AI行業(yè)每天都有很大的變化，而Scale AI的產(chǎn)品線可以很好的體現(xiàn)該行業(yè)的新動(dòng)態(tài)，所以在本篇文章中作者針對(duì)數(shù)據(jù)標(biāo)注在大模型中扮演什么角色、數(shù)據(jù)標(biāo)注的商業(yè)模式、Scale AI 公司治理問題以及 Scale AI 未來(lái)發(fā)展情況等重要問題進(jìn)行了討論。一起來(lái)看下吧。

我們?cè)?2021 年 7 月編譯過一篇關(guān)于 Scale AI 的文章，但在過去一段時(shí)間，AI 行業(yè)每天都在發(fā)生十級(jí)地震，行業(yè)價(jià)值鏈也發(fā)生變化，因此我們認(rèn)為有必要重新審視此前研究過的重要公司，所以把 Scale AI 拿出來(lái)重新研究。

Scale AI 2016 年成立，創(chuàng)始人為 Alexandr Wang 和 Lucy Guo，Lucy 現(xiàn)已離開公司。Scale AI 2019 年躋身獨(dú)角獸行列，當(dāng)前估值 73 億美金，ARR 接近 3 億美金。Scale AI 核心業(yè)務(wù)為數(shù)據(jù)標(biāo)注，從自動(dòng)駕駛場(chǎng)景起家，后切入政府、電商、機(jī)器人、大模型等場(chǎng)景，分別對(duì)應(yīng)著過去 AI 行業(yè)幾次大機(jī)會(huì)的出現(xiàn)。受益于 Alex 超強(qiáng)的個(gè)人能力及超強(qiáng)的團(tuán)隊(duì)執(zhí)行力，Scale AI 在每波大趨勢(shì)到來(lái)時(shí)都能快速捕捉機(jī)會(huì)，推出相應(yīng)的產(chǎn)品，在細(xì)分領(lǐng)域迅速做到極高的市場(chǎng)份額。

目前，Scale AI 正非常激進(jìn)地切入 MLOps 和 LLM 領(lǐng)域，提供各類工具、平臺(tái)和服務(wù)。包括電商場(chǎng)景的圖片生成工具 Scale Catalog，大語(yǔ)言模型開發(fā)者工具平臺(tái) Scale Spellbook，以及合成數(shù)據(jù)產(chǎn)品 Scale Synthetic 等等。但從調(diào)研結(jié)果看，這些新興業(yè)務(wù)只是 Scale AI 尋找第二增長(zhǎng)曲線的一些嘗試，產(chǎn)品銷售情況并不理想，最后能有穩(wěn)定需求、貢獻(xiàn)主要收入的還是數(shù)據(jù)標(biāo)注業(yè)務(wù)。

除了更新公司業(yè)務(wù)情況，我們還針對(duì)數(shù)據(jù)標(biāo)注在大模型中扮演什么角色、數(shù)據(jù)標(biāo)注的商業(yè)模式、Scale AI 公司治理問題以及 Scale AI 未來(lái)發(fā)展情況等重要問題進(jìn)行了討論。

另外，我們認(rèn)為 Scale AI 是觀察 AI 行業(yè)機(jī)會(huì)的絕佳生態(tài)位。一旦行業(yè)有新動(dòng)向都會(huì)體現(xiàn)在 Scale AI 的產(chǎn)品線中，且公開可見。Scale AI 的產(chǎn)品更新動(dòng)態(tài)非常值得關(guān)注。

以下為本文目錄，建議結(jié)合要點(diǎn)進(jìn)行針對(duì)性閱讀。

1. 行業(yè)
2. 產(chǎn)品
3. 團(tuán)隊(duì)
4. 競(jìng)爭(zhēng)
5. 當(dāng)前結(jié)論與判斷

一、行業(yè)

1. 行業(yè)介紹

數(shù)據(jù)標(biāo)注（Data Labeling）為 Scale AI 的核心業(yè)務(wù)。數(shù)據(jù)標(biāo)注位于模型開發(fā)的上游階段，該過程需要先識(shí)別原始數(shù)據(jù)，然后為該數(shù)據(jù)添加一個(gè)或多個(gè)標(biāo)簽。數(shù)據(jù)類型包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，后者包括圖像、視頻、3D（LiDAR、雷達(dá)等）、文本和音頻等。

來(lái)源：Scale AI 官網(wǎng)

