如果要列出當下全球最有權勢的一位95后，他的名字應該大多數東談主都沒外傳過——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的海浪，得手登上《福布斯》全球億萬富豪榜，也憑此成為了史上最年青的空手起家的億萬富豪。

盡管在一年后其創立的公司Scale AI因估值大幅下滑，他的名字也從富豪榜上祛除。

但在本年5月，跟著Scale AI曉諭得到10億好意思元融資，估值138億好意思元（約為東談主民幣1000億元），亞歷山大·王也再一次回到大家的視線當中。

從2016年創立到成為千億估值的獨角獸企業，亞歷山大·王和Scale AI用了短短8年的時期，而憑借著Scale AI，亞歷山大不僅在AI數據標注行業演出了一段傳奇創業故事，也在全球AI激越中飾演了一個“賣鏟東談主”的腳色，為馬斯克、奧特曼、扎克伯格等一眾科技大佬提供數據贊成，某種進程上來說，他影響了通盤這個詞AI世界的模式。

一、“賣鏟子”的天才少年

如果用一句話總結亞歷山大·王的創業故事，那一定是一出場就手持爽文大男主腳本。

1997年，亞歷山大降生于好意思國的新墨西哥州，其父母都是物理學家，在新墨西哥州洛斯·阿拉莫斯國度實驗室責任。

對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。在中國傳統中，數字“8”承載著許多好意思好寓意，是以他的父母就想讓他的名字剛好為8個字母。

受到家庭氛圍的講明，亞歷山大從小就是“別東談主家的孩子”：

小學時，亞歷山大便展表示數學天才的一面，到了初中，亞歷山大就讀于頂尖私揚名校洛斯·阿拉莫斯，數次在好意思國數學東談主才聘任賽中拿下銅牌、金牌等；

上了高中后，亞歷山大又自學了編程技能，成為好意思國籌辦機、物理、數學奧林匹克競賽上的常客，得益均名列三甲；

此外，他9歲時學過小提琴，還精通中語、英語、法語等多種言語，不錯說是“文理兩吐花”。

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責任邀請，他先是去了硅谷最熱點的金錢投資大數據不休平臺Addepar，之后又加入了“國外版知乎”Quora從事編碼責任并擔任技能主宰。

也就是在Quora，亞歷山大領略了同為華僑的女孩Lucy Guo，后者也將成為Scale AI的聚會首創東談主。

2015年，憑借優異的得益，亞歷山大考入麻省理工學院（MIT），主要攻讀數學和籌辦機專科。左證領英(Linkedln)的個東談主貴府驕氣，亞歷山大在MIT求知期間GPA為5.0（滿分），且其選修的如故預計生級別的籌辦機科學課程。

也恰是在其麻省理工學院上大一期間，DeepMind推出的AlphaGo，馴服了圍棋世界冠軍，開啟了東談主工智能的元年和深度學習的激越。

“我記允洽時我在大學里，嘗試使用神經網羅，嘗試踐諾圖像識別神經網羅。我很快意志到，這些模子在很猛進程上僅僅數據的居品。”

亞歷山大在后頭一次采訪中曾回憶起上大學時的念念考，“這些模子或AI總體上是由三個基本撐持組成——算法、籌辦才能和數據。”

在其時，如故有公司在預估計法，比如OpenAI或Google的實驗室，或者其他一些AI預計機構；至于算力，英偉達也已展示出了為這些AI系統提供算力的誘導者后勁。

惟一莫得公司專注于數據，亞歷山隨意志到跟著東談主工智能技能的耐久發展，數據智謀變得越來越緊要。

于是在麻省理工大一剛戒指后的暑假，亞歷山大決定從MIT輟學，與此同期Lucy Guo也從卡內基梅隆大學輟學，兩東談主一同創辦了Scale AI。

其時許多東談主為這兩位天才的半途輟學感到惻然，以為這就是一場豪賭，但亞歷山大的看法卻不一樣：“如果現在不肯意邁出這一步，那什么時候會開心呢？”

這里還有個流傳的小插曲：

在大一戒指后暑假的某一天，亞歷山大跟爸媽說，我暑假搞了個名目玩。

爸媽問到，啥名目啊，送檸檬水如故送外賣？

亞歷山大回應談，差未幾吧，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）亦然他們投的，現在估值也就300多億好意思金吧。

除了拿到Y Combinator（山姆·奧特曼時任總裁）的天神輪投資，在創立第一年，Scale AI還拿到了風投巨頭Accel的A輪融資。兩方資助下，Scale AI初期的資金梗阻被掃清。

