命運的齒輪，永遠為那些敢於主動推動它的人轉動。在最新發佈的《胡潤全球富豪榜》中，一位年僅31歲的華裔女性引發了廣泛關注。Lucy Guo，這個或許還不那麼為大眾熟知的名字，以90億元的身家躋身榜單，成為了全球90後白手起家女首富。她的故事，堪稱這一輪AI造富浪潮中最具戲劇性的縮影：10年前與人聯合創辦人工智慧公司Scale AI，即便早已被掃地出門，卻憑藉手中死死握住的股權，在資本的狂歡中登上了財富之巔。01 被掃地出門的億萬富豪時間回到2018年。彼時，Scale AI正乘著自動駕駛的東風扶搖直上，但兩位年輕的創始人之間卻出現了無法彌合的分歧。擔任CEO的汪滔（Alexandr Wang）希望激進融資、加速擴張，而負責營運和產品設計的郭露西（Lucy Guo）則主張精益營運、優先打磨產品。分歧的結果是殘酷的：作為聯合創始人，郭露西被自己的合夥人解僱了。“我們有不同的意見，但我為Scale AI取得的成就感到自豪。”郭露西當時的回應得體而克制。離開時，她做對了一件至關重要的事情——寸步不讓地保住了自己近5%的股份。當時，這不過是一筆帳面數字。但到了2025年，隨著Scale AI的估值從140億美元飆升至250億美元，郭露西手中這些股份的價值也水漲船高，一舉突破12億美元。她也因此創造了一項前無古人的紀錄：成為世界上唯一一位在退出公司後，仍靠創始股份躋身億萬富豪行列的女性。如今身家十幾億美元的郭露西，並非出身豪門。1994年出生於舊金山灣區的她，父母都是電子工程師。2000年代初科技泡沫破裂，父母雙雙失業，家庭陷入困境。“因為家境貧寒，我在學校經常被欺負，所以就想：好吧，我得賺錢。”她在接受採訪時毫不避諱那段過往。當同齡人還在為作業發愁時，郭露西已經開始倒賣寶可夢卡牌、搭建網站嵌入廣告、為遊戲玩家提供定製指令碼。小學二年級時，她就學會了使用PayPal。這種對金錢的敏銳和對技術的痴迷，貫穿了她的整個青春期。高中畢業後，她考入卡內基梅隆大學主修電腦科學。但在2014年，當看到彼得·蒂爾的“蒂爾獎學金”（專門資助大學生輟學創業）時，她毫不猶豫地做出了選擇：退學。“很多科技巨頭的創始人都是輟學生，我知道自己肯定能找到工作，還能省下兩年的學費。”這份帶著點狡黠的務實，讓她叩開了矽谷的大門。02 “賣鏟子”的人在問答平台Quora擔任產品設計師期間，郭露西結識了汪滔——一個同樣痴迷AI的華裔天才。2016年，兩人在舊金山一間漏風的公寓裡創立了Scale AI。這家公司做的事，用汪滔的話來形容就是“向挖金子的人賣鏟子”——為AI領域提供資料標註服務。當自動駕駛汽車需要識別路標、聊天機器人需要理解人類語言時，Scale AI就是那個提供“教材”的角色。創業初期舉步維艱，辦公室是投資人提供的地下室，桌子用木板搭成。但到了2018年，自動駕駛熱潮興起，Scale AI迅速拿下通用汽車旗下Cruise的合同，完成了1800萬美元的B輪融資。也就是在那一年，兩位創始人的管理分歧爆發，郭露西出局。被解僱後的郭露西沒有陷入自我懷疑。2019年，她創立了風投機構Backend Capital，專注投資早期科技初創。2020年，她以六位數押注金融軟體公司Ramp，如今這家公司估值已超300億美元。2022年，她又親自下場，推出訂閱制平台Passes，幫助創作者通過付費聊天、視訊等方式變現。NBA球星奧尼爾、奧運冠軍奧莉維亞·鄧恩等大咖紛紛入駐。三輪融資下來，公司估值已達1.5億美元。生活中的郭露西，和“億萬富豪”的標籤幾乎毫不沾邊。她愛吃麥當勞麥樂雞，一個月餐飲費不到500美元；她會預訂可取消的機票，只為蹭一頓機場休息室的免費餐。自律是她身上最鮮明的標籤。她每天5點起床做HIIT訓練，2025年4月在Instagram慶祝完成第3000次健身課程時，配文只有六個字：紀律大於睡眠。“我從來沒有真正休過假，”她說，“即使在度假期間，每天也至少工作8小時。”面對驟然到來的財富與關注，郭露西顯得頗為淡然：“說實話，我感覺自己還是那個小女孩，有錢之後的生活並沒有發生太大變化。”她給年輕人的建議很實在：“在賺到第一筆1000萬美元之前，儘量過著別人看來廉價的生活；人們會隨著賺的錢越來越多，進而提高生活成本，最終反而存不到錢。”命運的齒輪，永遠為那些敢於主動推動它的人轉動。從被解僱的聯合創始人，到全球90後女首富，郭露西用10年時間完成了一場不可思議的逆襲。這場逆襲看似偶然，實則是她清醒與自律下的必然。 (快刀財經)

31歲，身家90億，90後白手起家女首富。2026年的《胡潤全球富豪榜》上，華裔女性郭露西（LucyGuo），以90億元人民幣的身家，一舉拿下“全球90後白手起家女首富”的桂冠。更魔幻的是，她並沒有在公司裡卷生卷死，早在2018年，她就因為和另一位創始人理念不合，被迫離開了自己創立的公司，只仍保留了近5%的股份。而這家公司叫Scale AI，如今全球炙手可熱的AI獨角獸之一。2025年6月，祖克柏的Meta直接豪擲143億美元買下它49%的股份，公司估值瞬間飆升至290億美元，約合2000多億人民幣。如今，郭露西憑藉Scale AI的股份，坐上了全球財富之巔。有人說她是運氣好，趕上了AI的“封神榜”；也有人說她是個狠人，在艱難時刻守住了股權......01被解僱的聯合創始人要看清郭露西的財富，首先的瞭解Scale AI。時間回到2016年，彼時AI還在爆發“前夜”，大模型更是個沒幾個人聽過的概念。22歲的郭露西，剛剛從卡內基梅隆大學退學，拿著彼得·蒂爾的10萬美金，在問答平台Quora，認識了19歲的麻省理工輟學生Alexandr Wang（汪滔）。