AI大模型「賣鏟人」去年勁賺7.5億美元，成功模式難復制

來源：創業資本匯

在AI大模型初創企業普遍還處於入不敷出、瘋狂燒錢的階段時，一家專註於AI數據服務的初創企業已經賺得盆滿缽滿，成為收入最高的AI創業公司之一。

據外媒近日報道，總部位於舊金山的美國初創企業Scale AI 2023年年化收入達到7.5億美元，為前一年的3倍。得益於AI大模型的發展，Scale AI的業績收入也如同坐上了「火箭」，一躍成為收入可以與OpenAI比肩的AI創企之一。不過，與直接提供大模型服務的OpenAI不同，Scale AI主要從事AI訓練數據標註服務，是大模型時代的「賣鏟人」。正如為大模型提供算力支持的輝達備受資本追捧一樣，提供數據支撐的Scale AI也得到了投資人的青睞。目前，Scale AI的估值已達到73億美元（約526億元人民幣），成為AI數據標註領域遙遙領先的獨角獸。

在最洋氣的行業幹最接地氣的活兒

公開資料顯示，Scale AI成立於2016年，主要為人工智能訓練提供數據服務，創始人為華裔青年Alexandr Wang。據媒體報道，Alexandr Wang的父母均為物理學家。他從小就表現出了傑出的數理天賦與才能，曾被麻省理工大學錄取，但在出色地完成第一年學業後便選擇了輟學創業，與Lucy Guo共同創辦了Scale AI。

值得註意的是，Scale AI創業初期就得到了創業孵化公司Y Combinator的支持。彼時，Y Combinator的總裁為山姆·柯曼，也即OpenAI的聯合創始人及現任行政總裁。

Scale AI主要從事的AI訓練數據標註，通俗理解，就是透過分類、畫框、標註、註釋等對圖片、語音、文本、影片等原始的數據進行處理，標記物件的特征，以作為機器學習基礎素材。比如，如果要訓練AI辨識出圖片中的狗，則需要采集大量有關於狗的圖片，將其中的關鍵資訊標註出來，供AI辨識，在多次辨識的過程中讓AI形成辨識各式各樣的狗的能力。

與高級、洋氣、科技感滿滿的AI大模型相比，數據標註工作一直被視為「臟活兒」和「累活兒」，被貼上「勞動密集型產業」的標簽。所以，Scale AI也被外界評價為「在最洋氣的行業幹著最接地氣的活兒」。正因如此，Scale AI的成功一直存在爭議，曾有業內人士犀利指出，「Scale AI不是一家AI創企，它只是一家提供廉價勞動力的公司」。

事實上，由於數據標註對於人工有大量的需求，而美國的人力成本十分高昂，Scale AI在東南亞、非洲等地區設立了一些外包機構，培訓大量的數據標註員。據媒體此前報道，Scale AI的外包公司Remotasks支付給標註員的薪酬很低，位於肯雅的標註員薪酬只有每小時1到3美元。

不過，作為驅動人工智能大模型發展的三駕馬車之一，高質素標註數據是訓練深度學習演算法的「燃料」。在大模型持續叠代前進演化的帶動下，大模型廠商對於高質素標註數據有著持續、強烈的需求，帶動Scale AI的業績不斷提升。PayPal聯合創始人彼得·泰爾也是Scale AI的投資人，他曾高度評價Scale AI：「在激烈的競爭中，AI公司們會出現又消失，但是Scale會一直存在。因為Scale AI提供的是整個AI/ML（人工智能/機器學習）行業的基礎設施，數據是這個行業最重要的東西。」

記者梳理發現，Scale AI從創立至今，融資過程可謂順風順水，而且融資金額節節攀升。創辦伊始，Y Combinator向其提供了12萬美元的投資；2017年，獲得了450萬美元的A輪融資；2018年，成功完成1800萬美元的B輪融資；2019年，再獲1億美元C輪融資；2021年1月，完成1.5億美元D輪融資；同年4月，順利完成3.25億美元E輪融資。至此，Scale AI用5年的時間將估值水平提升至73億美元的水平，成為AI數據標註領域的獨角獸。

Scale AI的客戶群也很龐大，除了有Meta、OpenAI、微軟等科技巨頭外，Alphabet的自動駕駛汽車公司Waymo、通用汽車的Cruise、豐田汽車Toyota、Uber都是Scale AI的客戶。

難以復制的「Scale AI式成功」

Scale AI的成功，一直讓國內的AI數據標註企業頗為眼紅。由於AI數據標註本質上是人力「內卷」的生意，人工越便宜，接到的訂單就越多。很長一段時間以來，國內AI數據服務商都難以擺脫「行業內卷」和「價格戰」的困境，這一領域的初創企業生存境況普遍比較艱難。

一名業內人士分析，中國的AI數據標註行業主要有兩種形態：一種是科技大廠自建數據標註團隊，直接使用自身掌握的數據進行標註；另外一種就是專門的數據標註服務商，這些服務商大多數都是中小公司，承接大公司的標註任務。據介紹，由於自建團隊更能保證數據安全，科技大廠的核心數據基本使用自建團隊來標註，而邊緣數據則交給第三方處理。

「科技大廠依托自身的數據優勢，往往更青睞自建團隊。剩下的那些零星需求，只夠養活一些小公司，還不足以支撐起一個規上企業。」該業內人士表示。

除此以外，美國由於人力成本高，除了在海外設立外包公司提供相對低廉的數據標註服務以外，還需要透過技術方式解決數據生產問題。近年來，Scale AI就一直致力於提高數據標註的效率，公司研發的自動標註工具能夠透過演算法自動標記影像和文本數據，大大減少了人工標記的時間和工作量。雖然透過初篩的圖片和文本數據還要經過人工二次篩查和標註，但這種人機配合的方式大大提高了標記效率。

相比而言，中國依托人口紅利，人力資源獲取極為便利，人力成本也比美國要低得多，數據服務商並沒有很強的動力去發展相關的技術。曾有第三方數據服務商向記者表示，在許多標註專案中，甲方所提供的數據標註工具往往不夠完善，降低了標註的效率與質素。於是，公司便幹脆用線下的標註工具，透過增加人手等方式保證專案的完成。雖然短期是完成了專案，但技術並未得到積累，如此迴圈，以低價取勝的「堆人力」模式便難以破除。

事實上，早在去年大模型風口剛起時，一些數據標註初創企業就進入了投資人的視野，獲得了融資。但記者梳理發現，與像Scale AI這樣的行業獨角獸相比，國內數據服務初創企業所獲投資額相對較少，也還沒有形成比較強的盈利能力。曾有一名國內的數據標註企業負責人公開表示，公司與Scale AI「在業務模式、團隊背景上均存在不少相似之處，但大洋兩岸的企業服務環境和投資人特點存在差異，使得國內數據標註難以突破。」

在多種因素的影響下，Scale AI的成功目前在中國還難以復制。不過，隨著大模型的快速發展與變化，未來中國能否跑出能跟Scale AI媲美的數據標註獨角獸，答案依然值得期待。

責編：朱雨蒙

校對：李淩鋒

@5000+家上市公司：這份調查問卷，證券時報誠邀您參加！

展望2024年，上市公司發展預期如何？生產與經營的信心怎樣？面臨哪些主要的困難和問題？為了解以上這些問題，證券時報特別設計了【上市公司2024年發展預期調查問卷】，邀請您真實反映公司的經營情況，積極建言獻策。

長按圖片掃碼，即可填寫問卷↓↓↓

版權聲明

END

點選關鍵字可檢視