•
估值飆至138億美元！ 27歲華裔天才少年再獲融資，數據標註會是下一個風口？
Alexandr Wang創辦的Scale AI是一個為AI模型提供訓練資料的資料標註平台，近期完成新一輪10億美元融資，估值飆升至138億美元。該公司表示將利用新資金生產豐富的前沿數據，為通往AGI鋪路。
Scale AI為想要訓練機器學習模型的公司提供資料標註服務，已從亞馬遜和Meta等眾多知名機構和企業投資者籌集了10億美元的F輪融資。
本輪融資由Accel領投，它之前也領投了Scale AI的A輪融資，並參與了後續的風險投資。
這輪融資讓Scale AI的身價飆升。儘管去年年初裁員20%，但該公司目前估值已經達到了138億美元。
除了亞馬遜和Meta之外，Scale AI也吸引了各種新的投資者：思科、英特爾、AMD等創投部門參與其中，許多注資過的公司也回歸了，包括英偉達、Coatue、Y Combinator等等。
天才少年輟學創辦獨角獸
Scale AI由Alexandr Wang和Lucy Guo於2016年創立，由著名創業孵化器Y Combinator投資。該公司使用機器學習來標記和分類大量數據，以便客戶用於訓練模型。
Scale AI的客戶包括Meta、微軟、英偉達、OpenAI、豐田和哈佛醫學院。
在創辦人基金領投的1億美元C輪融資之後，Scale AI在2019年獲得了獨角獸的地位，總共從Index Ventures、Coatue、Tiger Global等知名投資者籌集了6.026億美元。
2022年，持有15%股份的Alexandr Wang成為全球最年輕的白手起家的億萬富翁。
創業之前，Wang從小到大的履歷也讓人印象深刻。
1997年出生於新墨西哥州，父母都是在新墨西哥州洛斯阿拉莫斯國家實驗室的物理學家。
高中階段開始透過網路自學編程，並報名參加了一些世界級的程式設計競賽，例如美國電腦奧林匹克競賽（USACO）。
17歲，成為美國知名問答網站Quora的全職碼農；
18歲，考入麻省理工學院攻讀機器學習；
在MIT大一剛結束後的暑假，他就和Guo一起創辦了Scale，並且拿到了Y Combinator的投資。
Wang跟爸媽說，「這就是我夏天隨便玩玩的事。」
Scale AI剛起步時，有些人確實覺得這就是個笑話，畢竟公司當時只有三名員工。
不過，在不斷地融資和發展之下，Scale AI發展飛速，到2021年已經成長為價值73億美元的獨角獸企業，2023年初公司規模也擴展到了700人。
Wang接受《財星》雜誌獨家採訪時透露，隨著企業客戶競相訓練生成式AI模型，Scale AI的這方面業務快速成長。
2023年，公司年度經常性收入（企業長期為數據服務支付的費用）增加了兩倍，預計2024年底將達到14 億美元。
由於Scale AI的驚人成就，Alexandr Wang在2021年入選福布斯企業科技領域「30 under 30」排行榜，他本人在矽谷也被稱為「下一個祖克柏」。
AI模型的「資料工廠」
AI領域公認的三個基本支柱—數據、演算法和算力。
演算法領域，前有Google、微軟的大型研究院，後有推出Sora和GPT系列模型的OpenAI；算力領域有供貨全球的英偉達，但在Scale AI還未誕生的2016年，數據領域仍處於空白。
19歲的Alexandr Wang在看到這一點後，做出了輟學創業的決定，「我創辦Scale 的原因是為了解決人工智慧中的資料問題」。
大部分數據都是非結構化的，AI很難直接學習這些數據；而且大型數據集的標註一項資源密集型工作，因此，「數據」被很多人認為是科技領域最辛苦、最卑微的部分。
但Scale AI卻在短時間內就獲得了巨大成功。他們可以為不同行業的企業客戶量身定制數據服務。
在自動駕駛領域，Cruise和Waymo等公司透過攝影機和感測器收集了大量數據，Scale AI將機器學習與「人機迴路」（human-in-loop）監督相結合，管理和標註這些數據。
他們曾經開發的「自治數據引擎」推動了L4級自動駕駛技術的發展。
2019年，Scale AI幫助OpenAI團隊一同訓練GPT-2，進行了RLHF的首次實驗，並將這些技術擴展到InstructGPT等其他LLM。
CEO Wang在接受《財富》雜誌採訪時表示，Scale AI將自己定位為整個AI生態的基礎設施供應商，構建“數據鑄造廠”，而不僅僅是在子公司Remotasks中僱傭大量的合同工進行人工標註。
Scale AI已經開始與不同領域的專家合作，例如博士級學者、律師、會計師、作家等。
給聊天機器人的回覆進行評分，這樣的工作為什麼能讓博士級的專家參與其中？
Wang的回應是，原因有很多：「如果你是博士，習慣做一些非常小眾、深奧的研究，也許世界上只有少數人能夠理解。但這個工作中，你可以幫助改進和建構這些人工智慧系統的前沿數據，有機會產生真正的社會影響。
同時，Wang也認為，這些專家所能提供的高品質數據對AI的未來非常重要。
他補充說，來自專家的、包含複雜推理的數據是未來人工智慧的必備條件。 「你不能隨便把舊數據輸入給演算法中，然後期待它會自我改進」。
傳統的資料來源，例如從Reddit等社群的評論中抓取資料有其限制。 Scale AI建構了一些流程，模型先輸出一些內容，例如撰寫研究論文，在此基礎上，人類專家可以改進這些內容，從而改進模型的輸出。
關於AI產生並註釋的數據，有人持正面態度，認為可以消除對人類註釋資料註釋，但Wang的觀點並沒有這麼單純。
他說，合成數據以及人類創造的數據，這兩個面向Scale AI都有投入。 「雖然人工智慧產生的數據很重要，但想要獲得有一定品質和準確性的數據，唯一方法是透過人類專家的驗證。」
數據日益重要
數據是人工智慧的命脈，因此數據管理和處理領域的公司正站在風口上。
就在上週，印度的數據平台Weka表示，它以16億美元的投後估值籌集了1.4億美元，以幫助公司為其人工智慧應用建立數據管道。
人工智慧數據的主要問題仍然存在。 Scaling Law的存在意味著，隨著模型變大，對數據的需求也呈現指數級增長，越來越多的人擔心大模型會耗盡可用數據。
Alexandr Wang在Scale AI的官方網站上寫道，「資料豐富不是預設情況，而是一種選擇，它需要匯集工程、營運和AI方面最優秀的人才」
Scale AI的願景之一是「數據豐富」，從而將前沿LLM擴展到更大數量級，「為通往AGI鋪平道路。在達到GPT-10 的過程中，我們不應該受到數據的限制」。（新智元）
參考資料：
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