從團隊到業務，Scale 擁有一切矽穀寵兒的標簽：AI、API、YC、野心勃勃、年輕、才華橫溢、大學輟學創業、行業洞察。
作者 | 江江
編輯 | 蔓蔓周
這幾年，矽穀有一家 SaaS
公司的表現非常亮眼，光看下圖的增長曲線，剔去我們熟悉的Slack、shopify、twillio，誰最橫？
圖片來源：CapIQ
無疑是那條陡峭的橙色曲線——Scale。從 0 到估值 73
億美元隻用了五年，ARR 從 0 到 1 億美元隻用了四年，Scale 幾乎是 SaaS
公司裏最快達到這些數字的。
髒活累活起家，Scale 是無名之輩嗎？
Scale 所在行業無疑是當下最 fancy
的行業之一，人工智能（AI）和機器學習（ML）。想到人工智能，我們腦子裏可能都是科幻電影中那些能夠與人爭天下的機器人，但事實上，這個景象還離我們很遙遠，離身處於這個行業的
Scale 更是遙遠。
Scale
最初做的是這個行業最不性感、最接地氣、最能被稱為髒活累活的事情，即數據標注。
所謂數據標注，就是企業客戶，比如自動駕駛汽車公司，給到 Scale 一些圖片、視頻等等，Scale
找一群人，給這些圖片和視頻打上標簽的過程。
這裏的打標簽，不是我們理解的命名那麽簡單。舉個例子，Toyata 和 Lyft 給 Scale
發送一張馬路上的圖片，如下圖，Scale 就得找人把這些汽車圈出來，並且標注為 ” 汽車 “。
圖源：Scale Pandaset
這個過程其實大家都很熟悉，我們經常在登陸驗證的時候被要求指出某些物體，比如下圖要求指出所有帶有船的圖片，即標注這些圖片：
你也許不會相信這世界上最性感而又高端的行業裏，有如此鼓噪的一環， 而這才是開頭那個具有靚麗增長曲線的 Scale
起家的業務。
Scale 由Alexandr Wang和聯創Lucy
Guo創立於 2016 年的 YC，當時這個公司還叫做 Scale API，隻是一家有 API
的土耳其機器人。
土耳其機器人指的是亞馬遜的一個眾包平台，研究人員在網站上發布瑣碎任務，比如給圖像加標簽、進行調查、抄錄收據等，用戶領取任務，在完成後能賺取少量現金。這聽起來是個人力驅動的公司，需要大量來自發展中國家的外包團隊，依靠經濟發展的不平等獲利。
但目的比手段重要。
塵埃裏的資本寵兒
Scale 的創始人Alexandr Wang出生於 1997 年，父母都是 Los
Alamos National Lab 的物理學家。他的名字從 Alexander 去掉了一個 e，因為父母想讓他的名字剛好有 8
個字母，8 在中國代表著好運。他本身非常優秀，大學被麻省理工錄取，大一滿績，之後輟學。輟學之後，他先去了 Addepar 和
Quora 工作，也在 Hudson River Trading 也工作過一小段時間。
2016 年，他和另一名來自卡內基梅隆大學的輟學生Lucy Guo和 Thiel
的一名同事一起組隊，進入了YC2016
春季營，其實當時的他也不清楚自己創業具體要做什麽，隻是對市場痛點有一定的洞察。
他曾描述道：” 盡管麻省理工有數百名才華橫溢、天資過人的學生，但是沒有人用 AI
成功地構建任何東西。我們都在研究人工智能，卻都遇到了一大瓶頸——沒有好的數據。盡管如此，市麵上也沒有可以解決這個問題的標準化工具，我們有
AWS、Strip 和 Twillio，卻沒有任何人係統性地解決數據問題，這導致 AI 和 ML
的發展止步不前。”
具體來說，他每天打開冰箱的時候，都會想在冰箱裏安裝一個攝像頭，攝像頭會告訴他什麽時候需要補充哪些雜貨，這聽起來並不難，但他根本做不到，因為沒有適用的數據工具。
因此，他們決定做 Scale。