數(shù)據(jù)標(biāo)注的核心是質(zhì)量和效率，對(duì)于數(shù)據(jù)標(biāo)注的客戶公司而言，數(shù)據(jù)標(biāo)注并非公司核心業(yè)務(wù)，外包意愿強(qiáng)。客戶標(biāo)注數(shù)據(jù)主要通過內(nèi)部自建團(tuán)隊(duì)、眾包平臺(tái)、與第三方數(shù)據(jù)標(biāo)注創(chuàng)業(yè)公司合作。該賽道玩家除了 Scale AI 之外，還有 Dataloop、SuperAnnotate、Labelbox、Snorkel、V7、Appen 等。

同一客戶公司內(nèi)部的不同部門，可能會(huì)根據(jù)不同的需求和場(chǎng)景選擇不同的數(shù)據(jù)標(biāo)注玩家。早期，數(shù)據(jù)全部由人工手動(dòng)標(biāo)注，以構(gòu)建和積累機(jī)器學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)集。盡管耗時(shí)且成本高昂，但手動(dòng)標(biāo)注數(shù)據(jù)確實(shí)在準(zhǔn)確率等方面具有優(yōu)勢(shì)。數(shù)據(jù)標(biāo)注公司往往在菲律賓、肯尼亞、委內(nèi)瑞拉等勞動(dòng)力價(jià)格較為低廉的國(guó)家或地區(qū)尋找合適的數(shù)據(jù)標(biāo)注人員。

隨著機(jī)器學(xué)習(xí)模型的發(fā)展，自動(dòng)化數(shù)據(jù)標(biāo)注的準(zhǔn)確性提高，可以使用模型來(lái)輔助人工標(biāo)注，比如模型預(yù)處理數(shù)據(jù)再發(fā)送給標(biāo)注員；或人類作為審核員，審核并糾正模型給出的標(biāo)注結(jié)果等等。與純手動(dòng)標(biāo)記相比，AI 輔助標(biāo)注加快數(shù)據(jù)標(biāo)注的速度。目前，Scale AI 等數(shù)據(jù)標(biāo)注公司都在努力減少數(shù)據(jù)標(biāo)注過程中的人工參與比例。

上述兩種方案是目前數(shù)據(jù)標(biāo)注的主要形式，至于未來(lái)數(shù)據(jù)標(biāo)注能否全部由模型代勞，我們目前的判斷是 No，成熟場(chǎng)景也許可以，但未來(lái)總是會(huì)不斷有新的場(chǎng)景出現(xiàn)，新事物往往需要先通過人工標(biāo)注以積累數(shù)據(jù)、例子，然后才可能訓(xùn)練出可自動(dòng)完成標(biāo)注的模型。

2. 大模型是否還需要數(shù)據(jù)標(biāo)注

在此前，機(jī)器學(xué)習(xí)需要有監(jiān)督學(xué)習(xí)，需要標(biāo)注大量數(shù)據(jù)。隨著模型逐漸變大，對(duì)數(shù)據(jù)量的需求變大，標(biāo)注數(shù)據(jù)的時(shí)間及成本變得無(wú)法控制，高質(zhì)量的標(biāo)注數(shù)據(jù)的生產(chǎn)速度難以滿足大模型的需求。但無(wú)監(jiān)督學(xué)習(xí)出現(xiàn)后，機(jī)器學(xué)習(xí)不需要明確目的的訓(xùn)練方式，也無(wú)法提前預(yù)測(cè)結(jié)果，因此不需要標(biāo)注數(shù)據(jù)。

強(qiáng)化學(xué)習(xí)也不需要數(shù)據(jù)標(biāo)注，強(qiáng)化學(xué)習(xí)的反饋不是通過標(biāo)簽或數(shù)值，而是通過獎(jiǎng)勵(lì)機(jī)制來(lái)學(xué)習(xí)一系列行為。預(yù)訓(xùn)練模型實(shí)現(xiàn)了有監(jiān)督學(xué)習(xí)到無(wú)監(jiān)督學(xué)習(xí)的跨越，OpenAI 的 GPT-1 到 GPT-3 也一直采用此路線，因此在過去一段時(shí)間內(nèi)，不少人擔(dān)心數(shù)據(jù)標(biāo)注在大模型時(shí)代的價(jià)值。

但 ChatGPT 出現(xiàn)后，該顧慮有所緩解，ChatGPT 使用強(qiáng)化學(xué)習(xí)和人類反饋來(lái)使模型更好地與人類指令保持一致，即 RLHF (Reinforcement Learning from Human Feedback），這其中會(huì)涉及到非常多的數(shù)據(jù)標(biāo)注工作。

