作 者：微瀾

來 源：正和島（ID：zhenghedao）

如果要列出當下全球最有權(quán)勢的一位95后，他的名字應該大多數(shù)人都沒聽說過——亞歷山大·王（Alexandr Wang）。

這位在硅谷被稱為“下一個扎克伯格”的天才少年，在2022年借助著生成式AI的浪潮，成功登上《福布斯》全球億萬富豪榜，也憑此成為了史上最年輕的白手起家的億萬富豪。

盡管在一年后其創(chuàng)立的公司Scale AI因估值大幅下滑，他的名字也從富豪榜上消失。

但在今年5月，隨著Scale AI宣布獲得10億美元融資，估值138億美元（約為人民幣1000億元），亞歷山大·王也再一次回到大眾的視野當中。

從2016年創(chuàng)立到成為千億估值的獨角獸企業(yè)，亞歷山大·王和Scale AI用了短短8年的時間，而憑借著Scale AI，亞歷山大不僅在AI數(shù)據(jù)標注行業(yè)上演了一段傳奇創(chuàng)業(yè)故事，也在全球AI熱潮中扮演了一個“賣鏟人”的角色，為馬斯克、奧特曼、扎克伯格等一眾科技大佬提供數(shù)據(jù)支持，某種程度上來說，他影響了整個AI世界的格局。

一、“賣鏟子”的天才少年

如果用一句話總結(jié)亞歷山大·王的創(chuàng)業(yè)故事，那一定是一出場就手握爽文大男主劇本。

1997年，亞歷山大出生于美國的新墨西哥州，其父母都是物理學家，在新墨西哥州洛斯·阿拉莫斯國家實驗室工作。

關(guān)于亞歷山大這個名字的由來，還有一個蘊含中國文化的故事：

Alexandr（亞歷山大）是其名字的英文拼寫，但比通用拼法少了一個e。在中國傳統(tǒng)中，數(shù)字“8”承載著許多美好寓意，所以他的父母就想讓他的名字剛好為8個字母。

受到家庭氛圍的熏陶，亞歷山大從小就是“別人家的孩子”：

小學時，亞歷山大便展露出數(shù)學天才的一面，到了初中，亞歷山大就讀于頂尖私立名校洛斯·阿拉莫斯，數(shù)次在美國數(shù)學人才選拔賽中拿下銅牌、金牌等；

上了高中后，亞歷山大又自學了編程技術(shù)，成為美國計算機、物理、數(shù)學奧林匹克競賽上的?？?，成績均名列前茅；

此外，他9歲時學過小提琴，還精通中文、英語、法語等多種語言，可以說是“文理兩開花”。

除了學有所成，在高中時，亞歷山大就收到了多家硅谷科技公司的工作邀請，他先是去了硅谷最熱門的財富投資大數(shù)據(jù)管理平臺Addepar，之后又加入了“海外版知乎”Quora從事編碼工作并擔任技術(shù)主管。

也就是在Quora，亞歷山大結(jié)識了同為華裔的女孩Lucy Guo，后者也將成為Scale AI的聯(lián)合創(chuàng)始人。

2015年，憑借優(yōu)異的成績，亞歷山大考入麻省理工學院（MIT），主要攻讀數(shù)學和計算機專業(yè)。根據(jù)領(lǐng)英(Linkedln)的個人資料顯示，亞歷山大在MIT求學期間GPA為5.0（滿分），且其選修的還是研究生級別的計算機科學課程。

也正是在其麻省理工學院上大一期間，DeepMind推出的AlphaGo，戰(zhàn)勝了圍棋世界冠軍，開啟了人工智能的元年和深度學習的熱潮。

“我記得當時我在大學里，嘗試使用神經(jīng)網(wǎng)絡，嘗試訓練圖像識別神經(jīng)網(wǎng)絡。我很快意識到，這些模型在很大程度上只是數(shù)據(jù)的產(chǎn)物?！?br/>

