97年的麻省理工輟學青年，五年成就73億美元獨角獸

從團隊到業務，Scale擁有一切硅谷寵兒的標籤：AI、API、YC、野心勃勃、年輕、才華橫溢、大學輟學創業、行業洞察。

這幾年，硅谷有一家 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？

無疑是那條陡峭的橙色曲線——Scale。從0到估值73億美元只用了五年，ARR從0到1億美元只用了四年，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，即數據標註。

所謂數據標註，就是企業客户，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籤的過程。

這裏的打標籤，不是我們理解的命名那麼簡單。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，並且標註為「汽車」。

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，即標註這些圖片：

你也許不會相信這世界上最性感而又高端的行業裏，有如此鼓譟的一環， 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，只是一家有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，比如給圖像加標籤、進行調查、抄錄收據等，用户領取任務，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在中國代表着好運。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麼，只是對市場痛點有一定的洞察。

他曾描述道：「儘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。儘管如此，市面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，卻沒有任何人系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，攝像頭會告訴他什麼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户，比如GM、Cruise、Lyft、Zoox和nuTonomy，標註的數據超過20萬英里。

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宣佈擴展行業領域，拿下了OpenAI和Lyft這種其他行業的頭部用户。

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，同時宣佈進軍標註之外的新業務，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，它擁有一切硅谷寵兒的標籤：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。」

那麼這樣的轉變原因是什麼呢？

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。學習一堆垃圾只會導致機器產出另一堆垃圾。

可以說，數據標註是個普適性的需求，只要一個公司存在，它就有數據標註的需求。

這個領域的領頭人Andrew Ng曾發推說：「AI系統=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，數據標註是份髒活累活，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註。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註釋上。這一點剛巧給到了早期的Scale足夠大的成長空間。

始於數據標註，不止於數據標註

當然，如果一直沉迷於數據標註，Scale無疑只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，儘管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，但是隨着它自身數據的積累和模型的成熟，有些標註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着去做數據標註。算法會先把視頻切成一幀一幀，並且粗略標註這些圖片，在這之後，人工會接過來做更精細的標註。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，他們從很早就計劃着從數據標註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，因此數據標註只是個開始。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。

2020年1月，在完成D輪融資之後，Scale宣佈除了標註之外的新業務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。

Nucleus的推出使Scale開始得到一些長尾客户，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註積澱之後，一步一步把觸角伸向整個AI的生命周期，畢竟，數據標籤和數據生成只佔整個AI/ML基礎設施圖譜中的1/20。按照Scale的劃分（如下圖），AI的生命周期包括標註、管理、自動化、評估、蒐集、產生數據，這其中的每一步，Scale都要漂亮地拿下。

在E輪融資過後，Scale正式宣佈其願景為「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，回憶一下網路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的野心有多麼大。

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的數據標註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、文檔很乾淨。」

許多大客户用Scale也不單單是因為不想幹數據標註的活兒，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佈從哪兒挖了大牛，或者是組織了什麼集聚大牛的行業盛會。

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。

財務SaaS公司Brex也是Scale的客户，而在問及為什麼Brex不直接自己僱傭一個AI團隊時，其CEO Dubugras說：「他們擁有許多AI市場上最優秀的人才，而我不能只是打個響指就僱好一個優秀的團隊。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鋭的純正血液。

我們期待着AI/ML領域的AWS，Twillio，Stripe，Snowflake的誕生。