RLHF 的數(shù)據(jù)標(biāo)注與此前的用低成本勞動(dòng)力完成的簡(jiǎn)單數(shù)據(jù)標(biāo)注工作也有所不同，需要非常專業(yè)的人士來(lái)寫詞條，針對(duì)相應(yīng)的問題和指令，給出符合人類邏輯與表達(dá)的高質(zhì)量的答案。

據(jù)稱 OpenAI 內(nèi)部招了幾十名 PhDs來(lái)做 RLHF 的標(biāo)注，Scale 作為 OpenAI 的上游供應(yīng)商，同樣招聘了幾十名 PhDs 在為 OpenAI 提供此類服務(wù)，具體的分工是 Scale 更多完成標(biāo)注的動(dòng)作，而 OpenAI 更多是進(jìn)行質(zhì)量檢測(cè)。標(biāo)注數(shù)據(jù)是 ChatGPT 效果區(qū)別于其他競(jìng)爭(zhēng)對(duì)手的原因之一。Google 一位技術(shù)專家也表示，在 ChatGPT 出來(lái)后，Google 也在針對(duì)數(shù)據(jù)標(biāo)注問題進(jìn)行反思。

二、產(chǎn)品

1. 產(chǎn)品 Update

Scale AI 核心業(yè)務(wù)是數(shù)據(jù)標(biāo)注，除此之外還有非常豐富的產(chǎn)品線。產(chǎn)品主要分成 4 大類：數(shù)據(jù)標(biāo)注（Annotate）、管理和評(píng)估（Manage & Evaluate）、自動(dòng)化（Automate）和合成（Generate）。

Scale 從自動(dòng)駕駛領(lǐng)域的標(biāo)注起家，在自動(dòng)駕駛、地圖等行業(yè)表現(xiàn)很好，兩年前，公司 80-90% 的訂單都來(lái)自自動(dòng)駕駛（2D、3D、激光雷達(dá)等），該比例近年有所下降。

事實(shí)上，Scale AI 的標(biāo)注產(chǎn)品研發(fā)及銷售情況與底層的行業(yè)趨勢(shì)及各行業(yè)發(fā)展情況有很大關(guān)系，在自動(dòng)駕駛之后，Scale 的數(shù)據(jù)標(biāo)注訂單還來(lái)自政府、電商（零售商品目錄）、機(jī)器人、大模型（RLHF）等領(lǐng)域，分別對(duì)應(yīng)過去幾年 AI 行業(yè)幾波大的趨勢(shì)和機(jī)會(huì)。每波大趨勢(shì)將要到來(lái)時(shí) Scale 都能很敏銳地捕捉到信號(hào)，快速招聘相應(yīng)的人才，推出相應(yīng)的產(chǎn)品，在細(xì)分領(lǐng)域迅速做到極高的市場(chǎng)份額。

除了數(shù)據(jù)標(biāo)注外，值得關(guān)注的產(chǎn)品還包括：Scale Catalog、Scale Spellbook、Scale Synthetic。

• Scale Catalog 主要針對(duì)電商和零售企業(yè)，除了提供標(biāo)注服務(wù)，還能自動(dòng)生成產(chǎn)品圖，是 Scale 切入 Generative AI 應(yīng)用領(lǐng)域的一款核心產(chǎn)品。
• Scale Spellbook 是 Scale 近期投入較大的業(yè)務(wù)，匯集了 Scale 的核心人才，做一個(gè)基于大語(yǔ)言模型的 to 開發(fā)者的工具平臺(tái)。
• Scale Synthetic 是合成數(shù)據(jù)工具，隨著模型參數(shù)不斷變大，模態(tài)不斷豐富，對(duì)數(shù)據(jù)量的要求越來(lái)越高，真實(shí)數(shù)據(jù)量已無(wú)法滿足需求，合成數(shù)據(jù)開始受到關(guān)注。

從 Scale 的產(chǎn)品拓展情況來(lái)看，Scale 正非常激進(jìn)地切入 MLOps 和 LLM 領(lǐng)域，提供各類工具、平臺(tái)和服務(wù)。不過這只是 Scale 尋找第二增長(zhǎng)曲線的一些嘗試，產(chǎn)品銷售情況并不理想，最后能有穩(wěn)定需求、貢獻(xiàn)主要收入的還是數(shù)據(jù)標(biāo)注。

