在AI大模型初创企业普遍还处于入不敷出、疯狂烧钱的阶段时，一家专注于AI数据服务的初创企业已经赚得盆满钵满，成为收入最高的AI创业公司之一。

  据外媒近日报道，总部在旧金山的美国初创企业Scale AI 2023年年化收入达到7.5亿美元，为前一年的3倍。得益于AI大模型的发展，Scale AI的业绩收入也如同坐上了“火箭”，一跃成为收入可以与OpenAI比肩的AI创企之一。不过，与直接提供大模型服务的OpenAI不同，Scale AI主要是做AI训练数据标注服务，是大模型时代的“卖铲人”。正如为大模型提供算力支持的英伟达备受资本追捧一样，提供数据支撑的Scale AI也得到了投资人的青睐。目前，Scale AI的估值已达到73亿美元（约526亿元人民币），成为AI数据标注领域遥遥领先的独角兽。

  公开资料显示，Scale AI成立于2016年，主要为人工智能训练提供数据服务，创始人为华裔青年Alexandr Wang。据新闻媒体报道，Alexandr Wang的父母均为物理学家。他从小就表现出了杰出的数理天赋与才能，曾被麻省理工大学录取，但在出色地完成第一年学业后便选择了辍学创业，与Lucy Guo共同创办了Scale AI。

  值得注意的是，Scale AI创业初期就得到了创业孵化公司Y Combinator的支持。彼时，Y Combinator的总裁为山姆·奥特曼，也即OpenAI的联合发起人及现任首席执行官。

  Scale AI主要是做的AI训练数据标注，通俗理解，是通过分类、画框、标注、注释等对图片、语音、文本、视频等原始的数据来进行处理，标记对象的特征，以作为机器学习基础素材。比如，如果要训练AI识别出图片中的狗，则需要采集大量有关于狗的图片，将其中的关键信息标注出来，供AI识别，在多次识别的过程中让AI形成识别各式各样的狗的能力。

  与高级、洋气、科技感满满的AI大模型相比，数据标注工作一直被视为“脏活儿”和“累活儿”，被贴上“劳动密集型产业”的标签。所以，Scale AI也被外界评价为“在最洋气的行业干着最接地气的活儿”。正因如此，Scale AI的成功一直存在争议，曾有业内人士犀利指出，“Scale AI不是一家AI创企，它只是一家提供廉价劳动力的公司”。

  事实上，由于数据标注对于人工有大量的需求，而美国的人力成本十分高昂，Scale AI在东南亚、非洲等地区设立了一些外包机构，培训大量的数据标注员。据媒体此前报道，Scale AI的外包公司Remotasks支付给标注员的薪酬很低，位于肯尼亚的标注员薪酬只有每小时1到3美元。

  不过，作为驱动人工智能大模型发展的三驾马车之一，高质量标注数据是训练深度学习算法的“燃料”。在大模型持续迭代进化的带动下，大模型厂商对于高质量标注数据有着持续、强烈的需求，带动Scale AI的业绩不断的提高。PayPal联合发起人彼得·泰尔也是Scale AI的投资人，他曾高度评价Scale AI：“在激烈的竞争中，AI公司们会出现又消失，但是Scale会一直存在。因为Scale AI提供的是整个AI/ML（人工智能/机器学习）行业的基础设施，数据是这个行业最重要的东西。”

  记者梳理发现，Scale AI从创立至今，融资过程可谓顺风顺水，而且融资金额节节攀升。创办伊始，Y Combinator向其提供了12万美元的投资；2017年，获得了450万美元的A轮融资；2018年，成功完成1800万美元的B轮融资；2019年，再获1亿美元C轮融资；2021年1月，完成1.5亿美元D轮融资；同年4月，顺利完成3.25亿美元E轮融资。至此，Scale AI用5年的时间将估值水平提升至73亿美元的水平，成为AI数据标注领域的独角兽。

  Scale AI的成功，一直让国内的AI数据标注企业颇为眼红。由于AI数据标注本质上是人力“内卷”的生意，人工越便宜，接到的订单就越多。很长一段时间以来，国内AI数据服务商都难以摆脱“行业内卷”和“价格战”的困境，这一领域的初创企业生存境况普遍比较艰难。