兩個華裔天才一拍即合，在舊金山一間漏風的公寓裡，用幾塊木板搭起辦公桌，創立了Scale AI。用汪滔的話說就是：“在淘金熱裡賣鏟子”。AI聽起來高大上，但它需要人類喂給它海量的資料來學習。比如你要讓自動駕駛認出紅綠燈，或者讓ChatGPT聽懂人話，就需要有人在成千上萬的圖片和文字上打標籤：這是貓，那是狗，這句話是生氣的語氣……這就是資料標註。Scale AI看準了這個髒活累活，迅速在全球建立起龐大的外包網路（比如在肯尼亞、菲律賓找廉價勞動力），又結合演算法預篩，做起了這門穩賺不賠的生意。2018年，自動駕駛風口爆發，Scale AI迅速拿下通用汽車的單子，拿到了1800萬美元的融資。也就是在這個節骨眼上，兩位年輕創始人卻意見不合。汪滔野心勃勃，想瘋狂融資、加速擴張、做大規模；而郭露西則覺得步子邁太大容易扯著蛋，主張精細營運，優先打磨產品。兩人的分歧越來越大，最終的結局很殘酷：作為聯合創始人的郭露西，被汪滔聯合董事會給解僱了。面對被踢出局的窘境，郭露西表現得出奇冷靜。她大度地表示“為公司的成就感到自豪”，瀟灑離開了自己創立的公司，只保留了大約5%的股份。當時，ScaleAI估值才十幾億美元，這5%不過是個帳面數字。誰也沒想到，幾年後，這筆被保留下來的籌碼，會變成一張通往百億富豪俱樂部的門票。02女富豪的B面人生被踢出局的郭露西，並沒有一蹶不振，反而開啟了屬於自己的狂飆人生。2019年，她創辦了風投機構Backend Capital，眼光毒辣地專投早期科技項目。其中最成功的一筆，是在2020年花六位數美元押注了金融軟體初創公司Ramp。如今，Ramp的估值已經突破了300億美元。2022年，她又親自下場，創辦了創作者經濟平台Passes，幫網紅大V們通過付費聊天、獨家視訊賺錢變現。連NBA球星奧尼爾都被她拉來入駐，公司三輪融資輕鬆拿下6500萬美元，估值達到1.5億美元。事實上，郭露西對金錢的渴望，源自於她的童年。她出生在加州灣區，父母都是電子工程師。但在2000年網際網路泡沫破裂時，父母雙雙失業，家裡窮得叮噹響。她在學校因為家境不好經常被欺負。郭露西在後來的採訪中毫不避諱：“那時我就想，好吧，我得賺錢。”她從小就是個折騰王：倒賣寶可夢卡牌、建網站接廣告、給遊戲玩家寫外掛指令碼。小學二年級，別的孩子還在玩泥巴，她已經熟練使用PayPal收錢了。考入卡內基梅隆大學後，面對蒂爾獎學金的誘惑，她果斷退學：“省下兩年學費，還能拿錢創業，這買賣不虧。”即便如今已經身家90億，郭露西的生活依然跟“奢華”沾不上邊。她一個月吃飯花不到500美元，最愛吃的是麥當勞的麥樂雞塊；她甚至會為了蹭一頓機場休息室的免費飯，專門去訂一張可以全額退款的機票。真正可怕的是她的自律。每天早上5點起床做高強度間歇訓練（HIIT），在Ins上打卡3000次健身課程時，她只配了六個字：“紀律大於睡眠。”“我從來沒有真正休過假。”郭露西說，即使在海島度假，每天也要雷打不動地工作8小時。對於潑天的富貴，她顯得很清醒：“在賺到第一個1000萬美元之前，儘量過著別人看來廉價的生活。隨著錢賺得越多，很多人反而會提高生活成本，最後存不下錢。”從一個被欺負的華裔女孩，再到全球90後女首富，郭露西用了20年，完成了一場逆襲。但這絕非偶然，而是她對機會的敏銳，以及極致的自律，共同造就的必然。03AI造富狂潮郭露西的暴富，只是這場AI造富狂潮中一個縮影。2025年6月，Meta拋出了一枚震撼彈橄欖枝，豪擲143億美元，約合人民幣1028億元，買下了Scale AI 49%的股份。這場交易不僅讓Scale AI的估值直接飆到了290億美元，更讓汪滔辭去CEO加入Meta領導“超級智能”AI實驗室。而對於拿著5%股份的郭露西來說，這意味著她手裡的籌碼，瞬間變成了約90億人民幣。這筆交易，直接把她送上了《胡潤全球富豪榜》的C位，擠掉了此前霸榜的美國流行天后泰勒·斯威夫特，成為最年輕的女首富。而放眼全球，AI正在以前所未有的速度，重塑著財富的分配規則。你會發現，越來越多的中國年輕女性，正在這片硬科技的鬥獸場上大殺四方。比如，同樣從名校退學的90後東北女孩王碩，創辦了人力資源科技公司Deel，估值173億美元；再比如24歲就從史丹佛退學、創辦AxiomMath的廣州女孩洪樂潼，幾個月就拿到超3億美元估值，甚至能讓頂尖數學教授來打工。在移動網際網路時代，打工人想要靠期權實現財富自由，往往要熬上8到10年，經歷無數次生死存亡，才能聽到上市的鐘聲。但在AI時代，這個周期被極度壓縮了。比如，AI新貴MiniMax，成立不到五年，員工平均年齡才29歲，卻幾乎實現了全員持股。去年發出去的員工薪酬高達5.8億，折算下來人均薪酬接近135萬元。資本、技術、人才在極短的時間內瘋狂聚集。那怕你不是郭露西這樣的創始人，只要在早期選對了風口，加入了一家靠譜的AI公司，你手裡的期權可能在兩三年內就會翻上幾十倍。當然，泡沫永遠與狂歡並存。投資女王瑪麗·米克爾就發出了警告：這行太燒錢了。就像OpenAI估值3000億，但年收入才90多億，估值是收入的30多倍。很多所謂的技術獨角獸，也會逐漸被優勝劣汰...... (新質動能)