2. 客戶與商業(yè)模式

Scale 的標(biāo)注工人主要從委內(nèi)瑞拉、肯尼亞、菲律賓等工資水平相對(duì)較低的國(guó)家招聘，客戶主要為美國(guó) enterprise 企業(yè)，商業(yè)模式就像全球化套利，毛利較高。

來(lái)源：Scale AI 官網(wǎng)

主要客戶名單如下：

商業(yè)模式方面，Scale 官網(wǎng)針對(duì)每款產(chǎn)品給出了標(biāo)準(zhǔn)化定價(jià)，定價(jià)模式為 Consumption-base 的模式。如 Scale lmage 起價(jià)為每張圖片 2 美分，每條標(biāo)注 6 美分；Scale Video 起價(jià)為每幀視頻 13 美分，每條標(biāo)注 3 美分；Scale Text 起價(jià)為每項(xiàng)任務(wù) 5 美分，每條標(biāo)注 3 美分；Scale Document Al 起價(jià)為每項(xiàng)任務(wù) 2 美分，每條標(biāo)注 7 美分。

除此之外，還有針對(duì) enterprise 的收費(fèi)方式，即根據(jù)具體的企業(yè)級(jí)項(xiàng)目的數(shù)據(jù)量及服務(wù)進(jìn)行收費(fèi)。由于 Scale 的大部分客戶都為 enterprise 客戶，因此實(shí)際上大部分收入均為項(xiàng)目制收入，客單價(jià)幾十萬(wàn)美金至幾千萬(wàn)美金不等。Scale 2022 年收入預(yù)計(jì)為 2.9 億美元，毛利約為 70%。公司 2021 年 4 月完成 $325M 的 E 輪融資，投資者包括 Dragoneer、Greenoaks、Tiger Global 等，估值達(dá)$7.3B。

三、團(tuán)隊(duì)

Scale AI 于 2016 年誕生于 Y Combinator 創(chuàng)業(yè)項(xiàng)目，創(chuàng)始人為 Alexandr Wang 和 Lucy Guo（2018 年 Lucy 離開 Scale AI，保留 6% 股權(quán)），兩位創(chuàng)始人技術(shù)背景深厚。Alexandr Wang 出生于 1997 年，2014 年加入 Quora，并在 Quora 上結(jié)識(shí) Lucy Guo，高中就收到很多硅谷科技公司的 offer，后在麻省理工學(xué)院攻讀機(jī)器學(xué)習(xí)專業(yè)，選修的全是研究生級(jí)別的計(jì)算機(jī)課程，一年后毅然從麻省理工輟學(xué)。

2016 年，Alexandr Wang 和 Lucy Guo 在 YC 期間創(chuàng)辦 Scale。Alexandr Wang 在 2011 年美國(guó)數(shù)學(xué)人才搜索 (USAMTS) 中獲得銅牌，在 2012 年獲得金牌；2013 年在美國(guó)數(shù)學(xué)奧林匹克競(jìng)賽中進(jìn)入全國(guó)前 30 名，同時(shí)在 Who Wants to Be a Mathematical 比賽中獲得第三名；2014 年參加了美國(guó)國(guó)家物理奧林匹克競(jìng)賽 (USAPhO) 并進(jìn)入半決賽，在 2018 年登上了“30 under 30”的榜單。

Alexandr Wang 的履歷非常亮眼，但大家對(duì)他的評(píng)價(jià)褒貶不一。他非常聰明、自信，能力強(qiáng)，善于維護(hù)外部關(guān)系，花費(fèi)大量時(shí)間與硅谷關(guān)鍵人物建立關(guān)系。

他也十分擅長(zhǎng) branding 和 marketing，塑造很好的個(gè)人形象和企業(yè)形象，有觀點(diǎn)認(rèn)為 Scale 與其他競(jìng)對(duì)的差異性主要來(lái)自于 Alex 的宣傳炒作，為公司帶來(lái)了大量訂單。

但或許是因?yàn)槟昙o(jì)太小的緣故，Alex 管理公司的經(jīng)驗(yàn)相對(duì)欠缺，公司內(nèi)部管理較為糟糕，很多人才流失或不愿加入 Scale，企業(yè)內(nèi)部也存在各類矛盾。我們?cè)趲孜浑x職高管訪談中聽到了非常負(fù)面的評(píng)價(jià)，但也在不少員工訪談中感受到部分員工對(duì) Alex 發(fā)自內(nèi)心的欣賞。

