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(dāng)下，ScaleAI，這家由95后華人創(chuàng)立的人工智能數(shù)據(jù)標(biāo)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(dá)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(dá)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(jī)構(gòu)高達(dá)22個(gè)。
而這些巨頭投資Scale AI的出發(fā)點(diǎn)大多相似——它們基本都是Scale AI的客戶。在AI飛速發(fā)展的當(dāng)下，數(shù)據(jù)標(biāo)記，這個(gè)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(gè)大生意。
AI“藍(lán)領(lǐng)工廠”
在過去的一段時(shí)間里，提起“AI賣鏟人”，英偉達(dá)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(dá)占據(jù)著AI算力的山峰，Scale AI則是當(dāng)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(shí)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(biāo)注，核心業(yè)務(wù)是幫助企業(yè)收集、清理、標(biāo)注、以及管理大規(guī)模的高質(zhì)量數(shù)據(jù)，以便訓(xùn)練和優(yōu)化機(jī)器學(xué)習(xí)模型。
實(shí)際上，在Scale AI崛起之前，數(shù)據(jù)標(biāo)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(biāo)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(jī)器學(xué)習(xí)模型能夠理解和學(xué)習(xí)這些數(shù)據(jù)的過程。聽起來好像很復(fù)雜?但其實(shí)這是個(gè)小學(xué)生都能做的事情，比如給你一張圖片，讓你標(biāo)出圖片中的行人、車輛、建筑等，給你一段文本，讓你標(biāo)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(biāo)簽等等。
雖然原理很簡單，但這些經(jīng)過標(biāo)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(biāo)注數(shù)據(jù)來進(jìn)行學(xué)習(xí)，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(biāo)注過程，但為了得到高質(zhì)量、高精確度的標(biāo)注數(shù)據(jù)，仍然需要大量的人工來處理、標(biāo)記和驗(yàn)證數(shù)據(jù)。特別是在高精度要求的領(lǐng)域，如醫(yī)學(xué)影像、自動駕駛或JS應(yīng)用，錯(cuò)誤標(biāo)注可能會導(dǎo)致嚴(yán)重的后果。也正因如此，數(shù)據(jù)標(biāo)注被認(rèn)為是一個(gè)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(dǎo)致標(biāo)注數(shù)據(jù)的獲取的過程既耗時(shí)又昂貴。
Scale AI攬下了這個(gè)“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(gè)高效、精確的標(biāo)注平臺，幫助企業(yè)快速處理和標(biāo)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(biāo)記需求的公司，對數(shù)據(jù)進(jìn)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(jìn)行標(biāo)記。
2017年，Scale AI 成立了 Remotasks 作為其內(nèi)部外包機(jī)構(gòu)，在肯尼亞、菲律賓、委內(nèi)瑞拉等地設(shè)立了幾十家機(jī)構(gòu)，在各地培訓(xùn)了成千上萬的數(shù)據(jù)標(biāo)注員，這些標(biāo)注員的工作大部分都是按件計(jì)酬，一次標(biāo)注的收入低至幾美分，很多合約工在時(shí)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(fēng)口
雖然數(shù)據(jù)標(biāo)注看上去是一個(gè)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(gè)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(biāo)注部門。而Scale AI 的成功很大程度上得益于它精準(zhǔn)地洞察到了這一機(jī)遇并且抓住了近10年來人工智能行業(yè)發(fā)展的幾次風(fēng)口。
首先是自動駕駛。在Scale AI成立幾個(gè)月后，他們就發(fā)現(xiàn)了自動駕駛領(lǐng)域?qū)τ跀?shù)據(jù)標(biāo)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(biāo)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(shí)的視頻數(shù)據(jù)進(jìn)行標(biāo)注來訓(xùn)練和驗(yàn)證其算法，就整個(gè)自動駕駛行業(yè)來看，當(dāng)時(shí)90%以上的數(shù)據(jù)標(biāo)注都是以人工為主。Scale AI 通過高效的數(shù)據(jù)標(biāo)注平臺，以及使用模型輔助標(biāo)注和數(shù)據(jù)預(yù)處理來加速數(shù)據(jù)處理流程，進(jìn)而大幅降低了標(biāo)注成本和時(shí)間，吸引了當(dāng)時(shí)風(fēng)頭正盛的Waymo、Cruise等企業(yè)成為了它的客戶，進(jìn)而逐漸在自動駕駛數(shù)據(jù)標(biāo)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(jìn)軍AIaaS(AI 即服務(wù))市場。它從單純的數(shù)據(jù)標(biāo)記延伸到數(shù)據(jù)服務(wù)，提供從數(shù)據(jù)標(biāo)記和管理、模型訓(xùn)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(xùn)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(kuò)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(zhǔn)地把握了生成式 AI爆發(fā)的機(jī)遇。早在GPT-2上，Scale就與 OpenAI 就進(jìn)行了首次帶有人類反饋的強(qiáng)化學(xué)習(xí)合作實(shí)驗(yàn)，接著將這些技術(shù)擴(kuò)展到InstructGPT及其他領(lǐng)域。而由于生成式 AI 模型需要海量的訓(xùn)練數(shù)據(jù)來提升其生成內(nèi)容的準(zhǔn)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(gè)行業(yè)對高質(zhì)量標(biāo)注數(shù)據(jù)的需求，Scale AI 通過整合數(shù)據(jù)標(biāo)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(xùn)練模型的復(fù)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(biāo)是讓企業(yè)在每一個(gè)場景下都有足夠的數(shù)據(jù)來支持模型的訓(xùn)練，憑借著在數(shù)據(jù)領(lǐng)域的獨(dú)特優(yōu)勢，過去兩年，Scale AI的客戶激增，既有OpenAI、Meta、AWS、英偉達(dá)這樣的巨頭，也有Cohere、Adept等這樣的新興獨(dú)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(gè)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(biāo)注業(yè)務(wù)其實(shí)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(biāo)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(gè)行業(yè)進(jìn)行資源匹配。同時(shí)，正因?yàn)閲鴥?nèi)的人口紅利，讓標(biāo)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(biāo)注行業(yè)的價(jià)格都很透明， 時(shí)薪普遍在10-25人民幣左右且大多沒有學(xué)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(biāo)注的兼職時(shí)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(biāo)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(jì)中國整個(gè)數(shù)據(jù)標(biāo)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(gè)數(shù)字相較于整個(gè)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(biāo)注公司的融資困難。2021年，當(dāng)Scale AI已經(jīng)完成3.25億美元的E輪融資，估值達(dá)到了73億美元時(shí)，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?yàn)橹皇菃渭兛紤]了標(biāo)注這一個(gè)環(huán)節(jié)。而實(shí)際上，從數(shù)據(jù)標(biāo)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(gè)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(qiáng)大的人工智能，則必須構(gòu)建前沿?cái)?shù)據(jù)。所謂的“前沿?cái)?shù)據(jù)”是指那些與應(yīng)用場景密切相關(guān)、能及時(shí)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(fù)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(xùn)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(diǎn)，也進(jìn)一步打開了數(shù)據(jù)標(biāo)注的想象邊界。
免責(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)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(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)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(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
