Scale AI估值达32亿美元:19岁华裔创办,拿下美国国防部近亿美元订单

智东西(公众号:zhidxcom
| 林卓玮

智东西11月10日消息,据外媒The Information报道,美国AI初创企业Scale AI收到老虎环球基金投资意向,并获32亿美元估值,该数值是前年810亿美元估值的三倍。

Scale AI由时年19岁的Alexandr Wang在2016年创立,先后服务于Waymo、Toyota、Lyft等公司,为客户公司提供用于机器学习的数据标记服务。

今年9月,这家年轻的独角兽企业首次和军方达成合作,一举拿下美国国防部的9100万美元大单,协助美国军方试验、开发、更新用于机器学习和AI的标注数据集。

老虎环球基金是全球上市和私营科技公司的最大投资者之一,所投资的公司包括字节跳动和滴滴出行等。但尚未有消息表明Scale AI已经接受了这笔投资。截至目前,双方尚未置评。

一、Alexandr Wang:年仅23岁的独角兽掌门人

四年前,年仅19岁的Alexandr Wang从麻省理工大学辍学,同年在完成了硅谷创业扶持公司Y Combinator的孵化项目后,和22岁的Lucy Guo一同创办了Scale AI

Alexandr Wang出生在美国新墨西哥州,父母均是物理学家。早在高中的时候,Wang因在编程比赛上的出色表现,陆续接到科技公司的工作邀约,并在硅谷开启了自己的职业生涯。

去年在接受Bloomberg Technology的采访时,Alexandr Wang表示,我在硅谷工作的这段时间里,看到人工智能领域目前存在的形形色色的问题,因而了解到机器学习的重要性。

Scale AI估值达32亿美元:19岁华裔创办,拿下美国国防部近亿美元订单
▲现年23岁的Scale创始人美籍华裔Alexandr Wang

二、用AI算法提升数据标注效率

当前多数机器学习采用监督学习算法,即训练样本需带有属性标签,数据集越丰富、标签质量越高,算法的准确度往往越好。Scale AI主要从事的业务即是提高数据标注的效率。

Scale AI目前服务于LyftToyotaDoorDash等知名企业,其提供的数据标记服务能够帮助客户训练自动驾驶汽车、无人机、机器人,以更好地识别物体并进行自主操作

该公司研发的软件能够通过算法自动、快速甄别物体,通过初筛的图片还要经过外包团队的二次筛查和标注,这种人机配合的方式大大提高了标记效率。

三、科技投资热:Scale AI异军突起

今年,大批风投资金积极涌入科创企业,大大缩短了融资所需时间,部分企业获得的投资往往是利润的数百倍,甚至不等创业者开始融资,各大资本集团已经主动献上了橄榄枝。

近期,云计算公司Snowflake、大数据分析公司Palantir等纷纷进行首次公开募股并取得巨大成功。受此鼓舞,各大风投公司的投资热情也愈发高昂。

去年8月时,Scale AI获得美国顶级风投机构创始人基金(Founders Fund)的1亿美元投资,凭借10亿美元的估值一跃成为硅谷最年轻的独角兽企业之一。Scale AI还陆续收到了Index VenturesAccelCoatue Management的投资。

四、Scale市值赶超劲敌Appen

基于对AI算法的不断研究,Scale AI近几年发展迅猛,成为硅谷发展最快的新秀之一。

今年8月,Scale AI更是签下了拥有14年亚马逊工作经历的资深工程师Brad Porter,担任首席技术官。

依据这家公司截至到今年8月的数据来看,Scale AI本年年营收有望达到8000万美元,相比2018年的400万美元年营收有大幅增长。据截至今年8月的营收数据,Scale的2020年营收预计将达到8000万美元,相比2018年的400万美元增长整整19倍。实际上,Scale在2019年中期的营收就已增长至4000万美元。

Scale AI强劲的增长表现以及近期签下的国防部大单,吸引了各大投资者的目光。

如若接受了老虎环球基金开出的32亿美元估值,Scale AI的市值将超过目前市值31亿美元的澳洲劲敌Appen

Wang表示,公司的长远目标是帮助机器学习研究人员训练计算机视觉算法,以应用到更广泛的领域,不再仅限于目前的零售业、送餐服务、汽车业等。

此外,Scale AI推出的新产品Nucleus能帮助客户直接改善机器学习系统。Nucleus能帮助客户迅速筛选有效数据,从而改善系统,并评估系统准确性。

结语:数据标注的自动化趋势

Scale AI使用的AI算法大大提高了数据标注的效率,这种算法为主、人工为辅的标注模式指明了未来机器学习训练数据整理的趋势。

随着相关技术愈发成熟,数据标注服务覆盖面越广,自动化程度也会随之提高。

部分公司在掌握了相关技术后,可能会自行开展数据标注工作,直接用于人工智能的训练。

正如人工智能时代的其他工作一样,数据标注的工作也会越来越多依赖机器的帮助,人类则可能更多地扮演导师的角色。

文章来源:The Information