團(tuán)隊(duì)整體方面，Scale 整體執(zhí)行力非常強(qiáng)，工作節(jié)奏和企業(yè)文化非常激進(jìn)，偏好招頂級(jí)院校的應(yīng)屆畢業(yè)生，聰明、勤奮、執(zhí)行力強(qiáng)、肯加班，Scale 的“卷”在硅谷非常有名。

四、競(jìng)爭(zhēng)

Scale 的競(jìng)爭(zhēng)對(duì)手包括：公司內(nèi)部自建的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)；谷歌、微軟和亞馬遜等科技大廠的數(shù)據(jù)標(biāo)注服務(wù)；數(shù)據(jù)標(biāo)注創(chuàng)業(yè)公司。

1. 類型一：公司內(nèi)部自建的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)

由于某些數(shù)據(jù)比較敏感，有的公司會(huì)選擇內(nèi)部自建數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，作為 Scale 等外包方案的補(bǔ)充。例如 Airbnb 使用內(nèi)部數(shù)據(jù)標(biāo)注產(chǎn)品來(lái)標(biāo)記隱私數(shù)據(jù)，并用于公司內(nèi)部的機(jī)器學(xué)習(xí)模型，但是對(duì)于不敏感的數(shù)據(jù)，Airbnb 通常會(huì)外包給第三方供應(yīng)商進(jìn)行標(biāo)注。原因有三：

• 第三方供應(yīng)商做數(shù)據(jù)標(biāo)注可以比 Airbnb 內(nèi)部自建團(tuán)隊(duì)更便宜；
• 第三方供應(yīng)商具有靈活性，可以根據(jù) Airbnb 的需求靈活調(diào)整；
• 數(shù)據(jù)標(biāo)注并不是 Airbnb 的重點(diǎn)業(yè)務(wù)，第三方供應(yīng)商的工具可以更準(zhǔn)確高效地完成標(biāo)注。

2. 類型二：谷歌、微軟和亞馬遜等科技大廠

對(duì)于 Scale 而言，這些科技巨頭既是客戶，也是競(jìng)爭(zhēng)對(duì)手。谷歌、亞馬遜、微軟等科技大廠比其他任何供應(yīng)商都具有優(yōu)勢(shì)，因?yàn)橐?guī)模效應(yīng)的存在以及頭部公司擁有廣泛的產(chǎn)品集合。例如，Scale 在 AWS 上處理和標(biāo)注數(shù)據(jù)，如果客戶想把 Scale 標(biāo)注的數(shù)據(jù)儲(chǔ)存在 S3 中，需要給 Scale 開通訪問權(quán)限，再由 Scale 將標(biāo)注好的數(shù)據(jù)放入客戶的 S3 存儲(chǔ)空間中，這一系列操作會(huì)造成額外的成本。

但如果客戶數(shù)據(jù)本來(lái)就存儲(chǔ)在谷歌、亞馬遜和微軟的云平臺(tái)上，并使用他們的數(shù)據(jù)標(biāo)注產(chǎn)品和服務(wù)，則無(wú)需進(jìn)行訪問授權(quán)、移動(dòng)數(shù)據(jù)等步驟。

此外，微軟、亞馬遜、谷歌等科技大廠都希望客戶能夠在一個(gè)平臺(tái)解決所有問題、采購(gòu)他們的所有產(chǎn)品和服務(wù)，因此會(huì)在一攬子產(chǎn)品中，針對(duì)某個(gè)單一產(chǎn)品給一些折扣，甚至直接提供免費(fèi)的工具，這會(huì)對(duì) Scale 造成競(jìng)爭(zhēng)壓力。但微軟等科技大廠大多只提供軟件和工具，不提供人力服務(wù)，導(dǎo)致客戶必須自己承擔(dān)人力工作。而 Scale 提供人工標(biāo)注數(shù)據(jù)以及其他的人力服務(wù)，在與科技大廠競(jìng)爭(zhēng)中也具備一定的獨(dú)特優(yōu)勢(shì)。

3. 類型三：數(shù)據(jù)標(biāo)注創(chuàng)業(yè)公司

如 Dataloop、SuperAnnotate、Labelbox、Snorkel、V7、Appen 等。

Snorkel

Snorkel 提供了大量模板來(lái)讓用戶創(chuàng)建標(biāo)注任務(wù)，也提供了托管服務(wù)。Snorkel 與 TensorFlow、Kubernetes 和 DAS 都有很好的集成。

