理和处理领域的公司正站在风口上。

就在上周，印度的数据平台Weka表示，它以16亿美元的投后估值筹集了1.4亿美元，以帮助公司为其人工智能应用程序构建数据管道。

人工智能数据的主要问题仍然存在。Scaling Law的存在意味着，随着模型变大，对数据的需求也呈现指数级增长，越来越多的人担心大模型会耗尽可用数据。

Alexandr Wang在Scale AI的 上这样写道，「数据丰富不是默认情况，而是一种选择，它需要汇集工程、运营和AI方面最优秀的人才」

Scale AI的愿景之一是「数据丰富」，从而将前沿LLM扩展到更大数量级，「为通向AGI铺平道路。在达到 GPT-10的过程中，我们不应该受到数据的限制」。

参考资料:

https://techcrunch.com/2024/05/21/data-labeling-startup-scale-ai-raises-1b-as-valuation-doubles-to-13-8b/

https://fortune.com/2024/05/21/scale-ai-funding-valuation-ceo-alexandr-wang-profitability/

https://scale.com/blog/scale-ai-series-f