亞歷山大在后面一次采訪中曾回憶起上大學時的思考，“這些模型或AI總體上是由三個基本支柱構(gòu)成——算法、計算能力和數(shù)據(jù)?！?/strong>

在當時，已經(jīng)有公司在研究算法，比如OpenAI或Google的實驗室，或者其他一些AI研究機構(gòu)；至于算力，英偉達也已展示出了為這些AI系統(tǒng)提供算力的領(lǐng)導者潛力。

唯獨沒有公司專注于數(shù)據(jù)，亞歷山大意識到隨著人工智能技術(shù)的長期發(fā)展，數(shù)據(jù)智慧變得越來越重要。

于是在麻省理工大一剛結(jié)束后的暑假，亞歷山大決定從MIT輟學，與此同時Lucy Guo也從卡內(nèi)基梅隆大學輟學，兩人一同創(chuàng)辦了Scale AI。

當時很多人為這兩位天才的中途輟學感到惋惜，認為這就是一場豪賭，但亞歷山大的看法卻不一樣：“如果現(xiàn)在不愿意邁出這一步，那什么時候會愿意呢？”

這里還有個流傳的小插曲：

在大一結(jié)束后暑假的某一天，亞歷山大跟爸媽說，我暑假搞了個項目玩。

爸媽問到，啥項目啊，送檸檬水還是送外賣？

亞歷山大回答道，差不多吧，搞了個AI公司，還有個叫Sam Altman的給我投了點錢，對了，airbnb（愛彼迎）也是他們投的，現(xiàn)在估值也就300多億美金吧。

除了拿到Y(jié) Combinator（山姆·奧特曼時任總裁）的天使輪投資，在創(chuàng)立第一年，Scale AI還拿到了風投巨頭Accel的A輪融資。兩方資助下，Scale AI初期的資金障礙被掃清。

在成立之初，亞歷山大對ScaleAI的設想是打造一個一站式服務中心，解決AI生態(tài)系統(tǒng)中的數(shù)據(jù)支柱問題。

因此，Scale AI早期的定位就是通過結(jié)合自動化技術(shù)與人力審核，創(chuàng)建一個高效、精確的數(shù)據(jù)標注平臺，為創(chuàng)建機器學習算法的公司快速處理和標注大規(guī)模的數(shù)據(jù)集。

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。

通俗來講，就是給你一段視頻或圖片，讓你分門別類地標出里面的行人、車輛、建筑等元素，某種程度上，這是個小學生也能做的事。

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、分類和預測等功能。

這里值得一提的是，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)，尤其是在一些如醫(yī)療、自動駕駛、軍事等對高精度有要求的領(lǐng)域。

事實上，在Scale AI崛起之前，數(shù)據(jù)標注行業(yè)在AI領(lǐng)域長期處于“邊緣”位置，其對大量人工的需求使得外界打上了勞動密集型產(chǎn)業(yè)的標簽。

在大多數(shù)人看來，數(shù)據(jù)標注行業(yè)既不“AI”，也一點都不“性感”。

但就是這樣一個“低門檻”的“辛苦活”，被亞歷山大在8年時間里干出了一家估值千億的AI獨角獸；在2023年《時代周刊》發(fā)布AI領(lǐng)域最具影響力的100個人物中，亞歷山大與李飛飛、黃仁勛、李彥宏等人共同入選榜單，其本人更是其中最年輕的人之一。

而在這背后，亞歷山大又是帶領(lǐng)Scale AI怎么做到的？

二、從0到估值千億，8年時間Scale AI做對了什么？

盡管數(shù)據(jù)標注看起來是一個低門檻、勞動密集型的行業(yè)，但在2016年的節(jié)點，它卻是一個為數(shù)不多的空白市場。

除了谷歌、亞馬遜等少數(shù)大廠因業(yè)務需求設立了自己的數(shù)據(jù)標注部門外，大多數(shù)公司不愿意也沒有精力去自己管理，這導致標注數(shù)據(jù)的獲取的過程耗時且昂貴。

