Alexandr Wang创办的Scale AI是一个为AI模型提供训练数据的数据标注平台，近期完成新一轮10亿美元融资，估值飙升至138亿美元。该公司表示将利用新资金生产丰富的前沿数据，为通向AGI铺平道路。

Scale AI为想要训练机器学习模型的公司提供数据标注服务，已从亚马逊和Meta等众多知名机构和企业投资者那里筹集了10亿美元的F轮融资。

本轮融资由Accel领投，它之前还领投了Scale AI的A轮融资，并参与了后续的风险投资。 

这轮融资让Scale AI的身价飙升。尽管去年年初裁员20%，但公司目前估值已经达到了138亿美元。 

Scale AI联合创始人兼首席执行官Alexandr Wang

除了亚马逊和Meta之外，Scale AI还吸引了各种各样的新投资者：思科、英特尔、AMD等风险投资部门参与其中，而且很多注资过的公司也回归了，包括英伟达、Coatue、Y Combinator等等。 

天才少年辍学创办独角兽

Scale AI由Alexandr Wang和Lucy Guo于2016年创立，由著名创业孵化器Y Combinator投资。该公司使用机器学习来标记和分类大量数据，以便客户用于训练模型。

Scale AI的客户包括Meta、微软、英伟达、OpenAI、丰田和哈佛医学院。 

在创始人基金领投的1亿美元C轮融资之后，Scale AI在2019年获得了独角兽的地位，总共从Index Ventures、Coatue、Tiger Global等知名投资者处筹集了6.026亿美元。 

2022年，持有15%股份的Alexandr Wang成为全球最年轻的白手起家的亿万富翁。 

创业之前，Wang从小到大的履历也让人印象深刻。 

1997年出生于新墨西哥州，父母都是在新墨西哥州洛斯阿拉莫斯国家实验室的物理学家。 

高中阶段开始通过网络自学编程，并报名参加了一些世界级的编程大赛，比如美国计算机奥林匹克竞赛（USACO）。 

17岁，成为美国知名问答网站Quora的全职码农； 

18岁，考入麻省理工学院攻读机器学习； 

在MIT大一刚结束后的暑假，他就和Guo一起创办了Scale，并且拿到了Y Combinator的投资。 

Wang跟爸妈说，「这就是我夏天随便玩玩的事。」 

Scale AI刚起步时，有些人确实觉得这就是一个笑话，毕竟公司当时只有三名员工。 

不过，在不断地融资和发展之下，Scale AI发展飞速，到2021年已经成长为价值73亿美元的独角兽企业，2023年初公司规模也扩展到了700人。 

Wang在接受《财富》杂志独家采访时透露，随着企业客户竞相训练生成式AI模型，Scale AI的这方面业务快速增长。 

2023年，公司年度经常性收入（企业长期为数据服务支付的费用）增加了两倍，预计2024年底将达到 14 亿美元。 

由于Scale AI的惊人成就，Alexandr Wang在2021年入选福布斯企业技术领域「30 under 30」排行榜，他本人在硅谷也被称为「下一个扎克伯格」。

AI模型的「数据工厂」

AI领域公认的三个基本支柱——数据、算法和算力。 

算法领域，前有谷歌、微软的大型研究院，后有推出过Sora和GPT系列模型的OpenAI；算力领域有供货全球的英伟达，但在Scale AI还未诞生的2016年，数据领域仍处于空白。 

19岁的Alexandr Wang在看到这一点后，做出了辍学创业的决定，「我创办 Scale 的原因是为了解决人工智能中的数据问题」。 

大部分数据都是非结构化的，AI很难直接学习这些数据；而且大型数据集的标注一项资源密集型工作，因此，「数据」被很多人认为是科技领域最辛苦、最卑微的部分。 

但Scale AI却在短时间内就获得了巨大成功。他们可以为不同行业的企业客户量身定制数据服务。 

在自动驾驶领域，Cruise和Waymo等公司通过摄像头和传感器收集了大量数据，Scale AI将机器学习与「人机回路」（human-in-loop）监督相结合，管理和标注这些数据。 

他们曾经开发的「自治数据引擎」推动了L4级别自动驾驶技术的发展。 

2019年，Scale AI帮助OpenAI团队一同训练GPT-2，进行了RLHF的首次实验，并将这些技术扩展到InstructGPT等其他LLM上。 

CEO Wang在接受《财富》杂志采访时表示，Scale AI将自己定位为整个AI生态的基础设施供应商，构建「数据铸造厂」，而不仅仅是在子公司Remotasks中雇佣大量的合同工进行人工标注。 

Scale AI已经开始与不同领域的专家合作，比如博士级学者、律师、会计师、作家等。 

给聊天机器人的回复进行打分，这样的工作为什么能让博士级别的专家参与其中？ 

Wang的回应是，原因有很多：「如果你是一名博士，习惯于做一些非常小众、深奥的研究，也许世界上只有少数人能够理解。但这个工作中，你可以帮助改进和构建这些人工智能系统的前沿数据，有机会产生真正的社会影响。」 

同时，Wang也认为，这些专家所能提供的高质量数据对AI的未来非常重要。 

他补充说，来自专家的、包含复杂推理的数据是未来人工智能的必备条件。「你不能随便把旧数据输入给算法中，然后期待着它会自我改进」。 

传统的数据来源，比如从Reddit等社区的评论中抓取数据存在局限性。Scale AI构建了一些流程，模型先输出一些内容，例如撰写研究论文，在此基础上，人类专家可以改进这些内容，从而改进模型的输出。 

关于AI生成并注释的数据，有人持积极态度，认为可以消除对人类注释数据注释，但Wang的观点并没有这么单纯。 

他说，合成数据以及人类创建的数据，这两个方面Scale AI都有投入。「虽然人工智能生成的数据很重要，但想要获得有一定质量和准确性的数据，唯一方法是通过人类专家的验证。」 

数据日益重要

数据是人工智能的命脉，因此数据管理和处理领域的公司正站在风口上。 

就在上周，印度的数据平台Weka表示，它以16亿美元的投后估值筹集了1.4亿美元，以帮助公司为其人工智能应用程序构建数据管道。 

人工智能数据的主要问题仍然存在。Scaling Law的存在意味着，随着模型变大，对数据的需求也呈现指数级增长，越来越多的人担心大模型会耗尽可用数据。 

Alexandr Wang在Scale AI的官网上这样写道，「数据丰富不是默认情况，而是一种选择，它需要汇集工程、运营和AI方面最优秀的人才」 

Scale AI的愿景之一是「数据丰富」，从而将前沿LLM扩展到更大数量级，「为通向AGI铺平道路。在达到 GPT-10 的过程中，我们不应该受到数据的限制」。