熱度最高的兩大中國國產超節點終於同框出鏡。近日，出自華為的昇騰384與曙光scaleX640超節點，在2025世界計算大會首次毗鄰展出。前者圍繞華為全端技術閉環高度整合384張昇騰加速卡，被視為垂直整合路線里程碑之作；後者基於AI運算開放架構設計，以業界首個單機櫃級640卡超節點反超，展現出開放協同路線的蓬勃潛力。兩大路線迥異的超節點產品「面對面」互飆實力，成為本屆大會的關鍵亮點之一。有業內人士指出，前有昇騰384「以網補算」換道超車輝達，再有scaleX640在算力規模、密度、能效領域全面領航突破，國產超節點正在你追我趕中重塑中國計算系統的全球競爭力。六項指標飆升，國產超節點馬力全開！從昇騰384年中首次亮相，到曙光scaleX640年尾的漂亮收官，國產超節點接連打破業界記錄，在關鍵性指標上飆升加速度。這次兩大代表產品同框，將此進展體現到了極致。數據顯示，昇騰384 超節點以384 張昇騰算力卡組成一個超節點，可提供高達300PFLOPs 的密集BF16 算力，接近輝達GB200NVL72 系統的兩倍。彼時，華為特別強調了"超節點+叢集"策略，透過Atlas900SuperCluster 實現業界最大規模的高速匯流排互聯。相較於昇騰384的珠玉在前，scaleX640進一步實現單機櫃640張加速卡整合，並基於「一拖二」的高密架構組成雙scaleX640超節點（可達1280卡計算單元），FP16/BF16算力突破至昇騰384的2.1倍率當然，超節點的本質是讓叢集系統像一台電腦有效運作，考慮的不僅是算力卡的堆疊程度，其算力密度和整體能效也是系統最佳化過程中的重要版圖。內先進水平根據會上展出訊息，昇騰384單機櫃可搭載32張昇騰910C NPU（共12個機櫃），低至1.12的PUE值及800伏高壓直流（HVDC）供電技術，將功耗能源效率提升至業界先進水準。1. 算力密度scaleX640單機櫃640卡將算力密度提升了整整20倍，而解決散熱問題的關鍵在於全球頂尖的浸沒相變液冷技術，其PUE值降低到了1.04，配備400/800MW的超散熱能力供電，可以為千卡級計算單元提供高達1.72MW的超級散熱能力。2. 記憶體頻寬此外，國產超節點在HBM記憶體頻寬和記憶體容量上表現出明顯的遞進趨勢。其中，昇騰384記憶體頻寬為1229 TB/s，總記憶體達49.2 TB；曙光scaleX640記憶體頻寬為2304 TB/s，總記憶體容量81.9 TB。後者兩項指標分別達到前者的1.7倍、1.9倍。3. 國產計算至此，兩大超節點產品在關鍵指標對壘交出超分答案。尤其scaleX640在昇騰384領先輝達的基礎上再進一階，彰顯了國產計算叢集可持續迭進的澎湃動能。兩大路線並進，華為與曙光仍有底牌？從技術路線特性來看，昇騰384採用了典型的「蘋果係」垂直整合模式，主要由單一巨頭廠商為主導，建構獨立的生態閉環。scaleX640則是「Android系」超節點玩家的代表，追求全端開放協同共贏。兩大路線你追我趕構成了國產計算叢集主流發展圖景。儘管昇騰384在技術路線競跑中被暫時趕超，但在此次大會同台競技中，華為方面正掏出一張張新底牌，試圖在下一程「萬卡級」賽道迎頭趕上。據悉，所謂「Android系」之於「蘋果係」的主要優勢在於生態相容能力。如scaleX640基於AI運算開放架構，適配支援多品牌AI加速卡，可以提供使用者更多彈性選擇。並且，該產品全面相容主流AI運算生態，適配優化了400+主流大模型，能夠支援AI模型、業務應用快速無縫遷移與深度優化，對於AI用戶的高效部署上線需求具備天然的吸引力。為了在算力閉環內實現極致協同，彌補與前者的相容性、擴展性差距，華為方面緊急上線了Flex:ai技術，聚合叢集內空閒XPU算力聚合形成「共享算力池」。業界認為，此項技術本質上是透過軟體創新來實現算力資源的統一管理與利用，進而遮蔽算力硬體的差異。值得一提的是，華為近期也預告了下一步Atlas 950 超節點計畫。該產品支援8192 張基於Ascend 950DT的昇騰卡，可擴展至上一代超節點的20多倍，預計將於2026年Q4上市。面對華為方面一年後下定的“戰書”，曙光似乎正在提前鎖定萬卡級超節點目標。業界傳聞稱，基於scaleX640和1280千卡計算單元，曙光或將在年內進一步推出「萬卡計算叢集」。有人猜測，“很可能就在12月末，開放式超節點路線或將率先奪得全球萬卡級計算高地。”這一番底牌頻出的“高手過招”，儼然將國產大算力熱度推向了極致。可以明顯看出，兩大主流技術路線在輪動迭進中不斷提速，從算力規模、整合密度到功耗能效、內存頻寬，乃至生態層面的全方位比拚下，中國算力正以更積極的姿態衝擊全球計算產業鏈頂端。 （AI雲原生智慧算力架構）

“資料標註的價值，可能被低估了。在人工智慧的金字塔底部，有一群人正在默默為演算法添磚加瓦。他們不是科學家，不寫程式碼，卻決定著AI是否能“看懂”世界。從自動駕駛識別紅綠燈，到語音助手分辨你的口音，再到醫療影像裡的每一處陰影，背後都藏著無數次滑鼠點選與像素描邊——這就是資料標註，被稱作“AI界的富士康”。今年6月，Meta創始人祖克柏豪擲143億美元收購資料標註公司Scale AI，28歲的創始人Alexander Wang一夜之間躋身百億富豪之列，資料標註這個近年來才嶄露頭角的“AI幕後推手”，漸漸站到了大眾視野下。資料標註被很多人稱為“人工智慧界的富士康”，但它真的只是勞動密集型代工的行業嗎？在171億美元的市場規模背後，誰在主導？利潤又將流向何方？盛宴與格局：171億美元市場的版圖資料標註，就是對未經處理的原始資料加入說明、解釋、分類或編碼的過程，以便資料可以被人工智慧演算法所理解和使用。根據Grand View Research的報告，全球資料標註市場預計到2030年將達到171億美元，是2024年規模的五倍以上。隨著自動駕駛、智能醫療、語音識別等領域的蓬勃發展，資料處理需求持續攀升。