而這也正是Scale AI“賣好鏟子”飛速發(fā)展的機會所在，并且再回顧Scale AI八年的發(fā)展歷程，其成功也可以說是天時、地利，加人和的一個結(jié)果：

1.天時

在創(chuàng)立Scale AI后，8年時間里亞歷山大帶領(lǐng)整個團隊抓住了人工智能行業(yè)發(fā)展的幾次大風口。

先是自動駕駛領(lǐng)域。

2016年是AI時代的元年，也同樣是自動駕駛周期的起點，在那一年Cruise被通用以超10億美元的價格收購。

關(guān)注到這一消息后，亞歷山大意識到自動駕駛行業(yè)對于數(shù)據(jù)標注將產(chǎn)生大規(guī)模的剛性需求——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)，比如道路場景、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。

“我們構(gòu)建了第一個支持傳感器融合數(shù)據(jù)的數(shù)據(jù)引擎，支持2D數(shù)據(jù)和3D數(shù)據(jù)的組合，即激光雷達加攝像頭，這些設備安裝在車輛上，這很快成為整個行業(yè)的標準?！?br/>

通過建立高效的數(shù)據(jù)標注平臺，以及使用模型輔助標注和數(shù)據(jù)預處理來加速了數(shù)據(jù)處理流程，使得標注成本和時間得到大幅度降低，很快Scale AI就吸引了通用汽車、豐田和Waymo等車企的合作。

亞歷山大和Scale AI也憑此在自動駕駛數(shù)據(jù)標注領(lǐng)域站穩(wěn)腳跟。

而在2019~2020年期間，這個階段自動駕駛行業(yè)技術(shù)方面已基本成熟，加上當時語言模型和生成式AI還未誕生，人工智能領(lǐng)域處于一個高度不確定時期。

于是，亞歷山大和Scale AI開始專注于政府應用，“這是一個顯然具有高度適用性的領(lǐng)域，并且在全球范圍內(nèi)變得越來越重要。”

也正是在進軍新市場的過程中，Scale AI也從過去單純的數(shù)據(jù)標記延伸到數(shù)據(jù)服務，提供從數(shù)據(jù)標記和管理、模型訓練和評估，再到AI 應用開發(fā)和部署的全流程解決方案。

在之后幾年時間里，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、政府服務等領(lǐng)域。

另外，為了應對某些行業(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。

與此同時，Scale AI在這一階段也開始致力于生成AI，與OpenAI開展合作，在GPT-2上進行RLHF的首次實驗。

“當時的模型非常粗糙，真的看起來不怎么樣。但我們認為OpenAI是一群聰明的人，我們應該與他們合作。所以我們與發(fā)明RLHF的團隊合作，并從2019年開始不斷創(chuàng)新?！?br/>

2022年，ChatGPT的問世震驚世界，生成式AI領(lǐng)域迎來了大爆發(fā)——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，加上大語言模型的爆發(fā)式增長極大推動了整個行業(yè)對高質(zhì)量標注數(shù)據(jù)的需求。

而靠著和OpenAI的合作，在生成式AI賽道Scale AI已搶占先機，到了今天Scale AI更是成為了通用AI的數(shù)據(jù)鑄造廠，為OpenAI、Meta、Microsoft等行業(yè)內(nèi)幾乎所有主要的大型語言模型提供支持。

2.地利

除了抓住這些行業(yè)風口到來的時機，亞歷山大還借助著全球化這一地利優(yōu)勢，實現(xiàn)了在數(shù)據(jù)標注行業(yè)里的成本最小化。

因為美國人力成本高昂，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，但作為一個勞動密集型業(yè)務，這在客觀上就要求企業(yè)去思考解決數(shù)據(jù)生產(chǎn)問題，或者采購相關(guān)服務。

于是在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)瑞拉等地設立了幾十家機構(gòu)，在世界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。

