在舊金山的 Showplace 廣場，一棟曾經(jīng)屬于Airbnb的商業(yè)大樓最近迎來了新主人。在大部分科技公司都在業(yè)務(wù)收縮的當下，ScaleAI，這家由95后華人創(chuàng)立的人工智能數(shù)據(jù)標注公司，大手一揮租下了舊金山市中心約18萬平英尺的辦公室。
就在不久前，Scale AI完成了最新一輪10億美元的融資，估值達到138億美元，比上一輪的73億美元再翻了一倍。在這輪由硅谷頂級基金Accel領(lǐng)投的F輪融資中，除了YC、英偉達等現(xiàn)有投資者之外，還加入了一長串的新投資者名單，包括:亞馬遜、Meta、AMD、高通、思科、英特爾、高通等等，參與機構(gòu)高達22個。
而這些巨頭投資Scale AI的出發(fā)點大多相似——它們基本都是Scale AI的客戶。在AI飛速發(fā)展的當下，數(shù)據(jù)標記，這個看似簡單無趣、勞動密集的低門檻業(yè)務(wù)，卻被Scale AI一步一步地做成了一個大生意。
AI“藍領(lǐng)工廠”
在過去的一段時間里，提起“AI賣鏟人”，英偉達無疑是被提及最多的公司。但很多人不知道的是，Scale AI也扮演著同樣的角色。眾所周知，算力、算法和數(shù)據(jù)構(gòu)成了人工智能的三大支柱，英偉達占據(jù)著AI算力的山峰，Scale AI則是當前為AI提供數(shù)據(jù)支撐的最主要服務(wù)商。
Scale AI 成立于2016，其創(chuàng)始人是生于1997年的華人Alexandr Wang，創(chuàng)立公司時年僅19歲，在MIT剛讀完大一。Scale創(chuàng)立之初主要專注于人工智能數(shù)據(jù)標注，核心業(yè)務(wù)是幫助企業(yè)收集、清理、標注、以及管理大規(guī)模的高質(zhì)量數(shù)據(jù)，以便訓練和優(yōu)化機器學習模型。
實際上，在Scale AI崛起之前，數(shù)據(jù)標注在AI領(lǐng)域?qū)嶋H上長期處于“邊緣”位置。所謂的數(shù)據(jù)標注，是指為圖像、文本、視頻或音頻等原始數(shù)據(jù)添加結(jié)構(gòu)化信息，以便機器學習模型能夠理解和學習這些數(shù)據(jù)的過程。聽起來好像很復雜?但其實這是個小學生都能做的事情，比如給你一張圖片，讓你標出圖片中的行人、車輛、建筑等，給你一段文本，讓你標寫哪些感嘆句、哪些是疑問句，給你一段語音讓你打上情緒或說話者身份標簽等等。
雖然原理很簡單，但這些經(jīng)過標注的數(shù)據(jù)對于人工智能的發(fā)展不可或缺。AI模型需要大量的標注數(shù)據(jù)來進行學習，才能具備識別、分類和預(yù)測等功能。
但讓眾多AI公司頭疼的地方是，盡管一些自動化工具可以加快部分標注過程，但為了得到高質(zhì)量、高精確度的標注數(shù)據(jù)，仍然需要大量的人工來處理、標記和驗證數(shù)據(jù)。特別是在高精度要求的領(lǐng)域，如醫(yī)學影像、自動駕駛或JS應(yīng)用，錯誤標注可能會導致嚴重的后果。也正因如此，數(shù)據(jù)標注被認為是一個勞動密集型業(yè)務(wù)，很多公司不愿意也沒有精力去自己管理，導致標注數(shù)據(jù)的獲取的過程既耗時又昂貴。
Scale AI攬下了這個“辛苦活”。Scale AI 的早期定位是要通過結(jié)合自動化技術(shù)與人力審核，創(chuàng)建一個高效、精確的標注平臺，幫助企業(yè)快速處理和標注大規(guī)模的數(shù)據(jù)集。它的業(yè)務(wù)模式很簡單:接洽到有標記需求的公司，對數(shù)據(jù)進行簡單的預(yù)處理和清洗之后，將其外包給非洲、東南亞等勞工對數(shù)據(jù)進行標記。