Snorkel 和 Scale 都是數(shù)據(jù)標(biāo)注領(lǐng)域較大的供應(yīng)商，有專家認(rèn)為 Snorkel 未來(lái)不會(huì)在與 Scale 完全相同的賽道中，但兩者都會(huì)有不錯(cuò)的增長(zhǎng)。相比 Scale，Snorkel 的優(yōu)勢(shì)在于更專注于文本和 NLP，以及成本較低，所以用戶如果只是處理文本數(shù)據(jù)，一般會(huì)選擇 Snorkel 而不是 Scale。Snorkel 的劣勢(shì)在于視頻、圖像、地圖等處理能力非常有限。

SuperAnnotate

SuperAnnotate 是數(shù)據(jù)標(biāo)注行業(yè)重要的供應(yīng)商之一。功能豐富，允許用戶以 Python 等格式提取不同的標(biāo)簽，使用 SQL 對(duì)圖像進(jìn)行大量搜索，并將 SQL 與數(shù)據(jù)庫(kù)合并。

相比 Scale，SuperAnnotate 的優(yōu)勢(shì)在于醫(yī)療行業(yè)和工作流程。在醫(yī)療方面，SuperAnnotate 符合 HIPAA 標(biāo)準(zhǔn)，而 Scale 并不符合。SuperAnnotate 在創(chuàng)建工作流方面能力更強(qiáng)，比如提供指令，在此方面，Scale 正在追趕，但并沒有達(dá)到 SuperAnnotate 的水平。但整體來(lái)看，SuperAnnotate 的劣勢(shì)在于標(biāo)注質(zhì)量不及 Scale。

Labelbox

Labelbox 的商業(yè)模式與 Scale 略有不同，Labelbox 是給用戶提供平臺(tái)，用戶可以選擇自己進(jìn)行數(shù)據(jù)標(biāo)注或使用其他服務(wù)，但客戶需要采用 Labelbox 平臺(tái)作為內(nèi)部數(shù)據(jù)標(biāo)記工具。Labelbox 通過美國(guó)國(guó)防部安全審查，也與各種組織展開合作，例如，Labelbox 與 GCP 是合作伙伴關(guān)系，正在推動(dòng) GCP 云和谷歌云。

五、當(dāng)前結(jié)論與判斷

1.為什么看好

（1）數(shù)據(jù)標(biāo)注外包需求確定數(shù)據(jù)標(biāo)注外包需求明顯，給創(chuàng)業(yè)公司很大的發(fā)揮空間

一方面，從客戶角度考慮，數(shù)據(jù)標(biāo)注對(duì)于 AI 公司的員工而言屬于臟活累活，會(huì)占用他們大量的時(shí)間，分散他們?cè)谒惴ǖ群诵沫h(huán)節(jié)上的注意力，從主觀角度看他們不愿意把時(shí)間花在標(biāo)注上。

另一方面，從 ROI 角度考慮，大部分的數(shù)據(jù)標(biāo)注工作對(duì)標(biāo)注員的要求并不高，即美國(guó)的工人可以完成的工作肯尼亞的工人也可以完成，且質(zhì)量差別不會(huì)很大。

因此，如果不是特別隱私的數(shù)據(jù)、或不需要類似 RLHF 場(chǎng)景的語(yǔ)義理解等其他能力，通過第三方交由低成本國(guó)家和地區(qū)的勞動(dòng)力來(lái)完成標(biāo)注工作 ROI 是更高的。因此，數(shù)據(jù)標(biāo)注外包的需求十分明顯，創(chuàng)業(yè)公司長(zhǎng)期有機(jī)會(huì)。

（2）數(shù)據(jù)標(biāo)注賽道的頭部玩家，頭部效應(yīng)、品牌效應(yīng)強(qiáng)

Scale 是數(shù)據(jù)標(biāo)注賽道的絕對(duì)的頭部玩家，如果我們認(rèn)為人工標(biāo)注和“自動(dòng)化+人工”的標(biāo)注方式在未來(lái) 5-10 年內(nèi)會(huì)長(zhǎng)期存在，那么目前來(lái)看 Scale 會(huì)一直保持領(lǐng)先。從最真實(shí)的客戶和訂單來(lái)看，美國(guó)的 enterprise 客戶大多只認(rèn)可 Scale 作為他們的第三方數(shù)據(jù)標(biāo)注服務(wù)商，Scale 的客戶可以說是美國(guó) AI 各細(xì)分賽道的皇冠上的明珠，擁有最好的客戶 base。