北美仍是最大市場，而亞太地區則被預測為增長最快的區域。來源：Grand View Research 2024資料標註行業報告在產業鏈中，狹義的“資料標註”指具體的人工操作，而廣義的“資料標註服務”則覆蓋了從資料獲取、平台研發到交付實施的全過程：·上游：資料需求方（如自動駕駛模型開發公司），多位於資本密集的發達國家和一線城市；·中游：資料標註平台提供商，負責技術研發、自動化解決方案與交付，科技含量更高；·下游：第三方服務商，組織人工標註人員在人力成本較低的地區開展作業。因此，大眾眼裡的“富士康”印象，來自於狹義的資料標註定義，屬於人工展開標註操作的下游環節，且多分佈在人力成本較低的地區。但在資料質量驅動下，該環節正被技術與自動化重塑。整體來看，歐美國家掌控上中游高端環節與核心技術，2024年佔全球市場約35%份額。在全球前30家資料標註服務商中，美國獨佔18家。憑藉成熟的產業生態、高效的AI演算法和自動化標註工具，美國深刻影響著全球人工智慧產業格局。相比之下，亞太地區憑藉人口紅利和成本優勢，成為產業鏈下游的主力。外包服務增長迅速，更多發達國家的企業將人力密集的標註環節轉移到勞動力成本更低的地區。不過，這些國家需在語言、資料安全與法規上與發包方保持一致和暢通，才能真正吸引投資。以印度為例，已湧現Infolks、iMerit、Playment等知名資料標註公司。據印度軟體協會（NASSCOM）調查，目前印度超過80%的資料標註員來自農村和小城鎮。預計到2030年，印度資料標註從業勞動力將達100萬人，產業規模達到70億美元，這得益於其在多語種語音資料標註方面的優勢。全球競技地圖：美國技術領先，歐洲重合規，亞洲快速追趕當人工智慧的舞檯燈光聚焦在模型與算力時，資料標註這個“後台工種”正從陰影中走出。它既是AI訓練的原料廠，也是產業競爭的第一戰場。過去十年，標註行業從手工操作走向自動化、從人力密集轉為技術密集，規模、模式與價值鏈位置都發生了深刻變化。如今，這場看似沉默的產業盛宴，已在全球範圍內影響AI的成本結構與利潤流向。而不同國家和地區，也呈現出顯著不同的發展特點。1. 北美：掌握產業鏈高端的技術革新者北美，尤其是美國，是全球資料標註賽道的"頭號玩家"。這個寶座並非偶然——技術創新、政策扶持與專業服務，共同構築了其護城河。Scale AI、Mighty AI等領頭公司，就是在政策與資本的推動下迅速崛起。來源：Grand View Research 2024資料標註行業報告政策層面，美國在2016年就將資料標註視為AI基礎設施建設的重要組成部分，並寫入《數字經濟戰略》。隨後的《聯邦資料戰略2020年行動計畫》強調資料開放、隱私保護與跨部門協作；而2025年發佈的《美國人工智慧行動書》中，更系統地提出了“高品質資料標註與人才培養”的政策要求。在技術實踐方面，美國企業普遍在自動化標註技術上處於領先。例如：·自動標註：利用AI模型自動識別對象並加入標籤；·預標註：系統完成初步標註，再由人工覆核最佳化；·智能預測：基於已有資料規律，推薦新資料的標註方式。這些技術不僅顯著提升了標註效率，也推動人工角色從基礎的“標註工”向“質檢員”與“演算法訓練師”轉變。作為行業代表，Scale AI的轉型路徑頗具典型性。該公司早期依賴上千家海外外包商完成資料清洗與標註，後因在菲律賓、肯尼亞等地陷入勞工爭議而備受質疑。近年來，為適應高品質資料需求，Scale AI大力推動人才結構升級。據Bloomberg報導，其標註團隊中已有超過40%成員擁有碩士、法學或MBA學位，更有12%具備分子生物學等領域的博士學位，專注於自主演算法研發與模型精細化調優。與此同時，一股"虛擬資料"風暴正在襲來——合成資料技術通過AI生成帶標註的虛擬樣本，既保護隱私又擴充資料，特別適合醫療影像等敏感場景。Gartner預測，到2024年，AI項目中60%的資料將是"合成製造"；到2030年，這個市場規模將飆升至23.4億美元。如今，Scale AI、澳鵬等行業巨頭都已在這場"虛擬盛宴"中佈局落子。更值得關注的是，專業化分工正在重塑行業格局。在醫療、農業、藥物研發等領域，標註服務正在走向"量身定製"：·農業模型依賴衛星圖像、土壤與氣象資料的精準標註以最佳化作物預測；·藥物研發需通過生化分子互動資料標註加速新藥發現流程。這些任務均要求標註人員具備紮實的領域知識。相應地，在醫療等細分賽道，Centaur Lab、Cogito Tech等企業已建立起由領域專家、從業者及研究人員構成的高水平標註團隊。這清晰表明，行業競爭壁壘正逐漸從“資料規模”轉向“知識深度與質量保障”。2. 歐洲：嚴苛法規下的本地化創新歐盟歷來是資料隱私與倫理的“規則制定者”。自2018年《通用資料保護條例》（GDPR）落地，資料跨境流動的門檻便被大幅抬高；而2024年8月生效的《歐盟人工智慧法案》更進一步，對高風險AI系統層層加碼，築起監管高牆。嚴規之下，歐洲企業反而“危中尋機”，探索出合成資料生成、內部資料共享框架等創新路徑。歐盟也順勢推動健康、交通、農業等行業資料空間項目，鼓勵資料“就地標註、區內循環”。以德國公司Macgence為例，它打出“資料駐留德國／隱私優先”的合規宣言，堅持本地化收集與處理，成功規避跨境資料流動的潛在風險。這套模式正獲得市場認可——歐洲境內資料標註市場預計到2033年將擴張至16億美元，2026-2033年複合增長率高達15%。歐洲內部市場亦呈現多元格局，因此，制定本地化戰略對於在整個歐洲大陸持續取得成功和保持競爭優勢至關重要。