97 年的麻省理工辍学青年,五年成就 73 亿美元独角兽

  • 发表时间:
    , 文章来源:MyZaker, 新闻取自各大新闻媒体,新闻内容并不代表本网立场

    *(photo:MyZaker)

    从团队到业务,Scale 拥有一切硅谷宠儿的标签:AI、API、YC、野心勃勃、年轻、才华横溢、大学辍学创业、行业洞察。本文来自微信公众号:

    ,作者:江江,编辑:蔓蔓周,题图来自:视觉中国

    这几年,硅谷有一家 SaaS 公司的表现非常亮眼,光看下图的增长曲线,剔去我们熟悉的Slack、shopify、twillio,谁最横?

    *(photo:MyZaker)

    图片来源:CapIQ

    无疑是那条陡峭的橙色曲线——Scale。从 0 到估值 73 亿美元只用了五年,ARR 从 0 到 1 亿美元只用了四年,Scale 几乎是 SaaS 公司里最快达到这些数字的。

    一、脏活累活起家,Scale 是无名之辈吗?

    Scale 所在行业无疑是当下最光鲜亮丽的行业:人工智能(AI)和机器学习(ML)。想到人工智能,我们脑子里可能都是科幻电影中那些能够与人争天下的机器人,但事实上,这个景象还离我们很遥远,离身处于这个行业的 Scale 更是遥远。

    Scale 最初做的是这个行业最不性感、最接地气、最能被称为脏活累活的事情,即数据标注。

    所谓数据标注,就是企业客户,比如自动驾驶汽车公司,给 Scale 一些图片、视频等等,Scale 找一群人,给这些图片和视频打上标签的过程。

    这里的打标签,不是我们理解的命名那么简单。举个例子,Toyata 和 Lyft 给 Scale 发送一张马路上的图片,如下图,Scale 就得找人把这些汽车圈出来,并且标注为 " 汽车 "。

    *(photo:MyZaker)

    图源:Scale Pandaset

    这个过程其实大家都很熟悉,我们经常在登陆验证的时候被要求指出某些物体,比如下图要求指出所有带有船的图片,即标注这些图片:

    *(photo:MyZaker)

    你也许不会相信这世界上最性感而又高端的行业里,有如此无趣的一环, 而这才是开头那个具有靓丽增长曲线的 Scale 起家的业务。

    Scale 由Alexandr Wang和联合创始人Lucy Guo创立于 2016 年的 YC,当时这个公司还叫做 Scale API,只是一家有 API 的 " 土耳其机器人 "。

    这里的 " 土耳其机器人 ",指的是亚马逊的一个众包平台——研究人员在网站上发布琐碎任务,比如给图像加标签、进行调查、抄录收据等,用户领取任务,在完成后能赚取少量现金。这听起来是个人力驱动的公司,需要大量来自发展中国家的外包团队,依靠经济发展的不平等获利。

    但目的比手段重要。

    二、尘埃里的资本宠儿

    Scale 的创始人Alexandr Wang出生于 1997 年,父母都是 Los Alamos National Lab 的物理学家。他的名字从 Alexander 去掉了一个 e,因为父母想让他的名字刚好有 8 个字母,8 在中国代表着好运。他本身非常优秀,大学被麻省理工录取,大一满绩,之后辍学。辍学之后,他先去了 Addepar 和 Quora 工作,也在 Hudson River Trading 也工作过一小段时间。

    2016 年,他和另一名来自卡内基梅隆大学的辍学生Lucy Guo认识了,跟一名同事组队,一起进入了YC2016 春季营,其实当时的他也不清楚自己创业具体要做什么,只是对市场痛点有一定的洞察。

    他曾描述道:" 尽管麻省理工有数百名才华横溢、天资过人的学生,但是没有人用 AI 成功地构建任何东西。我们都在研究人工智能,却都遇到了一大瓶颈——没有好的数据。尽管如此,市面上也没有可以解决这个问题的标准化工具,我们有 AWS、Strip 和 Twillio,却没有任何人系统性地解决数据问题,这导致 AI 和 ML 的发展止步不前。"

    具体来说,他每天打开冰箱的时候,都会想在冰箱里安装一个摄像头,摄像头会告诉他什么时候需要补充哪些杂货,这听起来并不难,但他根本做不到,因为没有适用的数据工具。

    因此,他们决定做 Scale。

    Alexandr 确实精准地击中了市场痛点,因此 Scale 发展地顺风顺水:

    2016 年 6 月

    ,Scale 正式成立,YC 投资了 12 万美元换取公司 7% 的股份。

    2017 年 7 月

    ,Accel 领投 450 万美元 A 轮。

    2018 年

    ,完成 1800 万美元 B 轮,同年,Scale 进军自动驾驶领域,并且拿下了许多行业内赫赫有名的客户,比如 GM、Cruise、Lyft、Zoox 和 nuTonomy,标注的数据超过 20 万英里。

    2019 年 8 月

    ,完成 Founders Fund 的 Peter Thiel 领投的 1 亿美元 C 轮,跟投包括 Accel、Coatue Management、Index Venture、Spark Capital、Thrive Capital、Instagram 的创始人 Kevin Systrom 和 Quora 的 CEO Adam d ’ Angelo。此时的 Scale 正式迈入独角兽行列,估值十亿美元。同年,Scale 宣布扩展行业领域,拿下了 OpenAI 和 Lyft 这种其他行业的头部用户。

    2021 年 1 月,

    以 35 亿美元估值完成老虎基金领投的 1.5 亿美元 D 轮融资,同时宣布进军标注之外的新业务,发布 Nucleus。

    2021 年 4 月

    ,以超过 70 亿美元估值完成来自 Greenoaks Capital,Dragoneer 和 Tiger Global 的 3.25 亿美元 E 轮融资

    至此,可以说,Scale 是个彻头彻尾的资本宠儿。

    从团队到业务,它拥有一切硅谷宠儿的标签:AI、API、YC、野心勃勃、年轻、才华横溢、大学辍学创业、行业洞察。

    Scale 一扫早期的包工头形象,俨然已经是一家性感的 AI/ML 公司。而相比其他 AI/ML 公司,它又不受 " 红颜薄命 " 的诅咒,就连知名的硅谷投资人Peter Thiel 都说:" 在激烈的竞争中,AI 公司们会出现又消失,但是 Scale 会一直存在。"

    那么这样的转变原因是什么呢?

    Peter Thiel 一语中的:"因为 Scale 提供的是整个 AI/ML 行业的基础设施,数据是这个行业最重要的东西。"

    AI/ML 的基础是数据,所谓的机器学习就是机器输入并学习数据,从而输出正确的编码。没有数据也就不会有 ML 或者 AI,并且,不好的数据比没有数据更加糟糕。学习一堆垃圾只会导致机器产出另一堆垃圾。

    可以说,数据标注是个普适性的需求,只要一个公司存在,它就有数据标注的需求。

    这个领域的领头人 Andrew Ng 曾发推说:"AI 系统 = 代码 + 数据",大多数的学术型竞争对手都不会去碰数据,而是在代码上埋头苦干,但试想一下,如果有一个 team 可以不动代码,光在数据上下功夫。" 而这刚好就是 Scale 在做的事情。

    *(photo:MyZaker)

    既然数据如此重要,为何没有更有实力的巨头躬身下场,拿下这块香饽饽?

    前文也提到,数据标注是份脏活累活,受过良好教育的精英们宁可在代码堆里狂卷也不愿意碰数据标注。巨头不太可能在这个领域费心,他们的员工都太优秀了,不太可能把时间浪费在注释上。这一点刚巧给到了早期的 Scale 足够大的成长空间。

    三、始于数据标注,不止于数据标注

    当然,如果一直沉迷于数据标注,Scale 无疑只是一家利用发展中国家便宜人力牟利的外包公司,何谈科技?