曾有業(yè)內(nèi)人士指出，“Scale AI不是一家人工智能初創(chuàng)企業(yè)，它只是一家提供廉價勞動力的公司”。

但不管外界如何質(zhì)疑，無法否認的確是，在這樣的“全球工廠”模式下，Scale AI的毛利率長期保持在65%以上，Scale AI也成為了當下AI領(lǐng)域為數(shù)不多不需要燒錢，而是狂賺錢的AI初創(chuàng)企業(yè)之一。

2023年，Scale AI年化收入高達7.5億美元（約合54.3億元人民幣），預計2024年底將達到14億美元（約合101億元人民幣）。

3.人和

除了營收快速增長，創(chuàng)業(yè)8年時間，亞歷山大和Scale AI的背后還集結(jié)了一支豪華的投資人隊伍。不僅有著大半個硅谷圈大佬，也出現(xiàn)了亞馬遜、英偉達、英特爾、Meta等超級大廠。

在前文我們提到，Scale AI剛創(chuàng)立時，就分別獲得硅谷著名孵化器Y Combinator和風投巨頭Accel的支持，前者的時任總裁山姆·奧特曼在后面的OpenAI又與Scale AI 開展了合作，而后者機構(gòu)的合伙人還曾將家里的地下室借給Scale AI臨時辦公。

而此后5、6年時間里，Scale AI也基本是一兩年就融一次資，而參與投資的機構(gòu)和個人在這個過程中顯然也不止是進行資金上的幫助，更是在多方面都進行了助力。

2024年5月，Scale AI再次官宣完成F輪融資，融資額10億美元，估值增長超過80%至約138億美元（約1000億人民幣），投資方陣容堪稱史詩級豪華，20多家機構(gòu)和個人：

老股東Accel領(lǐng)投，Index Ventures、Founders Fund、Coatue、Thrive Capital、Spark Capital、老虎基金、Greenoaks、Y Combinator、Wellington Management和GitHub 前首席執(zhí)行官 Nat Friedman繼續(xù)加碼，同時英偉達、Elad Gil、亞馬遜、Meta、思科、英特爾、AMD、DFJ Growth、WCM、ServiceNow Ventures也參與了此次融資。

時來天地皆同力。毫無疑問，作為這一波AI浪潮中的“閃耀群星”中的一顆，亞歷山大和Scale AI注定要留下濃墨重彩的一筆。

也正如亞歷山大在完成F輪融資后在采訪中講到的：“Scale AI為當今市場上幾乎所有領(lǐng)先的 AI 模型提供數(shù)據(jù)支持。借助此次融資，公司將進入旅程的下一階段——加速豐富前沿數(shù)據(jù)，為通用人工智能鋪平道路?！?br/>

而解決人工智能的數(shù)據(jù)問題將是他一生為之奮斗的事業(yè)。

三、中國為什么沒有Scale AI的誕生？

事實上，看完Scale AI的發(fā)展故事，大多數(shù)人可能會產(chǎn)生的一個疑問是，為什么中國沒有類似于Scale AI這樣的企業(yè)誕生？

尤其是在生成式AI熱潮前，國內(nèi)的人工智能行業(yè)在應用方面一度領(lǐng)先，并且數(shù)據(jù)標注作為勞動密集性企業(yè)，中國天然就有優(yōu)勢。所以為什么呢？

總體來看，這背后有幾方面的原因：

1.“資源陷阱”

這里先引入一個“資源陷阱（詛咒）”的概念，什么是資源陷阱，就是指一個國家或地區(qū)擁有豐富的自然資源，但因為過度依賴這些資源，忽視了其他潛在的經(jīng)濟增長領(lǐng)域，如制造業(yè)、服務業(yè)和技術(shù)創(chuàng)新等，導致經(jīng)濟發(fā)展單一、結(jié)構(gòu)不合理，同時隨著這種自然資源枯竭或市場需求下降，經(jīng)濟可能會遭受嚴重打擊。

典型的例子便是委內(nèi)瑞拉、俄羅斯，它們依靠石油、天然氣等賺取大量的外匯，但除了能源行業(yè)外，其它的經(jīng)濟產(chǎn)業(yè)都非常落后，這種國家也被稱為“資源詛咒型國家”