·西歐（德、法、英）憑藉完善基礎設施、高素質人才與成熟監管，穩坐產業樞紐，有更多跨國巨量資料服務公司在此設立總部；·中歐與東歐以成本優勢和不斷升級的物流網路，吸引越來越多投資；·北歐聚焦綠色與數位技術，走可持續發展路線；·南歐則在消費導向型市場中嶄露增長潛力。歐洲各資料標註公司以“小而精”的規模，打開不同地區的專有模式。此外，歐洲在價值觀層面同樣樹立起高牆，強調“以人為中心”，明令資料標註必須避免性別、種族等偏見。GDPR明確規定，涉及個人特徵的資料須通過偏見檢測與倫理審查。對意圖進入歐洲市場的企業而言，對齊法規與文化價值觀，已是一張不容討價還價的“入場券”。3. 亞太：從“代工廠”到“解決方案夥伴”回到開頭的問題：資料標註真的是“人工智慧界的富士康”嗎？從歐美的轉型可以看出，行業正逐步走向自動化與專業化，人工標註的替代性日益提高，低價競爭的利潤空間被持續壓縮。資料標註的價值，正在從勞動力密集轉向技術密集與知識密集。“富士康”曾經只是行業的冰山一角，現在更加面臨著轉型升級。來源：越南Sibai資料標註服務公司中國、印度等人口大國，在製造業發達的年代，都曾是產業鏈的下游，利用人口紅利壓低成本，以量取勝。但在今天這個技術更迭更快的年代，人工智慧產業鏈裡的利潤更加傾斜於中上游，轉型成為必然。我們已經看到資料行業在亞太地區的轉型：更多客戶從尋找“代工廠”轉向“解決方案夥伴”。例如，印度資料標註公司Infolks自2016年成立以來，從6人團隊擴建到600餘人。通過開發和利用其專有標註平台“LabelMore”，將資料標註從純粹的勞動密集型工作轉變為技術增強型流程，業務擴展到了自動駕駛汽車、三維點雲、醫療科技、航空、體育科技等領域。越南也不再滿足於“外包工廠”的角色。本土公司如Tektra正展現其提供系統化解決方案的雄心，業務覆蓋資料工作流全環節。然而，人才英語能力與教育水平仍是其必須面對的現實瓶頸。中國：邁向高端資料基礎設施建設中國在2017年發佈《新一代人工智慧發展規劃》，確立了“以巨量資料驅動AI”的核心方向。隨後的一系列政策（如《國家資料基礎建設指引》《資料要素X三年行動計畫》）推動了資料流通、人才培養與合規體系建設。在跨境資料流動上，2024年出台的《促進和規範資料跨境流動規定》與此前的《資料出境安全評估辦法》《個人資訊出境標準合同辦法》等，共同構成了企業“出海合規工具箱”。其中，成都、瀋陽、合肥、長沙、海口、保定和大同市被列入資料標註基地建設的城市名單。在七個基地的牽引帶動下，北京、天津、廣東、湖北、貴州、陝西等20多個省市正在配合、發展資料標註產業，並且跟各巨量資料標註大廠合作成立資料標註基地。行業層面，中國自動駕駛領域的快速發展正催生海量標註需求。例如百度阿波羅資料集已積累超1000萬公里駕駛資料，用於模型訓練與最佳化。未來，隨著“東數西算”戰略推進，國內資料標註體系將更加內循環、高品質、專業化。縱觀世界資料標註市場的變化，中國在資料標註產業上必須將優勢從單純的低成本擴展為更高端的競爭力：·人力資源與多語言適配能力：龐大的本地標註團隊能夠快速處理多類型、多語言的資料，並保證文化與語境的精準性；·技術與效率結合：AI輔助標註、半自動化流程和成熟的質量控制體系，使大規模資料標註既經濟又高效；·快速迭代與專業能力：在自動駕駛、語音識別和自然語言處理等領域積累的經驗，使企業能夠針對不同場景最佳化標註標準與流程。中國目前也湧現了一大批資料標註的代表性企業，比如海天瑞聲、資料堂、百度眾包、雲測等資料服務公司。截至2023年，資料標註相關服務企業已經達到了1123家，預計在未來相關企業數量會繼續增長。來源：2025資料標註產業發展研究報告資料標註行業的故事，可能被低估了。它不像大模型那樣耀眼，也不像算力競賽那樣喧囂，但每一次AI浪潮的背後，都是無數標註樣本在支撐演算法的“世界觀”。當人力不再是主要變數，標註行業的競爭正在轉向效率、質量與領域深度。自動化、合成資料、垂直知識庫，這些詞彙聽起來冷冰冰，卻正決定未來AI的智能邊界。曾被比作“AI富士康”的資料標註工廠，正在脫胎為AI基礎設施的一部分。在AI世界裡，標註從不是主角，甚至不是“男二號”，但在這場快速演進的產業變革中，它也應該擁有姓名。 (資料猿)

身家1200億。一位超級新貴誕生。Edwin Chen，這位華裔面孔正在成為AI新霸主。據《福布斯》報導，他所創辦的Surge AI正在進行10億美元首輪融資，對應估值升至約240億美元（約合1712億元人民幣）。早年畢業於麻省理工學院，Edwin Chen先後在避險基金、Google、Facebook等工作，直至32歲那年親自下場創業。過去五年裡，Surge AI從未對外融資，卻做到年營收超10億美元，堪稱AI創業傳奇。AI造富驚人。如今Edwin Chen憑藉持有公司75%的股份，身家達到180億美元，首次入選今年《福布斯》美國最年輕的億萬富豪。估值1700億元他登頂最年輕富豪Surge AI，過往大多出現在AI投資人的聊天裡，但現在炙手可熱。身後掌門人隨之走到聚光燈下。這一次創業始於五年前。2020年，彼時32歲的Edwin Chen從大廠離職，創辦Surge AI。公司主要業務是“賣鏟子”——為人工智慧提供資料標註服務。成立以來沒有融過資，卻悄悄實現了營收超過10億美元。相比之下，他的競爭對手更為人熟知——Scale AI。今年6月，Meta斥資約150億美元入股，Scale AI估值一舉超過290億美元，同樣造就了一批富豪。