Alexandr 確實精準地擊中了市場痛點，因此 Scale 發展地順風順水：
2016 年 6 月，Scale 正式成立，YC 投資了 12 萬美元換取公司 7%
的股份。
2017 年 7 月，Accel 領投 450 萬美元 A 輪。
2018 年，完成 1800 萬美元 B 輪，同年，Scale
進軍自動駕駛領域，並且拿下了許多行業內赫赫有名的客戶，比如 GM、Cruise、Lyft、Zoox 和
nuTonomy，標注的數據超過 20 萬英裏。
2019 年 8 月，完成 Founders Fund 的 Peter Thiel 領投的 1
億美元 C 輪，跟投包括 Accel、Coatue Management、Index Venture、Spark
Capital、Thrive Capital、Instagram 的創始人 Kevin Systrom 和 Quora 的 CEO
Adam d ’ Angelo。此時的 Scale 正式邁入獨角獸行列，估值十億美元。同年，Scale
宣布擴展行業領域，拿下了 OpenAI 和 Lyft 這種其他行業的頭部用戶。
2021 年 1 月，以 35 億美元估值完成老虎基金領投的 1.5 億美元 D
輪融資，同時宣布進軍標注之外的新業務，發布 Nucleus。
2021 年 4 月，以超過 70 億美元估值完成來自 Greenoaks
Capital，Dragoneer 和 Tiger Global 的 3.25 億美元 E 輪融資
至此，可以說，Scale 是個徹頭徹尾的資本寵兒。
從團隊到業務，它擁有一切矽穀寵兒的標簽：AI、API、YC、野心勃勃、年輕、才華橫溢、大學輟學創業、行業洞察。
Scale 一掃早期的包工頭形象，儼然已經是一家性感的 AI/ML 公司。而相比其他 AI/ML 公司，它又不受 ” 紅顏薄命
” 的詛咒，就連Peter Thiel都說：” 在激烈的競爭中，AI
公司們會出現又消失，但是 Scale 會一直存在。”
那麽這樣的轉變原因是什麽呢？
Peter Thiel 一語中的：” 因為 Scale 提供的是整個 AI/ML
行業的基礎設施，數據是這個行業最重要的東西。”
AI/ML 的基礎是數據，所謂的機器學習就是機器輸入並學習數據，從而輸出正確的編碼。沒有數據也就不會有 ML 或者
AI，並且，不好的數據比沒有數據更加糟糕。學習一堆垃圾隻會導致機器產出另一堆垃圾。
可以說，數據標注是個普適性的需求，隻要一個公司存在，它就有數據標注的需求。
這個領域的領頭人 Andrew Ng 曾發推說：“AI 係統 = 代碼 + 數據
“，大多數的學術型競爭對手都不會去碰數據，而是在代碼上埋頭苦幹，但試想一下，如果有一個 team
可以不動代碼，光在數據上下功夫。” 而這剛好就是 Scale 在做的事情。
既然數據如此重要，為何沒有更有實力的巨頭躬身下場，拿下這塊香餑餑？
前文也提到，數據標注是份髒活累活，受過良好教育的精英們寧可在代碼堆裏狂卷也不願意碰數據標注。巨頭不太可能在這個領域費心，他們的員工都太優秀了，不太可能把時間浪費在注釋上。這一點剛巧給到了早期的
Scale 足夠大的成長空間。
始於數據標注，不止於數據標注
當然，如果一直沉迷於數據標注，Scale 無疑隻是一家利用發展中國家便宜人力牟利的外包公司，何談科技？
其實不然，盡管 Scale
的商業模型最初看起來更像是服務業，通過人工支撐起業務，但是隨著它自身數據的積累和模型的成熟，有些標注工作正在被機器取代。
相比於最初的純人力驅動，現在 Scale
能讓算法和人工配合著去做數據標注。算法會先把視頻切成一幀一幀，並且粗略標注這些圖片，在這之後，人工會接過來做更精細的標注。由此，Scale