2017年，Scale AI 成立了 Remotasks 作為其內(nèi)部外包機構(gòu)，在肯尼亞、菲律賓、委內(nèi)瑞拉等地設(shè)立了幾十家機構(gòu)，在各地培訓了成千上萬的數(shù)據(jù)標注員，這些標注員的工作大部分都是按件計酬，一次標注的收入低至幾美分，很多合約工在時薪甚至不到1美元。而在這樣的“全球工廠”模式下，Scale AI的毛利率卻能長期保持在65%以上。
踩中每一次風口
雖然數(shù)據(jù)標注看上去是一個低門檻的業(yè)務(wù)，但在2016年前后的“AI沉寂期”中卻幾乎是一個市場空白，只有谷歌、亞馬遜等一些大公司有自己的數(shù)據(jù)標注部門。而Scale AI 的成功很大程度上得益于它精準地洞察到了這一機遇并且抓住了近10年來人工智能行業(yè)發(fā)展的幾次風口。
首先是自動駕駛。在Scale AI成立幾個月后，他們就發(fā)現(xiàn)了自動駕駛領(lǐng)域?qū)τ跀?shù)據(jù)標注的大規(guī)模和剛性需求。自動駕駛技術(shù)的發(fā)展依賴于大量高精度的標注數(shù)據(jù)，例如道路場景、行人和其他物體的圖像數(shù)據(jù)，車企需要成千上萬小時的視頻數(shù)據(jù)進行標注來訓練和驗證其算法，就整個自動駕駛行業(yè)來看，當時90%以上的數(shù)據(jù)標注都是以人工為主。Scale AI 通過高效的數(shù)據(jù)標注平臺，以及使用模型輔助標注和數(shù)據(jù)預(yù)處理來加速數(shù)據(jù)處理流程，進而大幅降低了標注成本和時間，吸引了當時風頭正盛的Waymo、Cruise等企業(yè)成為了它的客戶，進而逐漸在自動駕駛數(shù)據(jù)標注領(lǐng)域站穩(wěn)腳跟。
在自動駕駛領(lǐng)域初嘗甜頭之后，Scale AI開始全面進軍AIaaS(AI 即服務(wù))市場。它從單純的數(shù)據(jù)標記延伸到數(shù)據(jù)服務(wù)，提供從數(shù)據(jù)標記和管理、模型訓練和評估，再到AI 應(yīng)用開發(fā)和部署的全流程解決方案。
此外，為了應(yīng)對某些行業(yè)數(shù)據(jù)不足的挑戰(zhàn)，Scale AI還向下游延伸到合成數(shù)據(jù)的生成，通過從現(xiàn)有數(shù)據(jù)中創(chuàng)建新的數(shù)據(jù)集，幫助訓練模型。于是在之后的幾年里，Scale AI在數(shù)據(jù)領(lǐng)域迅速崛起，客戶也擴展到了醫(yī)療、國防、電商、政府服務(wù)等領(lǐng)域。在成立兩年多之后，Scale AI的營收已經(jīng)接近5000萬美元。
Scale AI還精準地把握了生成式 AI爆發(fā)的機遇。早在GPT-2上，Scale就與 OpenAI 就進行了首次帶有人類反饋的強化學習合作實驗，接著將這些技術(shù)擴展到InstructGPT及其他領(lǐng)域。而由于生成式 AI 模型需要海量的訓練數(shù)據(jù)來提升其生成內(nèi)容的準確性和多樣性，大語言模型的爆發(fā)式增長極大地推動了整個行業(yè)對高質(zhì)量標注數(shù)據(jù)的需求，Scale AI 通過整合數(shù)據(jù)標注、數(shù)據(jù)合成等服務(wù)，為生成式 AI 提供了必要的數(shù)據(jù)支持。此外，Scale AI還幫助企業(yè)快速生成定制化的 API，以減少了自行訓練模型的復雜性和成本。
針對生成式AI，Scale目前已經(jīng)推出了全流程的平臺服務(wù)，包括開發(fā)者工具平臺 Scale Spellbook、合成數(shù)據(jù)產(chǎn)品 Scale Synthetic、企業(yè)級GenAI平臺等，目標是讓企業(yè)在每一個場景下都有足夠的數(shù)據(jù)來支持模型的訓練，憑借著在數(shù)據(jù)領(lǐng)域的獨特優(yōu)勢，過去兩年，Scale AI的客戶激增，既有OpenAI、Meta、AWS、英偉達這樣的巨頭，也有Cohere、Adept等這樣的新興獨角獸。而他們中的很多，也在這一輪融資中成為了Scale AI的投資者。