在豎立之初，亞歷山大對ScaleAI的假想是打造一個一站式服務中心，貶責AI生態系統中的數據撐持問題。

因此，Scale AI早期的定位就是通過諛媚自動化技能與東談主力審核，創建一個高效、精準的數據標注平臺，為創建機器學習算法的公司快速處理和標注大領域的數據集。

所謂的數據標注，是指為圖像、文本、視頻或音頻等原始數據添加結構化信息，以便機器學習模子約略和會和學習這些數據的過程。

無為來講，就是給你一段視頻或圖片，讓你比物丑類地標出里面的行東談主、車輛、建筑等元素，某種進程上，這是個小學生也能作念的事。

自然旨趣很淺易，但這些經過標注的數據對于東談主工智能的發展不行或缺。AI模子需要大都的標注數據來進行學習，才能具備識別、分類和預測等功能。

這里值得一提的是，盡管一些自動化器具不錯加速部分標注過程，但為卓絕到高質地、高精準度的標注數據，仍然需要大都的東談主工來處理、艷麗和考證數據，尤其是在一些如醫療、自動駕駛、軍事等對高精度有條件的領域。

事實上，在Scale AI崛起之前，數據標注行業在AI領域耐久處于“旯旮”位置，其對大都東談主工的需求使得外界打上了管事密集型產業的標簽。

在大多數東談主看來，數據標注行業既不“AI”，也少許都不“性感”。

但就是這么一個“低門檻”的“吞吐活”，被亞歷山大在8年時期里干出了一家估值千億的AI獨角獸；在2023年《期間周刊》發布AI領域最具影響力的100個東談主物中，亞歷山大與李飛飛、黃仁勛、李彥宏等東談主共同入選榜單，其本東談主更是其中最年青的東談主之一。

而在這背后，亞歷山大又是教唆Scale AI如何作念到的？

二、從0到估值千億，8年時期Scale AI作念對了什么？

盡管數據標注看起來是一個低門檻、管事密集型的行業，但在2016年的節點，它卻是一個為數未幾的空缺市集。

除了谷歌、亞馬遜等少數大廠因業務需求建筑了我方的數據標注部門外，大多數公司不肯意也莫得元氣心靈去我方不休，這導致標注數據的獲取的過程耗時且騰貴。

而這也恰是Scale AI“賣好鏟子”迅速發展的契機所在，而且再回歸Scale AI八年的發展歷程，其得手也不錯說是天時、地利，加東談主和的一個遵守：

1.天時

在創立Scale AI后，8年時期里亞歷山大教唆通盤這個詞團隊收攏了東談主工智能行業發展的幾次大風口。

先是自動駕駛領域。

2016年是AI期間的元年，也相通是自動駕駛周期的早先，在那一年Cruise被通用以超10億好意思元的價錢收購。

藹然到這一音書后，亞歷山隨意志到自動駕駛行業對于數據標注將產生大領域的剛性需求——自動駕駛技能的發展依賴于大都高精度的標注數據，比如談路場景、行東談主和其他物體的圖像數據，車企需要數見不鮮小時的視頻數據進行標注來踐諾和考證其算法。

“咱們構建了第一個贊成傳感器和會數據的數據引擎，贊成2D數據和3D數據的組合，即激光雷達加錄像頭，這些開導裝配在車輛上，這很快成為通盤這個詞行業的法式。”

通過成就高效的數據標注平臺，以及使用模子輔助標注和數據預處理來加速了數據處理過程，使得標注成本和時期得到大幅度鐫汰，很快Scale AI就誘惑了通用汽車、豐田和Waymo等車企的互助。

亞歷山大和Scale AI也憑此在自動駕駛數據標注領域站穩腳跟。

而在2019~2020年期間，這個階段自動駕駛行業技能方面已基本闇練，加上其時言語模子和生成式AI還未誕生，東談主工智能領域處于一個高度不細則時期。

于是，亞歷山大和Scale AI開動專注于政府欺詐，“這是一個赫然具有高度適用性的領域，而且在全球范圍內變得越來越緊要。”

也恰是在貧寒新市集的過程中，Scale AI也從當年單純的數據艷麗蔓延到數據服務，提供從數據艷麗和不休、模子踐諾和評估，再到AI 欺詐開發和部署的全過程貶責決議。