    其实不然,尽管 Scale 的商业模型最初看起来更像是服务业,通过人工支撑起业务,但是随着它自身数据的积累和模型的成熟,有些标注工作正在被机器取代。

    相比于最初的纯人力驱动,现在 Scale 能让算法和人工配合着去做数据标注。算法会先把视频切成一帧一帧,并且粗略标注这些图片,在这之后,人工会接过来做更精细的标注。由此,Scale 在服务价格降低的同时,利润率也在升高。

    同时,Scale 在战略上颇有远见,他们从很早就计划着从数据标注起家慢慢开发出一整套产品,让这些产品协同作用,以更快的速度创建更好的模型和更好的结果。

    Alexandr Wang 认为,数据是 ML 和 AI 领域的基础设施,因此数据标注只是个开始。Scale 的存在就为了通过建造最以数据为中心的基础设施平台来加速 AI 应用的开发,它的核心信念是,数据就是新一代的代码。Scale 想做 AI 领域的 AWS,支付领域的 Stripe,数据分析领域的 Snowflake。

    *(photo:MyZaker)

    图源:NotBoring.co

    2020 年 1 月,在完成 D 轮融资之后,Scale 宣布除了标注之外的新业务Nucleus。Nucleus 是一个用于数据调试的 SaaS 工具,具体包括解读数据、数据可视化、清洗数据和数据合作,从而帮助公司们建立更好的 ML 模型。

    *(photo:MyZaker)

    图源:Scale

    Nucleus 的推出使 Scale 开始得到一些长尾客户,并且拓展到更多行业。同年 5 月,Scale 发布文档产品Scale Document。

    Scale 在完成了前五年数据标注积淀之后,一步一步把触角伸向整个 AI 的生命周期,毕竟,数据标签和数据生成只占整个 AI/ML 基础设施图谱中的 1/20。按照 Scale 的划分(如下图),AI 的生命周期包括标注、管理、自动化、评估、搜集、产生数据,这其中的每一步,Scale 都要漂亮地拿下。

    *(photo:MyZaker)

    AI 的生命周期,图源:Scale

    在 E 轮融资过后,Scale 正式宣布其新的愿景:" 让每个行业都能实现 AI 的应用。Scale 为公司提供管理 AI 整个生命周期的基础,无论他们是否有自己的 AI 团队,我们都会帮助他们建立 AI 策略,保证他们能够拥有产出高效模型基础设施。"

    这是一副极其宏伟的蓝图,回忆一下互联网如何从一个小圈子扩展到如今万物互联,我们就可以想象,Scale 的野心有多么大。

    AI/ML 基础设施市场将在未来几年内达到 3000 亿美元。到 2024 年,预计 Scale 数据标注业务的潜在市场份额能达到 200 亿美元,光是 Document 和 Nucleus 的潜在市场份额就可以达到 100 亿美元和 80 亿美元。

    除了战略远见之外,Scale 的内功也够硬。

    和 Stripe 一样,Scale 很受程序员们的喜爱,因为它把细节做得很好。"API 非常好,有开源数据集、文档很干净。" 一名程序员评价道。

    许多大客户用 Scale 也不单单是因为不想干数据标注的活儿,而是因为 Scale 的人才密度更高,Scale 的推特有一半都是在欣喜若狂地宣布从哪儿挖了大牛,或者是组织了什么集聚大牛的行业盛会。

    *(photo:MyZaker)

    图源:Twitter

    Scale 的 CTO 就是创始人从亚马逊挖过来的 AI 专家,而战略负责人则是前美国国家首席技术官。

    *(photo:MyZaker)

    财务 SaaS 公司

    也是 Scale 的客户,而在问及为什么 Brex 不直接自己雇佣一个 AI 团队时,其 CEO Dubugras 说:" 他们拥有许多 AI 市场上最优秀的人才,而我不能只是打个响指就雇好一个优秀的团队。AI 工程师们也希望可以在解决领域内最难的问题的公司工作,Scale 就是其中之一。"

    回望 Scale 短短的五年,它的故事像极了灰姑娘,看似毫不起眼,却一路逆袭,骨子里是对商业极度敏锐的纯正血液。

    我们期待着 AI/ML 领域下一个 AWS、Twillio、Stripe 或是 Snowflake 的诞生。

    参考资料:

    1.Scale AI hits $3.5B valuation as it turns the AI boom into a venture bonanza. ( Techcrunch )

    2.This Founder Dropped Out of MIT to Help Accelerate the Development of AI Technology. ( Inc )

    3.Data-labeling company Scale AI valued at $7.3 billion with new funding. ( Fortune )

    4.How The 22-Year-Old Founder Of Scale AI Built A Billion-Dollar Business. ( Forbes )

    5.Scale: Rational in the Fullness of Time. ( notboring )

    本文来自微信公众号:硅兔赛跑(ID:sv_race),作者:江江