比如，Scale AI已離職的創始人Lucy Guo憑藉持有5%股份，成為世界上最年輕的白手起家女億萬富豪。AI界有一個著名的梗：“有多少人工就有多少智能。”資料標註公司大多擁有龐大的外包團隊來提煉資料，也被戲稱為“賽博富士康”。但某種程度上，資料標註公司們專注於AI最剛性的環節：無論技術如何演進，模型訓練始終離不開“乾淨”的資料，這正是資料標註不可替代的根本原因。發展至今，資料、演算法和算力，是AI的三大基石。如果說輝達是算力的賣鏟人，那麼資料標註公司便是資料的賣鏟人。這也是Surge AI和Scale AI估值動輒千億的原因。過去很長時間裡，Edwin Chen都處於默默無聞。但現在，他再也藏不住了——因持有公司約75%的股份，他的身家達到180億美元，首次登上《福布斯》美國富豪榜，成為今年最年輕的億萬富翁。“如果沒有創立Surge，我也會做資料探勘和AI訓練，天生就該吃這碗飯。”面對驚人的快速增長的財富，Edwin Chen反應平平，表示自己只不過恰好做了賺錢的事。85後理工男幹出一個千億獨角獸理工男，這是Edwin Chen大致的成長印象。出生於1988年，他在一個普通家庭長大，父母靠經營中餐廳為生，自己從小痴迷於數學和科幻小說，8歲自學微積分，17歲那年考入麻省理工學院學習數學、語言學和電腦。畢業後，Edwin Chen先是到了華爾街——在矽谷創業教父彼得·蒂爾的避險基金Clarium Capital從事演算法工作。後來，如大多數矽谷碼農一樣，他輾轉於Twitter、Google、Facebook等公司負責資料、人工智慧等方面工作。創業念頭始於一段插曲。當時他所在團隊的一個項目需要標註五萬條資訊流，外包花了整整半年才交付資料，結果卻不盡如人意——顯而易見的俚語、梗圖和標籤全都被錯標，質量之差幾乎無法使用。“連巨頭都搞不定的事，一定有巨大機會。”這讓Edwin Chen意識到，這是被整個行業忽視的問題。2020年，他辭去安穩工作，親自下場創立Surge AI。創業初期，他在舊金山的攀岩館偶遇Airbnb和Neeva的高管，意外獲得首批客戶。很快，一個人在公寓裡花了一個月時間寫出第一個版本。產品上線後不到12個月，就做到了八位數營收，此後又幸運地押中了大語言模型興起的風口。“AGI不會從一堆錯誤資料中誕生。簡單的標註任務非常無聊，我們要解決真正複雜的問題，做到高品質資料的程式碼輸入。”Edwin Chen稱想打造一個具有護城河、利潤率更高的生意。創業過程中他極為重視技術人才，表示擁有100倍的工程師，才能將AI發揮到極致。突破來自與OpenAI、Anthropic等大模型的合作。Surge Al參與了ChatGPT、Claude3大模型訓練過程，驗證了技術實力。至今，公司擁有250名員工，客戶名單幾乎囊括全球AI巨頭：OpenAI、Anthropic、Google、微軟、Meta無一缺席。其中，Meta在投資Scale之前也是Surge的重要客戶，其生成式AI部門去年在Surge的全流程標註服務上支出超1.5億美元。“我們正在做的事情對所有AI大模型都至關重要。如果沒有我們，AGI就無法實現。”Edwin Chen對未來充滿希望，稱AI有能力寫出足以贏得諾貝爾獎的詩歌、解決黎曼猜想，甚至揭示宇宙的秘密，前提是必須訓練能夠真正體現人類專業知識、創造力和價值觀的資料之上。AI造富潮毫無疑問，AI造富，仍舊浪潮洶湧。就在這個月，AI搜尋引擎公司Perplexity獲得2億美元的融資承諾，公司估值達到200億美元（約合1425億元人民幣）。成立於2022年，Perplexity由三位90後天才少年一手打造，立志超越Google，三年來公司累計融資已達15億美元。無獨有偶。9月，法國初創公司Mistral AI即將完成20億歐元融資，公司估值將達到120億歐元（約合1000億元人民幣）。身後創始人同樣是三位90後——他們先後從巴黎頂尖學府畢業投身AI大廠，嗅到時代機遇後辭去高薪職位開始創業。公司成立一個月，就憑藉7頁PPT融資1億美元，刷新歐洲種子輪紀錄。放眼望去，“幾個人，估值十億美元”的案例在AI時代比比皆是。我們將目光轉向二級市場，更是兇猛。先是輝達、甲骨文股價接連創下歷史新高，而後A股也不遑多讓。站在AI風口之上，“國產AI晶片一哥”寒武紀漲勢如虹，最新超越貴州茅台，成為新任“股王”，市值一度突破6000億元。還有與寒武紀、工業富聯組成“紀連海”的海光資訊，股價接連創歷史新高，較三年前的發行價漲超7倍。表現搶眼的還有A股算力三巨頭“易中天”——新易盛、中際旭創、天孚通訊。不到五個月，三家公司股價均實現翻倍，有人賺得盆滿缽滿。正如黃仁勳所言，未來5年人工智慧創造的百萬富翁數量，將超過網際網路20年創造的百萬富翁數量。但喧囂背後，警鐘已響。矽谷知名分析師Henry Blodget冷靜提醒稱，一旦AI從繁榮轉向蕭條，其衝擊波可能會遠遠超出科技行業。“關鍵問題是，我們正處在泡沫破裂前的幾年，還是僅僅幾個月？”回望歷史，每一波技術革命都裹挾著造富神話，也埋藏著退場的殘酷。這場屬於AI的黃金時代，有人已摘到星辰，更多人還在等待風起。 (投資界)