Scale 的銷售團(tuán)隊(duì)在 pitch enterprise 客戶時(shí)，所遇到的競(jìng)爭(zhēng)對(duì)手幾乎只有“大廠內(nèi)部自建的團(tuán)隊(duì)”這一個(gè)解決方案，幾乎沒有遇到其他創(chuàng)業(yè)公司。

只有在 SMB 市場(chǎng)或面向非頭部企業(yè)的銷售中會(huì)遇到其他創(chuàng)業(yè)公司。頭部效應(yīng)和品牌效應(yīng)非常明顯。關(guān)于品牌效應(yīng)還可以補(bǔ)充一個(gè)觀點(diǎn)，有客戶說到這樣一句話：“Scale 和其他數(shù)據(jù)標(biāo)注公司就像 iPhone 和安卓的關(guān)系。”Scale 品牌效應(yīng)的形成也離不開 Alex 本人及團(tuán)隊(duì)極強(qiáng)的 PR 和 marketing 能力。

（3）規(guī)模效應(yīng)已顯現(xiàn)

數(shù)據(jù)標(biāo)注賽道有規(guī)模效應(yīng)。客戶對(duì)數(shù)據(jù)標(biāo)注的關(guān)注點(diǎn)主要在“質(zhì)量”和“效率”兩個(gè)方面，由于數(shù)據(jù)標(biāo)注不是高技術(shù)含量的工作，因此經(jīng)驗(yàn)對(duì)質(zhì)量和效率的提升就起到關(guān)鍵作用。這里的經(jīng)驗(yàn)又包括工人標(biāo)注數(shù)據(jù)的經(jīng)驗(yàn)，以及 Scale 對(duì)整套流程和體系的管理經(jīng)驗(yàn)。

經(jīng)驗(yàn)一定程度上也與規(guī)模和數(shù)量有很大聯(lián)系，規(guī)模越大，標(biāo)注的數(shù)據(jù)量越多，經(jīng)驗(yàn)就越成熟、越豐富，標(biāo)注數(shù)據(jù)的質(zhì)量和效率就越高。

作為賽道的頭部玩家，以及與 enterprise 客戶合作，Scale 的訂單量及數(shù)據(jù)量與其他競(jìng)對(duì)相比要大不少，再加上 Scale 在每波趨勢(shì)剛剛興起的時(shí)候，都能快速進(jìn)入新興領(lǐng)域，更早地獲得“經(jīng)驗(yàn)”，后續(xù)企業(yè)競(jìng)對(duì)便很難追上。

另一方面，Scale 將人工標(biāo)注的經(jīng)驗(yàn)沉淀為自動(dòng)化的解決方案，在行業(yè)發(fā)展早期采用人工標(biāo)注的方式，當(dāng)行業(yè)成熟時(shí)已經(jīng)能夠訓(xùn)練出適配特定領(lǐng)域數(shù)據(jù)的自動(dòng)化標(biāo)注模型，變成“自動(dòng)化+人工”的解決方案，大大提升效率。訂單量和數(shù)據(jù)量足夠大也能夠更快速和高效地優(yōu)化標(biāo)注模型。因此，Scale 的規(guī)模效應(yīng)非常明顯。

（4）創(chuàng)始人與團(tuán)隊(duì)綜合實(shí)力和執(zhí)行力強(qiáng)

關(guān)于 Alex 在團(tuán)隊(duì)部分也有所介紹，一位非常聰明、激進(jìn)、好勝心強(qiáng)的年輕人，且 Alex 不僅在技術(shù)方面有很強(qiáng)的天賦，在商業(yè)方面也有很強(qiáng)的能力，比如運(yùn)營(yíng)、品牌、營(yíng)銷、銷售、社交能力等等，綜合實(shí)力強(qiáng)勁。Scale 團(tuán)隊(duì)綜合能力也非常優(yōu)秀，尤其是運(yùn)營(yíng)能力，對(duì)數(shù)據(jù)標(biāo)注整套流程和體系的管理。

Scale 的流程與管理體系、經(jīng)驗(yàn)管理效果和效率都明顯優(yōu)于其他競(jìng)對(duì)企業(yè)，包括如何管理數(shù)據(jù)工人、如何給他們分工、如何進(jìn)行激勵(lì)或懲罰、如何檢查質(zhì)量、如何將數(shù)據(jù)交到客戶手中、如何服務(wù)客戶、又如何根據(jù)客戶反饋重新標(biāo)注數(shù)據(jù)提升標(biāo)注質(zhì)量等等，整個(gè)鏈路非常復(fù)雜，Scale 的高材生們能夠把整套流程 handle 好，每一個(gè)環(huán)節(jié)都極其高效、流暢、準(zhǔn)確。

