MIT輟學青年五年成73億美元獨角獸

2021-07-03 | 來源: 硅兔賽跑 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

　　從團隊到業務，Scale 擁有一切硅谷寵兒的標簽：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，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？

　　

　　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 公司裡最快達到這些數字的。

　　臓活累活起家，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，我們腦子裡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、最能被稱為臓活累活的事情，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。

　　這裡的打標簽，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裡，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，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。

　　塵埃裡的資本寵兒

　　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麼，只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，市面上也沒有可以解決這個問題的標准化工具，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，都會想在冰箱裡安裝一個攝像頭，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 確實精准地擊中了市場痛點，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 萬英裡。

　　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，它擁有一切硅谷寵兒的標簽：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。"

哈佛大學擬售價值10億美元私募股權資產

川普吹牛"每天坐收20億美元關"!美海關打臉曝真實數字

谷歌前CEO:中國萬億美元投入科技我們卻在胡搞

　　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，數據標注是個普適性的需求，只要一個公司存在，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 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，數據標注是份臓活累活，受過良好教育的精英們寧可在代碼堆裡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，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。

　　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只占整個 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，或者是組織了什麼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，而在問及為什麼 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，而我不能只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，骨子裡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。