一定程度上，在AI數(shù)據(jù)標注行業(yè)，國內(nèi)也陷入了這種資源豐富的“詛咒”。

事實上，國內(nèi)的數(shù)據(jù)標注業(yè)務也很早就起步發(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，但主要是為自身業(yè)務服務，而并不是尋求將數(shù)據(jù)與各個行業(yè)進行資源匹配；

加上依靠國內(nèi)的人口紅利，讓標注后的數(shù)據(jù)獲取成本變得十分低廉，哪怕是今天國內(nèi)的數(shù)據(jù)標注價格依舊偏低，拿重慶這種新一線城市來說也僅為4~6k/月。

在這種情況下采用技術(shù)平臺或者進一步研發(fā)來提高數(shù)據(jù)標注或是從標注行業(yè)進一步向上延展創(chuàng)新，對于處在市場競爭中的企業(yè)而言，可能反而是得不償失的做法。

但一旦在這個階段錯過了對數(shù)據(jù)標注行業(yè)的技術(shù)創(chuàng)新或沉淀，也許就永遠地錯失了創(chuàng)新升級的機會了。

2.生態(tài)不足

這里的生態(tài)不足體現(xiàn)在兩個方面，一是單純從語言生態(tài)來講，必須要承認，英文的使用范圍是全球，而中文的使用范圍更多還是在國內(nèi)以及海外的部分華人。

所以在數(shù)據(jù)標注這一產(chǎn)業(yè)上，Scale AI天然就有了優(yōu)勢，站在資本的高地，在全球范圍內(nèi)尋找著價值洼地，而國內(nèi)哪怕是有人口紅利，這成本優(yōu)勢終究更高，且在資本（投融資）方面也沒有占據(jù)高地。

另外，需要提到的是在數(shù)年前，隨著移動互聯(lián)網(wǎng)格局的成熟，國內(nèi)互聯(lián)網(wǎng)生態(tài)在當時也進一步走向了對抗封閉，而這也使得數(shù)據(jù)在流通上出現(xiàn)了阻礙，甚至可以說當時的數(shù)據(jù)標注行業(yè)也被迫參與到這種對抗封閉的生態(tài)中去，各為其主、各自而戰(zhàn)，無法形成有效的、規(guī)模性的創(chuàng)新力量。

3.視野局限

對于數(shù)據(jù)標注行業(yè)，站在當時那個節(jié)點，只有少數(shù)人能因為相信而看見。

在國外，也只有亞歷山大等寥寥幾人，在國內(nèi)這樣的人顯然就更少了。

事實上，大多數(shù)參與到數(shù)據(jù)標注行業(yè)中的人，更多就是秉持著過往的勞動密集型產(chǎn)業(yè)的邏輯，靠著“內(nèi)卷”來實現(xiàn)生存以及盈利的。

但是亞歷山大不同的是，盡管行業(yè)邏輯是勞動密集型的特點，但對于他而言，這只是最基礎的一點，是作為構(gòu)建起整個數(shù)據(jù)行業(yè)上下游生態(tài)的一個跳板。正如其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的快速進化，未來的數(shù)據(jù)訓練需要更多地與特定任務、特定應用場景相匹配，因此也需要挖掘和生產(chǎn)出更多新的、差異化的數(shù)據(jù)，而這可能也正是亞歷山大在2016年時就看到的未來。

從這個角度來看，Scale AI作為一面鏡子，其從最“廉價”的行業(yè)中成長為一個估值千億的AI獨角獸企業(yè)有太多可以學習的地方了。

參考資料：

[1].從麻省理工輟學，他干成億萬富翁，環(huán)球人物

[2]. 估值1000億，輟學90后華裔天才，剛剛?cè)诹?2億，融中財經(jīng)

[3]. 給AI公司“打雜”，95后華人把估值做到138億美元

[4]. 95后，一舉融資70億，投資界

排版| 小元| 微瀾主編| 孫允廣