在之后幾年時期里，Scale AI在數據領域迅速崛起，客戶也推廣到了醫療、國防、電商、政府服務等領域。

另外，為了打法某些行業數據不及的挑戰，Scale AI還向卑鄙蔓延到合成數據的生成，通過從現存數據中創建新的數據集，匡助踐諾模子。

與此同期，Scale AI在這一階段也開動發憤于生成AI，與OpenAI開展互助，在GPT-2上進行RLHF的初度實驗。

“其時的模子十分粗拙，簡直看起來不如何樣。但咱們以為OpenAI是一群明智的東談主，咱們應該與他們互助。是以咱們與發明RLHF的團隊互助，并從2019年開動繼續改進。”

2022年，ChatGPT的問世震恐世界，生成式AI領域迎來了大爆發——生成式AI模子需要海量的踐諾數據來進步其生成本色的準確性和千般性，加上大言語模子的爆發式增長極大推動了通盤這個詞行業對高質地標注數據的需求。

而靠著和OpenAI的互助，在生成式AI賽談Scale AI已霸占先機，到了今天Scale AI更是成為了通用AI的數據鍛造廠，為OpenAI、Meta、Microsoft等行業內險些通盤主要的大型言語模子提供贊成。

2.地利

除了收攏這些行業風口到來的時機，亞歷山大還借助著全球化這一地利上風，終說明在數據標注行業里的成本最小化。

因為好意思國東談主力成本立志，在LinkedIn、indeed等平臺上，數據標注的兼職時薪大多都在30-200好意思元之間，但動作一個管事密集型業務，這在客不雅上就條件企業去念念考貶責數據坐蓐問題，或者采購考慮服務。

于是在2017年，Scale AI 豎立了 Remotasks 動作其里面外包機構，在肯尼亞、菲律賓、委內瑞拉等地建筑了幾十家機構，辭世界各地培訓了數見不鮮的數據標注員，這些標注員的責任大部分都是按件計酬，一次標注的收入低至幾好意思分，許多合約工在時薪致使不到1好意思元。

曾有業內東談主士指出，“Scale AI不是一家東談主工智能初創企業，它僅僅一家提供低價勞能源的公司”。

但無論外界如何質疑，無法否定著實是，在這么的“全球工場”模式下，Scale AI的毛利率耐久保持在65%以上，Scale AI也成為了當下AI領域為數未幾不需要燒錢，而是狂贏利的AI初創企業之一。

2023年，Scale AI年化收入高達7.5億好意思元（約合54.3億元東談主民幣），預測2024年底將達到14億好意思元（約合101億元東談主民幣）。

3.東談主和

除了營收快速增長，創業8年時期，亞歷山大和Scale AI的背后還匯集了一支豪華的投資東談主軍隊。不僅有著泰半個硅谷圈大佬，也出現了亞馬遜、英偉達、英特爾、Meta等超等大廠。

在前文咱們提到，Scale AI剛創立地，就永別得到硅谷馳名孵化器Y Combinator和風投巨頭Accel的贊成，前者的時任總裁山姆·奧特曼在后頭的OpenAI又與Scale AI 開展了互助，爾后者機構的結伙東談主還曾將家里的地下室借給Scale AI臨時辦公。

而此后5、6年時期里，Scale AI也基本是一兩年就融一次資，而參與投資的機構和個東談主在這個過程中赫然也不啻是進行資金上的匡助，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10億好意思元，估值增前途步80%至約138億好意思元（約1000億東談主民幣），投資方聲勢號稱史詩級豪華，20多家機構和個東談主：

老激動Accel領投，Index Ventures、Founders Fund、Coatue、Thrive Capital、Spark Capital、老虎基金、Greenoaks、Y Combinator、Wellington Management和GitHub 前首席實行官 Nat Friedman絡續加碼，同期英偉達、Elad Gil、亞馬遜、Meta、念念科、英特爾、AMD、DFJ Growth、WCM、ServiceNow Ventures也參與了這次融資。

時來世界齊同力。毫無疑問，動作這一波AI海浪中的“忽閃群星”中的一顆，亞歷山大和Scale AI注定要留住濃墨重彩的一筆。

也正如亞歷山大在完成F輪融資后在采訪中講到的：“Scale AI為現在市集上險些通盤率先的 AI 模子提供數據贊成。借助這次融資，公司將投入旅程的下一階段——加速豐富前沿數據，為通用東談主工智能鋪平談路。”