在服務價格降低的同時，利潤率也在升高。
同時，Scale
在戰略上頗有遠見，他們從很早就計劃著從數據標注起家慢慢開發出一整套產品，讓這些產品協同作用，以更快的速度創建更好的模型和更好的結果。
Alexandr Wang 認為，數據是 ML 和 AI 領域的基礎設施，因此數據標注隻是個開始。Scale
的存在就為了通過建造最以數據為中心的基礎設施平台來加速 AI
應用的開發，它的核心信念是，數據就是新一代的代碼。Scale 想做 AI 領域的 AWS，支付領域的
Stripe，數據分析領域的 Snowflake。
圖源：NotBoring.co
2020 年 1 月，在完成 D 輪融資之後，Scale
宣布除了標注之外的新業務Nucleus。Nucleus 是一個用於數據調試的 SaaS
工具，具體包括解讀數據、數據可視化、清洗數據和數據合作，從而幫助公司們建立更好的 ML 模型。
圖源：Scale
Nucleus 的推出使 Scale 開始得到一些長尾客戶，並且拓展到更多行業。同年 5 月，Scale
發布文檔產品Scale Document。
Scale 在完成了前五年數據標注積澱之後，一步一步把觸角伸向整個 AI 的生命周期，畢竟，數據標簽和數據生成隻占整個
AI/ML 基礎設施圖譜中的 1/20。按照 Scale 的劃分（如下圖），AI
的生命周期包括標注、管理、自動化、評估、搜集、產生數據，這其中的每一步，Scale 都要漂亮地拿下。
AI 的生命周期，圖源：Scale
在 E 輪融資過後，Scale 正式宣布其願景為” 讓每個行業都能實現 AI 的應用。Scale 為公司提供管理
AI 的整個生命周期的基礎，無論他們是否有自己的 AI 團隊，我們都會幫助他們建立 AI
策略，保證他們能夠擁有產出高效模型基礎設施。”
這是一副極其宏偉的藍圖，回憶一下互聯網如何從一個小圈子擴展到如今萬物互聯，我們就可以想象，Scale 的野心有多麽大。
AI/ML 基礎設施市場將在未來幾年內達到 3000 億美元。到 2024 年，預計 Scale
的數據標注的潛在市場份額能達到 200 億美元，光是 Document 和 Nucleus 的潛在市場份額就可以達到 100 億美元和
80 億美元。
除了戰略遠見之外，Scale 的內功也夠硬。
和 Stripe 一樣，Scale 很受程序們的喜愛，它把細節做得很好，“API
非常好，有開源數據集、文檔很幹淨。”
許多大客戶用 Scale 也不單單是因為不想幹數據標注的活兒，而是因為 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從哪兒挖了大牛，或者是組織了什麽集聚大牛的行業盛會。
圖源：Twitter
Scale 的 CTO 就是從 Amazon 挖過來的 AI 專家，而戰略負責人則是前美國國家首席技術官。
圖源：Twitter
財務 SaaS 公司Brex也是 Scale 的客戶，而在問及為什麽 Brex
不直接自己雇傭一個 AI 團隊時，其 CEO Dubugras 說：” 他們擁有許多 AI
市場上最優秀的人才，而我不能隻是打個響指就雇好一個優秀的團隊。AI 工程師們也希望可以在解決領域內最難的問題的公司工作，Scale
就是其中之一。”
回望 Scale
短短的五年，它的故事像極了灰姑娘，看似毫不起眼，卻一路逆襲，骨子裏是對商業極度敏銳的純正血液。
我們期待著 AI/ML 領域的 AWS，Twillio，Stripe，Snowflake 的誕生。
華客新聞 | 時事與歷史：97年的MIT輟學青年，五年成73億美元獨角獸