  一名业内人士分析，中国的AI数据标注行业主要有两种形态：一种是科技大厂自建数据标注团队，直接用自身掌握的数据来进行标注；另外一种就是专门的数据标注服务商，这些服务商大多数都是中小公司，承接大公司的标注任务。据介绍，由于自建团队更能保证数据安全，科技大厂的核心数据基本使用自建团队来标注，而边缘数据则交给第三方处理。

  “科技大厂依托自身的数据优势，往往更青睐自建团队。剩下的那些零星需求，只够养活一些小公司，还不足以支撑起一个规上企业。”该业内人士表示。

  除此以外，美国由于人力成本高，除了在海外设立外包企业来提供相对低廉的数据标注服务以外，还需要通过技术方式解决数据生产问题。近年来，Scale AI就始终致力于提高数据标注的效率，公司研发的自动标注工具可以通过算法自动标记图像和文本数据，大幅度减少了人工标记的时间和工作量。虽然通过初筛的图片和文本数据还要经过人工二次筛查和标注，但这种人机配合的方式大幅度的提升了标记效率。

  相比而言，中国依托人口红利，人力资源获取极为便利，人力成本也比美国要低得多，数据服务商并没有很强的动力去发展相关的技术。曾有第三方数据服务商向记者表示，在许多标注项目中，甲方所提供的数据标注工具往往不够完善，降低了标注的效率与质量。于是，公司便干脆用线下的标注工具，通过增加人手等方式保证项目的完成。虽然短期是完成了项目，但技术并未得到积累，如此循环，以低价取胜的“堆人力”模式便难以破除。

  事实上，早在去年大模型风口刚起时，一些数据标注初创企业就进入了投资人的视野，获得了融资。但记者梳理发现，与像Scale AI这样的行业独角兽相比，国内数据服务初创企业所获投资额相对较少，也还没形成比较强的盈利能力。曾有一名国内的数据标注企业负责人公开表示，公司与Scale AI“在业务模式、团队背景上均存在不少相似之处，但大洋两岸的客户服务环境和投资人特点存在一定的差异，使得国内数据标注难以突破。”

  在多种因素的影响下，Scale AI的成功目前在中国还难以复制。不过，随着大模型的快速发展与变化，未来中国能否跑出能跟Scale AI媲美的数据标注独角兽，答案依然值得期待。

  展望2024年，上市公司发展预期如何？生产与经营的信心怎样？面临哪些主要的困难和问题？为了解以上这样一些问题，证券时报特别设计了《上市公司2024年发展预期调查问卷》，邀请您真实反映公司的经营情况，积极建言献策。

  证券时报各平台所有原创内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关行为主体法律责任的权利。转载与合作可联系证券时报小助理，微信ID：SecuritiesTimes

  潜望系列深度报道丨股事会专栏丨投资小红书丨e公司调查丨时报会客厅丨十大明星私募访谈丨火速响应监督管理要求！券商、公募纷纷行动：暂停！丨北京楼市，最新调整！丨超160股涨停，近4000股飘红！丨证监会召开重磅会议！丨证监会：暂停新增转融券！存量逐步了结丨中央汇金出手、证监会发声！丨梅西爽约，主办方撤回1600万港元资助申请！球迷高喊“退钱”丨多家A股公司回应质押风险：“属正常合理水平”丨证监会公布一批恶意做空案例！丨刚刚！证监会再发声

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  国家安全部：美国一面不遗余力加强对华间谍窃密 ，一面大肆抹黑中国的正当防卫之举

  【紧要】“强冷空气+降雨”来袭！广州气温或直降10℃！厚衣服先别收……

  中美终于谈妥，美国派人来华面谈，沉默96小时，普京拨通中方电线年内天赋最强！广东迎来“新建队基石”，杜锋为他放弃争冠？

  vivo Pad3系列配置曝光:Pro版搭载天玑9300，支持80W快充

  我硬盘里的Mod，到底怎么招惹卡普空了/

  主站 商城 论坛 自运营 登录 注册 我硬盘里的Mod，到底怎么招惹卡普空了 泥头车 2024-0...