首页 > 科技快讯 > 97年的麻省理工辍学青年，五年成就73亿美元独角兽

97年的麻省理工辍学青年，五年成就73亿美元独角兽

晰数塔互联网快讯
2021-07-02 15:42

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：硅兔赛跑（ID：sv_race），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？

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”。

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：

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。

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。