UE8M0 FP8 是一種專為下一代國產 AI 晶片設計的 8 位浮點格式（FP8） 的特定組態，由 DeepSeek-V3.1 模型首次採用，旨在顯著降低大模型推理階段的視訊記憶體佔用和計算成本，提升推理速度。1. 技術細節- UE8M0 的含義：- U：表示無符號（Unsigned），即不佔用符號位，適用於啟動值通常非負的場景。- E8M0：8 位全部用於指數（Exponent），尾數（Mantissa）位為 0。這並不是字面意義上的“0 位尾數”，而是指通過隱式歸一化或動態調整尾數精度實現靈活性。- 動態尾數策略：實際實現中，可能採用動態尾數分配（如根據指數範圍動態調整尾數有效位），或默認尾數為 1，值的範圍為 \(2^{-128}\) 至 \(2^{127}\)。- FP8 Scale：- 指在量化過程中用於縮放數值的因子（Scale），確保數值在 FP8 的表示範圍內。- 塊級縮放：將張量劃分為固定大小的塊（如 128×128 的 tile），每個塊共用一個縮放因子。這種塊級縮放（而非整個張量級）在保留 8 位位寬的同時，將可用動態範圍擴展數十倍。2. 優勢與應用- 硬體效率提升：- 視訊記憶體節省：權重視訊記憶體佔用降低約 50%，例如 680B 模型權重檔案從 1.3-1.5TB 降至約 680GB。- 計算加速：由於 UE8M0 不含尾數與符號位，處理器在根據縮放因子對資料復原時，僅需乘以對應的 2 的冪（即指數位移操作），無需浮點乘法、規格化或舍入邏輯，縮短了時鐘關鍵路徑。- 國產晶片適配：- 寒武紀：思元 590 晶片明確支援 FP8 精度，算力密度較前代提升 40%。- 摩爾執行緒：首個支援原生 FP8 的國產 GPU 廠商，基於 MUSA Compute Capability 3.1 計算架構。- 海光資訊：DCU（深算系列）通過 FP8 最佳化技術降低 30% 視訊記憶體佔用並提升 20% 運算效率。3. 行業影響- 技術突破：DeepSeek-V3.1 是國內首個成功使用 FP8 完成大模型訓練的案例，證明了FP8 在超大規模模型訓練中的可行性。- 生態閉環：UE8M0 FP8 助力國產 AI 晶片-國產開源模型-下游應用形成完整生態閉環，推動國產 AI 晶片加速追趕國際先進水平。UE8M0 FP8 是 DeepSeek-V3.1 採用的一種創新 8 位浮點格式組態，通過無符號設計、全指數位分配和塊級縮放策略，顯著提升國產 AI 晶片在推理和訓練中的效率與性能，標誌著國產 AI 晶片技術的重要突破。 壹號講獅)

最近，科技圈炸鍋了。祖克柏大手一揮，花了148億，收購了一個90後華人小夥創辦的AI公司，還把他直接請進了Mate公司高管團隊，負責管理整個AI部門。這一操作直接就引爆了整個科技圈。這個小夥子，叫亞歷山大·王（Alexandr Wang），年僅28歲。而除了亞歷山大·王之外，Mate公司組建的超級智能實驗室裡，首批核心成員17人中，竟然有7位都是華人。先說說亞歷山大·王這個人。他父母都是中國人，小時候在美國長大，家裡條件一般。父母都是工程師，給他買過最貴的禮物，是一台二手電腦。但他從小就天賦異稟，初中、高中的數學競賽經常得獎，SAT考到滿分（美國高中畢業生學術能力水平考試），最後直接考進了麻省理工學院（MIT）。可還沒等他讀完大學，20歲那年，就和同學一起創辦了Scale AI。這家公司做什麼呢？簡單來說一句話，幫AI公司“喂資料”。你想讓AI變聰明，就得給它喂各種各樣的資料，比如圖片、文字、語音、視訊，而且全都要標註清楚。Scale AI就是做這個的。短短幾年，Scale AI估值衝到290億美元，成了矽谷最炙手可熱的獨角獸。亞歷山大·王也成了圈內的明星創業者。今年6月14日，祖克柏用148億人民幣（大約20億美元），買下了Scale AI 49%的股份。更狠的是，祖克柏直接把亞歷山大·王請到了Meta，任命他為AI部門的第一負責人。要知道，Meta的AI部門，是公司未來的“命根子”。祖克柏甚至放話：“我要在2027年前，讓Meta的AI超越Google和OpenAI，成為世界第一。”這不是一句空話。Meta近幾年砸錢砸到手軟。單是AI晶片、資料中心、演算法研發，每年都要花掉幾百億美元。現在，更不不惜巨資，把AI領域最有潛力的華人天才招進來。有業內人士感慨：這不是簡單的公司併購，這是赤裸裸的人才爭奪。為了一個人，肯花148億，全球能有幾家企業敢這麼玩？而且，祖克柏新組建的“超級智能實驗室”裡，首批17名核心成員，有7位都是華人科學家。這些人，有的本科畢業於清華、北大、上海交大，有的曾在OpenAI、Google做過核心演算法。有人參與過ChatGPT的研發，有人主導過自動駕駛的感知系統。可以說，這是一支AI行業的“夢之隊”。他們的年薪有多高？據說，亞歷山大·王的待遇，已經超過了C羅在沙烏地阿拉伯俱樂部的8000萬年薪，高達1億美元。其他核心成員，年薪也都是千萬美元起步。有人打趣說：“現在最貴的不是球星，而是AI科學家。”看到這裡，很多朋友肯定要問：為何這些頂級AI人才，都是中國人？答案其實很簡單——中國的基礎教育，尤其是數學、理科，真的很強。你去看看美國矽谷的AI公司，OpenAI、Google、Meta、微軟，演算法團隊裡，華人面孔隨處可見。很多人小時候在國內上學，打下了堅實的數學和邏輯基礎，後來留學深造，成了AI行業的中堅力量。還有一點，國內家長對孩子的培養，投入巨大。奧數、程式設計、英語，家長們在這方面可謂是不遺餘力。雖然有時候覺得累，但到了國際競爭的賽場，這些孩子表現的明顯不一樣。但現實是，很多頂尖人才，最後還是選擇了美國的科技公司。為什麼？平台大，資源多，待遇高，做出來的東西能影響全球。這幾年，國內也在拚命追趕AI。騰訊、阿里、百度，都在砸錢招人。騰訊甚至搞了一場“AI演算法大賽”，獎金池高達5000萬人民幣，吸引全球頂尖的演算法工程師參賽。