AI的風向變了。
文｜譚保羅
編輯｜江江
來源｜鹽財經（ID：nfc-yancaijing）
封面來源｜Pixabay
整個6月，全球科技界最受關注的事件，非Meta宣佈收購Scale AI 49%的股權莫屬。
如果不是擔心美國越來越嚴格的反壟斷法，這個股權佔比或許更高。雖然沒有絕對控股，但Meta志在掌控，所以施以“雙重保險”——股權和人，都收入囊中。
Scale AI的華裔創始人兼CEO Alexandr Wang將進入Meta工作，領導Meta的AI業務。
Scale AI創始人亞歷山大·王/圖源：視覺中國
收購價格為143億美元（Scale AI估值為290億美元），約合人民幣1030億，看似屬於鉅額範疇，實則不然。在財大氣粗的科技界，這根本不算多。
比如，2023 年，微軟和動視暴雪收購案，交易金額達690 億美元。在Meta過去的收購案中，Scale AI也只能排到第二。2014年，Meta於以190億美元收購WhatsApp。考慮到兩樁案子之間長達11年的通脹因素，當年收購WhatsApp的交易規模，要大得多。
這樁案子最被關注的點，顯然不在於交易規模，也不在於28歲華裔創始人的白手起家傳奇故事，而是它意味著全球科技界AI突破方向，正在發生一次大轉變。
以前，超級巨星是Open AI和英偉達，在各自賽道，它們如入無人之境；而在這次轉變之後，所有人都註定不會輕鬆。
資料很重要，但最窮
關於Scale AI的報道汗牛充棟，外界都知道這家公司的主營業務是“資料標註”。
到底什麼是資料標註？以自動駕駛業務為例，用一個簡單場景來說明：自動駕駛AI模型需要用資料來訓練，但廠商採集車採集的資料主要是道路影像，而現有技術條件下，AI無法直接讀取影像，因此就需要對影像進行標註。
資料標註，是指為影像、文字、影片或音訊等原始資料新增結構化資訊，以便機器學習模型能夠理解和學習這些資料的過程/圖源：Shaip
原始影像經處理，變成三維的點雲資料，標註就可以開始了。關鍵一步是標註語義資訊，要讓AI能識別這些資訊，才能讀懂影像。標註會很細，比如有車道線標註、斑馬線標註、紅綠燈標註等。要知道，在很多技術條件平平的資料標註機構，標註是一幀一幀地完成的，背後是海量的人工。
“有多少智慧，就有多少人工”，這句AI行業著名的話，指的就是人工資料標註。於是，資料標註領域產生了蔚為壯觀的外包現象，無論中外。
總部位於北上廣深，服務於本土AI獨角獸的中國資料公司們，將工作層層轉包，最後交給了中西部三四線城市和縣城的勞動者手中。無論是暫時沒有好工作的黃毛青年，還是尋求副業的溫吞中年人，只要眼神好，精力旺，坐得住，懂得用鍵盤和滑鼠拉框輸入就行。生產工具是一臺電腦。
作為“國際大廠”的Scale AI，在外包環節自然會更加國際化。
說到資訊產業外包，人們會想到印度。但隨著印度經濟的發展，尤其是外資湧入推高資產價格之後，印度人錢包鼓了，接受外包的價格也越來越高了。而且，拉框標註這種活兒，技術含量比寫程式碼還低，時薪也更低，畢業於各種理工學院的印度年輕人現在還真不一定看得上。
因此，Scale AI的外包勞動力網路被拓展到了菲律賓、委內瑞拉，還有非洲的肯亞。
菲律賓政府估計全國共有200萬人從事資料標註行業，這些工人已成為菲律賓網咖的常客
肯亞在哪裡？這是一個東非國家，5244萬人，有75%的人口在35歲以下。重要的是，作為英國在非洲的殖民地，英語是官方語言之一，受過基礎教育的年輕人，英語都還馬馬虎虎。實際上，早在承接Scale AI的勞務外包之前，肯亞就已經在學術界如雷貫耳。它是全球聞名的“論文工廠”，這裡的年輕人經常利用網路，遠端幫助全球的莘莘學子搞論文。
由於標註工人的薪水太低和工時過長，勞工組織和一些政府部門準備找Scale AI的麻煩，但事情後來不了了之。
Scale AI的眾包平臺Romotasks上有超過24萬名註冊工人，Romotasks的宣傳語為“在家線上掙美元”，這吸引了不少第三世界國家的工人/圖源：DuckDuckGo
從非洲城鄉結合部的標註員，到矽谷的千億美元富豪；從讓95%的崗位消失，到給你一個人形機器人的女朋友，AI浪潮影響著所有階層的地球人，席捲著經濟社會的方方面面。它好像是一個包羅永珍，充滿混沌的“筐”。
實際上，AI作為一個產業，三條支柱基本上可以把所有我們聽說過的企業和產品都清晰地分類，並納入其中。
一是演算法，指向了應用端的公司和他們的產品，Open AI、DeepMind、deep seek之類；
二是算力，指向了硬體供應商，一家獨大的英偉達，以及正在崛起的博通等；
三是資料，Scale AI是資料服務商中最著名的一家，它的對手還有Turing、Labelbox 和Handshake 等。