而貶責東談主工智能的數據問題將是他一世為之奮斗的行狀。

三、中國為什么莫得Scale AI的誕生？

事實上，看完Scale AI的發展故事，大多數東談主可能會產生的一個疑問是，為什么中國莫得訪佛于Scale AI這么的企業誕生？

尤其是在生成式AI激越前，國內的東談主工智能行業在欺詐方面一度率先，而且數據標注動作管事密集性企業，中國自然就有上風。是以為什么呢？

總體來看，這背后有幾方面的原因：

1.“資源羅網”

這里先引入一個“資源羅網（喪祭）”的見解，什么是資源羅網，就是指一個國度或地區領有豐富的自然資源，但因為過度依賴這些資源，漠視了其他潛在的經濟增長領域，如制造業、服務業和技能改進等，導致經濟發展單一、結構不對理，同期跟著這種自然資源短缺或市集需求下落，經濟可能會碰到嚴重打擊。

典型的例子即是委內瑞拉、俄羅斯，它們依靠石油、自然氣等賺取大都的外匯，但除了能源行業外，其它的經濟產業都十分逾期，這種國度也被稱為“資源喪祭型國度”。

一定進程上，在AI數據標注行業，國內也墮入了這種資源豐富的“喪祭”。

事實上，國內的數據標注業務也很早就起步發展了，但并莫得釀成領域。許多龍頭企業自然豎立了數據標注部門，但主若是為自己業務服務，而并不是尋求將數據與各個行業進行資源匹配；

加上依靠國內的東談主口紅利，讓標注后的數據獲取成本變得十分便宜，哪怕是今天堂內的數據標注價錢依舊偏低，拿重慶這種新一線城市來說也僅為4~6k/月。

在這種情況下接納技能平臺或者進一步研發來提高數據標注或是從標注行業進一步進取延展改進，對于處在市集競爭中的企業而言，可能反而是收之桑榆的作念法。

但一朝在這個階段錯過了對數據標注行業的技能改進或千里淀，也許就恒久地錯失了改進升級的契機了。

2.生態不及

這里的生態不及體現在兩個方面，一是單純從言語生態來講，必須要承認，英文的使用范圍是全球，而中語的使用范圍更多如故在國內以及國外的部分華東談主。

是以在數據標注這一產業上，Scale AI自然就有了上風，站在老本的高地，在全球范圍內尋找著價值凹地，而國內哪怕是有東談主口紅利，這成本上風終究更高，且在老本（投融資）方面也莫得占據高地。

另外，需要提到的是在數年前，跟著轉移互聯網模式的闇練，國內互聯網生態在其時也進一步走向了捍拒頑固，而這也使得數據在流暢上出現了阻礙，致使不錯說其時的數據標注行業也被動參與到這種捍拒頑固的生態中去，各為其主、各自而戰，無法釀成有用的、領域性的改進力量。

3.視線局限

對于數據標注行業，站在其時阿誰節點，唯有少數東談主能因為敬佩而看見。

在國外，也唯有亞歷山大等寥寥幾東談主，在國內這么的東談主赫然就更少了。

事實上，大多數參與到數據標注行業中的東談主，更多就是秉持著過往的管事密集型產業的邏輯，靠著“內卷”來終了生涯以及盈利的。

然則亞歷山大不同的是，盡管行業邏輯是管事密集型的特質，但對于他而言，這僅僅最基礎的少許，是動作構建起通盤這個詞數據行業險峻游生態的一個跳板。正如其在最近的訪談中談到，東談主們如故用盡了互聯網上的通盤數據，想要開發出比GPT-4.5更淵博的東談主工智能，則必須構建前沿數據。

所謂的“前沿數據”是指那些與欺詐場景密切考慮、能實時反應最新趨勢和變化的數據，時常包含大都長尾或有數的場景，有助于進步AI在非典型情況下的推崇，推動東談主工智能才能的領域向復雜推理、多模態等標的發展。

跟著AI的快速進化，將來的數據踐諾需要更多地與特定任務、特定欺詐場景相匹配，因此也需要挖掘和坐蓐出更多新的、各別化的數據，而這可能也恰是亞歷山大在2016年時就看到的將來。

從這個角度來看，Scale AI動作一面鏡子，其從最“低價”的行業中成長為一個估值千億的AI獨角獸企業有太多不錯學習的地點了。

參考貴府：

[1].從麻省理工輟學，他干成億萬財主，環球東談主物

[2]. 估值1000億，輟學90后華僑天才，剛剛融了72億，融中財經

[3]. 給AI公司“打雜”，95后華東談主把估值作念到138億好意思元

[4]. 95后開yun體育網，一舉融資70億，投資界