在人工智能领域，数据标注的三大基本支柱被认为是数据、算法和计算能力。
在算法领域，有谷歌、微软等各大研究机构，随后OpenAI发布了Sora、GPT系列模型，在算力领域，英伟达正在向全球供应产品。数据字段仍然是空白。
大多数数据都是非结构化的，使得人工智能很难直接从这些数据中学习。此外，对大规模数据进行注释是一项劳动密集型任务，被认为是技术领域中最困难和最简单的部分。
从时间尺度来看，Scale AI成立的2023年是自动驾驶的关键一年。科技杂志《连线》 指出，“2023 年将是自动驾驶元年”。
从谷歌到优步，从特斯拉到福特，汽车和科技领域各种规模的初创公司都在致力于自动驾驶。
“我们知道，无人驾驶系统需要大量的视频图像数据来识别路况，因此整个行业迫切需要人们对数据进行注释。”
规模人工智能已经赶上了早期的强劲时期，进入自动驾驶汽车领域就像一棵摇钱树。
根据2023 年6 月的融资手册《福布斯》，Scale AI 的客户名单包括Meta、OpenAI 和微软等科技巨头，以及Alphabet Inc. 旗下的自动驾驶汽车公司Waymo、通用汽车旗下的Cruise 和丰田。优步等巨大的。
大多数启用自动驾驶汽车的公司都是苹果的客户，仅苹果自动驾驶部门的一个账户就为该公司创造了超过1000 万美元的收入。
被誉为AI行业“富士康”的Scale AI的创业之路并非一帆风顺。规模人工智能在自动驾驶汽车公司的数据标签市场中占据主导地位，但存在以下问题：
随着规模的增大，不仅难以满足人力资源的需求，而且平均用工、培训、管理成本也逐渐上升。
于是，一家名为Remotasks 的人力资源子公司诞生了。
由于需要廉价劳动力，Remotasks 在非洲和东南亚（包括肯尼亚、菲律宾和委内瑞拉）设立了十几家工厂，并正在培训数千名数据标签员。
数据显示，2023年初，Scale AI的毛利率徘徊在65%左右，在Remotasks提供海外廉价劳动力后，到第四季度，Scale AI的毛利率有所上升。已经恢复到69%了。
Remotasks 上的大多数工作都是零碎支付的，每个工作的收入报告从几美分到几美元不等。这很难标准预测，因为有些任务可能需要几秒钟，而另一些任务可能需要几个小时。
厂牌运营商表示，Remotasks 刚进入肯尼亚时，他们的工资相对较高，平均每小时约5 至10 美元。然而，随着时间的推移，奖励逐渐减少。美国Remotasks 注释者的时薪通常在10 至25 美元之间，一些专业注释领域的专家的工资更高。
“非洲工人每小时只能挣1 美元。”
Scale AI被称为“AI界的富士康”，颇受争议，因此Remotasks正在谨慎地将自己定位为独立品牌。
为了消除手动标注的限制，Alexandr 和Lucy 经过一段时间的探索，意识到他们可以通过标注大量数据（包括文本、图像和视频）来训练机器学习模型，因此他们转向Scale AI 创建数据。的注释. “基于人工智能”的业务。
所以，
Scale AI已经开始从纯手工标注向AI标注的转变。这也标志着Scale AI“质变”的转折点。
AI转型后，Scale AI不再是一家纯粹的数据标注公司，而是转型为基于数据标注的应用开发平台。这也意味着Scale AI的业务范围已经从单纯的数据处理服务提供商转变为数据管理、分析和模型构建服务提供商。
从AI数据服务商到AI模型服务商，Scale AI在AI上的自我转型使其摆脱了劳动密集型、低技术含量的数据标注行业的束缚，成为一家真正“有价值”的高科技公司。完成。科技公司。
从宏观角度来看，Scale AI的时机非常准确。我们已经完成了自动驾驶趋势下的基础设施建设和改造。随着自动驾驶热潮的消退，以ChatGPT 为代表的生成式人工智能热潮迎来了新一波扩展人工智能的机会。
很多客户都来了，其中就包括OpenAI，甚至美国国防部也成为了Scale AI的客户。
到2023 年初，Scale AI 的员工规模将达到700 人。 Alexandr在接受《财富》杂志独家专访时透露，随着企业客户竞相训练生成式AI模型，Scale AI的业务正在快速增长。今年，该公司的年度经常性收入（公司随时间推移为数据服务支付的金额）增加了两倍。
2024年5月，Scale AI获得最新10亿美元F轮融资，估值进一步提升至138亿美元。该项目由Accel 牵头，几乎所有现有投资者都参与其中，包括Nvidia、Y Combinator、Spark Capital 和Peter Thiel 的Founders Fund。与此同时，亚马逊、英特尔、思科和Meta等新投资者也加入进来。
Scale AI 用了五年时间才将估值从零升至超过70 亿美元，又用了三年时间将这一数字翻了一番。
Peter Thiel 对于Scale AI 是这么说的： “竞争激烈，人工智能公司不断涌现，但规模始终存在，为整个人工智能/机器学习行业提供了基础设施，因此数据为王。”