賽道不同，人生的富貴程度便天差地別。在演算法領域，3月底，OpenAI宣佈新一輪融資時，估值已達到3000億美元，是Scale AI的10倍。未來，隨著頭部效應繼續放大，估值是否上不封頂，沒人知道。在算力環節，英偉達市值已經3.5萬億美元，是Scale AI的100百倍以上。即使是博通，市值也接近了1.2萬億美元，是Scale AI的40多倍。
當然，這些公司的體量本不是一個數量級，無論根據哪種估值方法，存在巨大市值差異實屬正常。但差異大到如此程度，也說明AI的資料環節相對於演算法和算力，可能存在一些天然缺陷。
Scale AI的股東們，在公司如日中天的時候，願意一下子賣掉49%的股權，不是沒有原因。
不是煉油廠，是發動機
AI概念浪潮中，三家公司陸續火了。演算法環節的OpenAI最先火了一把，然後是算力之王的英偉達，最後才是這家搞資料、體量小得多的Scale AI。
資料公司遠比前面兩類缺乏想象力。
AI概念浪潮中，三家公司陸續火了，而資料公司遠比前面兩類缺乏想象力
一是，它無法像網際網路公司（演算法公司更類似於網際網路）那樣，實現邊際成本幾乎為零的擴張，無法贏者通吃。目前，在演算法環節的獨角獸中，OpenAI出現斷崖式領先。第二名Anthropic擁有615億美元的估值，但只有OpenAI 3000億估值的五分之一。第一名和第二名的差距如此之大，說明了這個領域的終極競賽，最終可能有點像搜尋引擎。
二是，它不像硬體廠商那樣有技術壁壘。可以這樣說，只要不發生算力硬體革命，英偉達的技術壁壘還能持續很久。但Scale AI和競爭對手之間，很難說有什麼本質差異。無論是分佈在全球的24萬人工標註員，還是中臺的軟體平臺，可能也談不上什麼不可替代的核心競爭力。因此，資料標註市場必然是一個分割的市場，對手提供差不多的服務，大家都有飯吃，但大家都不輕鬆。因此，在合適的時機賣出好價格，是一種優選。
但Scale AI收購案的歷史性意義卻不容被低估。它不只是科技大廠之間的競爭，比如什麼Meta落後，奮起直追之類，而是宣告AI浪潮的突破方向出現了逆轉——正在從縱向分工細化，走向一體化融合的時代，算力、演算法和資料將更加密切地連為一體。
資料是AI時代的石油，資料服務商是“煉油廠”，經過“煉油廠”精煉的資料，才能被AI這臺發動機使用。但實際上，隨著AI應用不斷走向專業化，資料服務商很可能成為發動機的一部分。
這就好比：汽油不是直接流進發動機燃燒的，而是要先和空氣混合，形成燃氣混合物，噴射到燃燒室，發動機才進行燃燒，實現高效的能量轉化。處理和標註後的資料，AI才可以直接讀取，正類似於燃氣混合物之於汽車發動機。在這個意義上講，資料處理環節不再是外部“煉油廠”，而本就是發動機的一部分。
Meta宣佈收購Scale之後，谷歌、微軟和xAI等曾經的客戶，已經不再把Scale AI看作中立、獨立的“煉油廠”，有的將和Scale AI終止合作，有的表示將削減訂單。原因不言自明：即便有資料脫敏和客戶隱私防火牆，即便Meta所收購股份為非投票股份，但誰能100%保證商業機密的萬無一失？
Scale AI正在成為Meta 這臺發動機的一部分。其他AI巨頭是否會繼續信任其他資料商，並保證它們不在未來某一天同樣被競爭對手收購，也被打上了問號。可以預見，巨頭們將可能強化對資料供應的獨佔性，推動資料環節重構，將資料和演算法進行更深度的融合。
當資料、演算法和算力三大支柱融合度不斷躍升，很多成見就會被解構。Deep seek透過對演算法架構的創新，提升了給定算力的效率，用2000塊晶片就完成了被認為必須是萬卡叢集才能幹成的運算。於是，“算力即權力”開始被部分地懷疑。那時候，英偉達市值跌幅17%，蒸發近6000億美元。
DeepSeek新版 V3 模型的百科知識（MMLU-Pro, GPQA）、數學（MATH-500, AIME 2024）和程式碼任務（LiveCodeBench）表現均有提升
商業世界有兩種邏輯。
資本的邏輯是分拆，把一家公司或一個產業，拆成越來越多的板塊或環節，在每個板塊和環節都打造獨角獸，讓每個地方都有一個英偉達或Open AI，分別賣出去，才能實現最可觀的資本利得。
產業的邏輯是整合，提升產業鏈的縱向協同，你中有我，我中有你，更能節省資源，提升效率，就像Deep seek用演算法節省算力，Meta希望用資料獨角獸的技能，重構自己的廣告分發演算法叢集一樣。
Meta被稱為是科技界的“收購大王”。2022年底，Meta股價跌到谷底，一度只有90多美元，現在已突破690美元。在美股七姐妹中，Meta超過7倍的漲幅，僅次於英偉達。市場一直都很相信扎克伯格的洞察力，現在他才41歲。
Meta創始人馬克·扎克伯格/圖源：視覺中國
Alexandr Wang也才28歲。兩人都是熱衷打造個人品牌，愛出風頭的性格，一個公司同時有兩顆星星在發光，並不是容易的事情。
他們能在一起共事多久，已不是重點。重點是，AI的風向變了。