界面新聞記者 | 宋佳楠

Meta巨額投資Scale AI的消息落地。

6月13日，人工智能創(chuàng)企Scale AI宣布獲得Meta Platforms重大新投資，公司估值超過290億美元。該協(xié)議還將大幅拓展Scale和Meta的商業(yè)合作關(guān)系，以加速Scale部署數(shù)據(jù)解決方案。

在此之前，Scale AI首席執(zhí)行官汪滔發(fā)表全員信，透露了將獲得Meta投資的消息。信中稱，他本人將離職加入Meta負責(zé)AI工作，但會留任Scale AI董事，繼續(xù)支持公司使命和長期愿景。

Scale董事會已任命首席戰(zhàn)略官Jason Droege擔(dān)任公司臨時CEO。Droege正與董事會密切合作，尋求聘請一位首席技術(shù)官增強該公司的工程團隊。

本周有媒體援引知情人士消息稱，Meta正接近達成一項投資協(xié)議，可能向人工智能初創(chuàng)公司Scale AI投資近150億美元，以獲取其49%的股權(quán)。若交易達成，這不僅將成為Meta在AI領(lǐng)域有史以來最大規(guī)模的外部投資，也可能創(chuàng)下創(chuàng)業(yè)公司單筆融資的新紀錄。

不過，Scale AI只是將Meta的投資行為描述為“重大”，并沒有宣布具體的融資數(shù)額。

Scale AI于2016年由美籍華裔創(chuàng)業(yè)者Alexandr Wang（汪滔）和Lucy Guo（郭露西）在舊金山創(chuàng)立。公開資料顯示，95后汪滔出身于技術(shù)氛圍濃郁的家庭，父母皆是物理學(xué)家。2021年，年僅24歲的汪滔成為當(dāng)時“世界上最年輕的白手起家的億萬富翁”。福布斯今年4月發(fā)布的“2025全球最年輕億萬富豪榜”顯示，汪滔以20億美元的財富位列第7位。

另一位創(chuàng)始人郭露西21歲時從卡內(nèi)基梅隆大學(xué)輟學(xué)，加入由億萬富豪彼得·蒂爾創(chuàng)立的 “蒂爾獎學(xué)金計劃” 。該計劃旨在資助有潛力的年輕人離開學(xué)校、投身創(chuàng)業(yè)。也因此，她與麻省理工學(xué)院輟學(xué)的汪滔相識，兩人一拍即合，決定創(chuàng)立Scale AI。

Scale AI最初并不專注于人工智能，其前身Scale API是一個提供按需人工服務(wù)的平臺，幫助企業(yè)完成內(nèi)容審核、數(shù)據(jù)提取等任務(wù)。用汪滔的話形容，公司的業(yè)務(wù)性質(zhì)就像“為挖金子的人賣鏟子”。

后因發(fā)現(xiàn)自動駕駛行業(yè)對數(shù)據(jù)標(biāo)注需求巨大，公司便轉(zhuǎn)型為AI訓(xùn)練數(shù)據(jù)服務(wù)提供商。但在發(fā)展過程中，兩位創(chuàng)始人因公司發(fā)展方向產(chǎn)生分歧，郭露西選擇離開，汪滔則帶領(lǐng)公司繼續(xù)發(fā)展，將業(yè)務(wù)完全轉(zhuǎn)向AI訓(xùn)練數(shù)據(jù)。

Scale AI通過 “算法預(yù)篩+人工復(fù)核” 的混合模式，處理圖像、文本、視頻、3D傳感器數(shù)據(jù)等多模態(tài)數(shù)據(jù)。在自動駕駛領(lǐng)域，為了讓自動駕駛系統(tǒng)準確識別道路上的各種物體，需要數(shù)百萬張標(biāo)注精確的道路圖像，Scale AI便能提供此類數(shù)據(jù)服務(wù)。對于大語言模型，其依賴上億條帶語境的人類對話數(shù)據(jù)，這同樣在Scale AI的業(yè)務(wù)范疇內(nèi)。

目前，公司已有超過600名員工，并建立了覆蓋全球的業(yè)務(wù)網(wǎng)絡(luò)，雇傭了超過24萬名數(shù)據(jù)標(biāo)注員。其客戶名單十分豪華，包括微軟、OpenAI、英偉達等科技巨頭。2024年，Scale AI營收達8.7億美元，預(yù)計今年將翻倍至20億美元，估值也從2024年的138億美元，飆升至如今的超290億美元 。

Meta之所以對Scale AI拋出巨額投資的橄欖枝，或因在AI領(lǐng)域，數(shù)據(jù)的質(zhì)量對模型性能起到關(guān)鍵作用。有觀點認為，AI模型性能的70%取決于輸入數(shù)據(jù)的質(zhì)量。

此外，Meta在AI領(lǐng)域此前主要依賴內(nèi)部研發(fā)和開源策略，但面對微軟、亞馬遜等競爭對手通過資本綁定構(gòu)建的AI生態(tài)，壓力漸顯。有業(yè)內(nèi)人士指出，Meta希望借新投資補齊在Llama模型性能方面落后的短板，通過規(guī)模化、系統(tǒng)化的智能訓(xùn)練流程實現(xiàn)趕超。