為什么是Scale AI突圍
關(guān)于Scale AI的崛起，很多人都很疑問，對于這樣一個處于AI上游且勞動密集的行業(yè)，中國似乎具有先天的優(yōu)勢，為什么沒有類似的企業(yè)脫穎而出?總體來看，這背后主要有兩方面的因素，一是行業(yè)，二是融資。
在生成式AI熱潮之前，國內(nèi)的人工智能發(fā)展在場景應(yīng)用方面一度領(lǐng)先，數(shù)據(jù)標注業(yè)務(wù)其實很早就起步發(fā)展了，但并沒有形成規(guī)模。很多龍頭企業(yè)雖然成立了數(shù)據(jù)標注部門，但主要是來為自身業(yè)務(wù)服務(wù)，而并不是尋求將數(shù)據(jù)與各個行業(yè)進行資源匹配。同時，正因為國內(nèi)的人口紅利，讓標注后的數(shù)據(jù)獲取成本低廉，也讓企業(yè)并沒有動力去采用技術(shù)平臺。據(jù)了解，長期以來，國內(nèi)的數(shù)據(jù)標注行業(yè)的價格都很透明， 時薪普遍在10-25人民幣左右且大多沒有學歷限制。
而相較而言，美國人力成本高昂，在LinkedIn、indeed等平臺上，數(shù)據(jù)標注的兼職時薪大多都在30-200美元之間，這在客觀上就要求企業(yè)需要從技術(shù)的角度去思考解決數(shù)據(jù)生產(chǎn)問題，或者采購相關(guān)服務(wù)。
從融資環(huán)境來看，國內(nèi)的數(shù)據(jù)標注市場一直都處于AI領(lǐng)域的融資邊緣地帶。2021年左右，研究估計中國整個數(shù)據(jù)標注市場的規(guī)模僅為43億人民幣，2022年僅增長至51億人民幣。這個數(shù)字相較于整個AI市場的千萬億規(guī)模無疑不值一提，也造成了數(shù)據(jù)標注公司的融資困難。2021年，當Scale AI已經(jīng)完成3.25億美元的E輪融資，估值達到了73億美元時，中國的同類創(chuàng)業(yè)公司大部分還停留在A輪。
之所以此前國內(nèi)的規(guī)模如此之小，是因為只是單純考慮了標注這一個環(huán)節(jié)。而實際上，從數(shù)據(jù)標注所衍生出來的數(shù)據(jù)管理、數(shù)據(jù)評估、數(shù)據(jù)合成等全流程的數(shù)據(jù)服務(wù)才是這個行業(yè)中的增值部分。
關(guān)于數(shù)據(jù)對于大語言模型發(fā)展的重要性，Scale AI的創(chuàng)始人Alex Wang在最近的訪談中談到，人們已經(jīng)用盡了互聯(lián)網(wǎng)上的所有數(shù)據(jù)，想要開發(fā)出比GPT-4.5更強大的人工智能，則必須構(gòu)建前沿數(shù)據(jù)。所謂的“前沿數(shù)據(jù)”是指那些與應(yīng)用場景密切相關(guān)、能及時反映最新趨勢和變化的數(shù)據(jù)，往往包含大量長尾或少見的場景，有助于提升AI在非典型情況下的表現(xiàn)，推動人工智能能力的邊界向復雜推理、多模態(tài)等方向發(fā)展。
隨著AI向縱深發(fā)展，未來的數(shù)據(jù)訓練需要更多地與特定任務(wù)、特定應(yīng)用場景相匹配，因此也需要挖掘和生產(chǎn)出更多新的、差異化的數(shù)據(jù)，這是Scale AI此輪10億美元融資之后的工作重點，也進一步打開了數(shù)據(jù)標注的想象邊界。
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