而 Alex 也在很多事情上親力親為，或親自監(jiān)督。團(tuán)隊(duì)綜合素質(zhì)和執(zhí)行力非常強(qiáng)。

2. 為什么不看好

（1）企業(yè)管理風(fēng)險(xiǎn)創(chuàng)始人與團(tuán)隊(duì)既是亮點(diǎn)也是風(fēng)險(xiǎn)

如團(tuán)隊(duì)部分所說，我們對(duì)創(chuàng)始人和團(tuán)隊(duì)進(jìn)行 reference 后發(fā)現(xiàn)大家對(duì) Alex 的評(píng)價(jià)十分極端且割裂，欣賞 Alex 的人覺得他是全能天才少年，不欣賞 Alex 的人又覺得 Alex 在公司管理方面存在非常大的問題。

這可能是我們最近兩年的研究中遇到的第一個(gè) reference 結(jié)果如此割裂的項(xiàng)目。企業(yè)管理和企業(yè)文化方面，Scale 給年輕人足夠大的發(fā)展機(jī)會(huì)和發(fā)展空間、足夠快速和清晰的上升的機(jī)會(huì)、足夠多的激勵(lì)，但同時(shí)在處理老員工的關(guān)系上存在很多問題，因此這其中存在較大的沖突與矛盾。

此外，Scale 高強(qiáng)度的工作、激進(jìn)的管理方式，也導(dǎo)致了嚴(yán)重的人才流失，或是讓很多人才在選擇公司的時(shí)候就望而卻步。我們認(rèn)為企業(yè)管理與企業(yè)文化是 Scale 最大的 risk。

需求和增長(zhǎng)風(fēng)險(xiǎn)數(shù)據(jù)標(biāo)注需求受具體行業(yè)周期影響大，當(dāng)每波 AI 趨勢(shì)爆發(fā)的時(shí)候，就會(huì)有一次極其陡峭的增長(zhǎng)，但當(dāng)行業(yè)發(fā)展趨于穩(wěn)定或趨于成熟后，增長(zhǎng)曲線將開始平緩，直到下一波大趨勢(shì)的爆發(fā)，需求和增長(zhǎng)波動(dòng)較大。

并且 Scale 多為項(xiàng)目制，項(xiàng)目的數(shù)量、周期、穩(wěn)定程度和訂單金額都有很大的不確定性，較難預(yù)測(cè)。數(shù)據(jù)標(biāo)注業(yè)務(wù)本身重人力，靠堆人完成標(biāo)注工作，屬于施工隊(duì)生意，短期內(nèi)人效較難提升，也難有持續(xù)復(fù)利。

另一方面，Scale 團(tuán)隊(duì)一直在努力尋找第二增長(zhǎng)曲線，在 MLOps、LLM tool、Generative AI 等方面均有涉及，但目前從結(jié)果看差強(qiáng)人意，依然沒有找到第二條穩(wěn)定的增長(zhǎng)曲線。如果長(zhǎng)期依靠數(shù)據(jù)標(biāo)注業(yè)務(wù)，天花板將受限。如果想象空間和穩(wěn)定的增長(zhǎng)不存在，那么公司將來(lái)到二級(jí)市場(chǎng)將承擔(dān)低估值的風(fēng)險(xiǎn)。

（2）供給端風(fēng)險(xiǎn)

Scale 此前布局供給端的國(guó)家和地區(qū)近年人力成本上漲速度快，最典型的是菲律賓等東南亞地區(qū)，菲律賓勞動(dòng)力價(jià)格上漲后，Scale 也很少再到菲律賓招人。

供給端成本上漲，Scale 的毛利空間受擠壓，而毛利是否穩(wěn)定上升也是公司上市后投資者最看重的標(biāo)準(zhǔn)之一，如果毛利下降是非常不利的信號(hào)。除此之外，供給端招聘流程的規(guī)范性和穩(wěn)定性也是我們關(guān)心的問題。

最后補(bǔ)充一個(gè)觀點(diǎn)，我們認(rèn)為 Scale 是觀察 AI 行業(yè)機(jī)會(huì)的絕佳的生態(tài)位，一旦行業(yè)有新動(dòng)向 Scale 都能很快捕捉到信號(hào)，并快速推出相應(yīng)的數(shù)據(jù)標(biāo)注產(chǎn)品，且公開可見。Scale 的產(chǎn)品創(chuàng)新值得持續(xù)關(guān)注。