但和Meta、Google這些巨頭比，差距還是非常明顯的。比如頂尖科學家和工程師的薪酬、科研環境、國際影響力。有專家說：“中國AI產業不缺錢，也不缺工程師，缺的是能帶隊伍、能做原創的頂級科學家。”可是現在這種高端技術人才往外流出的現象，也令不少網友都感到十分擔憂。畢竟大量頂尖人才流向國外，對國內的科技發展太不利了。而且隨著全球AI競爭加劇，人才流失的速度可能會越來越快。前幾年，國內大學AI專業的畢業生，80%選擇留在國外。現在，連在國內做出成績的年輕科學家，也被美國公司高薪挖走。這不是簡單的“跳槽”，而是關係到國家未來科技競爭力的大事。據統計，每年清北的畢業生有超一半，選擇加入美國幫美國跟我們競爭，反過來卡我們的脖子。面對這樣的現實，我們不能只會感嘆，更要行動起來。首先，國家和企業要真正重視AI人才，給他們更好的待遇和發展空間。別讓科學家成天忙著寫報告、跑項目、做行政。要讓他們安心搞科研，敢於創新，敢於失敗。其次，社會要給科學家更多尊重和寬容。別動不動就拿“985博士月薪5000”當段子，也別把科研失敗當成笑話。科學創新，本來就是九死一生。可以預見，未來AI領域的“搶人大戰”只會愈演愈烈。這場沒有硝煙的戰爭，不僅決定著科技巨頭們的命運，更關乎國家的核心科技競爭力。無論在國內還是國外，唯有持續培養、吸引和激發優秀人才的活力，才能在這場全球激烈的角逐中立於不敗之地。 (宇說人物記)

據報剛剛小紮在一份內部備忘錄中，正式向員工介紹了其新組建的“超級智能”團隊20幾名成員，名單和簡歷顯示，許多新入職的員工都來自AI領域的頂尖對手公司，其中華人佔了快一半了整個組織命名為Meta超級智能實驗室（MSL），包括所有的基礎模型、產品和FAIR團隊，以及一個專注於開發下一代模型的新實驗室小扎向Scale AI投資了143億美元，並聘請Scale AI CEO Alexandr Wang將擔任公司的“首席AI官”並領導MSL。同時，前GitHub CEO Nat Friedman將與Wang共同領導這個新實驗室，專注於AI產品和應用研究小扎這一把砸下上百億美金，真是下血本了，這其實也是Deepseek的威力，因為R1徹底顛覆了Meta的 llama開源模型名單以下是Zuckerberg備忘錄中公佈的新員工名單。值得注意的是，這份名單並未包括從OpenAI蘇黎世辦公室加入的員工其中四名OpenAI華人頂尖研發領導，詳細請看我之前的文章（突發！小扎“突襲”OpenAI核心，四名頂尖華人被挖走）Shuchao Bi: GPT-4o語音模式和o4-mini的共同創造者。此前在OpenAI領導多模態後訓練團隊Hongyu Ren: GPT-4o、4o-mini、o1-mini、o3-mini、03和o4-mini的共同創造者。此前在OpenAI領導一個負責後訓練的小組Jiahui Yu: 03、04-mini、GPT-4.1和GPT-4o的共同創造者。此前在OpenAI領導感知團隊，並在Gemini共同領導多模態團隊Shengjia Zhao: ChatGPT、GPT-4、所有mini模型、4.1和03的共同創造者。此前在OpenAI領導合成資料團隊除了以上四名華人以外，今天的名單上新增加了三位華人Ji Lin: 幫助建構了03/o4-mini、GPT-4o、GPT-4.1、GPT-4.5、40-imagegen以及Operator推理棧本科清華，PhD 麻省理工，2023年11月加入OpenAI，主要研究方向是多模態、推理、合成資料Pei Sun: 在Google Deepmind負責Gemini的後訓練、編碼和推理工作。此前曾創造了Waymo最近兩代的感知模型本科清華，Master美國卡內基梅隆大學，PhD退學 ，是Gemini 後期訓練、思考和編碼的核心貢獻者。發明了許多核心方案。參與了 Gemini 1、1.5、2、2.5 的開發Huiwen Chang: GPT-4o圖像生成的共同創造者，此前在Google研究院發明了MaskIT和Muse文生圖架構本科清華，PhD普林斯頓大學，2023年6月加入OpenAI，曾在Google工作6年多這是爆出來的其他名單Trapit Bansal: 在OpenAI開創了思維鏈上的強化學習（RL），並且是o系列模型的共同創造者Joel Pobar: 在Anthropic負責推理工作。此前曾在Meta工作11年，負責過HHVM、Hack、Flow、Redex、性能工具和機器學習等項目Jack Rae: Gemini的預訓練技術負責人，並負責Gemini 2.5的推理工作。曾在DeepMind領導了Gopher和Chinchilla等早期大語言模型項目Johan Schalkwyk: 前GoogleFellow，Sesame項目的早期貢獻者，以及Maya項目的技術負責人寫在最後看起來，小扎組建的超級智能實驗室創始團隊裡華人幾乎佔了快一半了，我們最後再來個梳理Alexandr Wang：Scale AI創始人，領導超級智能團隊Shuchao Bi：本科浙大，博士加州伯克利分校Hongyu Ren：本科北大，博士史丹佛大學Jiahui Yu：本科中科大，博士美國伊利諾伊大學香檳分校Shengjia Zhao：本科清華，博士史丹佛大學Ji Lin：本科清華，博士麻省理工學院Pei Sun：本科清華，碩士卡內基梅隆大學Huiwen Chang：本科清華，博士普林斯頓大學Xiaohua Zhai（翟曉華）：本科南京大學，博士北大，OpenAI瑞士蘇黎世辦公室 (AI寒武紀)