哪些AI初创公司和OpenAI肩并肩，年收入位列第一梯队？
GitHub前CEO Nat Friedman发现一个出人意料的答案：ScaleAI。
专注于训练数据以及提供各类工具、平台和相关服务，该公司2023年的年化收入较前一年翻3倍，来到7.5亿美元。
ScaleAI不仅收入位列第一梯队，估值也十分惊人——公司创立第5年，估值就已经达到73亿美元。
而且最关键的一点是，在最热门、最性感的AI行业，Scale能够白手起家，做的事是最接地气、最可能被称为dirty work的活。
数据标注。
“当淘金热兴起，每个人都试图挖金子的时候，不如另辟蹊径去卖铁锹。”ScaleAI就是在这场浪潮里卖铁锹，赚得盆满钵满的那一位。
有网友在评论区透露，AI行业热火朝天干了一年，ScaleAI的员工数量增加了20%，正是初创公司营收起飞的指标。
这实在和科技巨头们都参与的“用AI降本增效裁员”背道而驰。
不停扩招新员工，也难怪有人对其位列收入最高的AI初创公司嗤之以鼻：
算啥AI初创公司啊，它就是个提供劳动力公司罢了！
ScaleAI疾速发展的背后，是一位1997年出生的华裔创始人，Alexandr Wang。
Alexandr Wang出生于美国新墨西哥州，父母都是物理学家。
他的名字“Alexandr”比通用写法少了一个“e”，这是他的父母故意为之，想让他的名字刚好有8个字母，因为在中国传统中数字“8”承载着许多美好寓意。
Alexandr从小就对数学很感兴趣，后来参加了USACO（美国计算机奥林匹克竞赛）等编码比赛。
高中时，因为他在编程比赛中有出色表现，不少科技公司陆续给Alexandr抛来了橄榄枝。
他先是去了硅谷最热门的财富投资大数据管理平台Addepar，然后又加入国外知名问答社区Quora担任技术主管。
高中毕业后，Alexandr被麻省理工录取，以满绩的出色表现完成了第一年的学业。
暑期来临，他收到了一些暑期实习邀请。但在深思熟虑后，Alexandr做出了一个违背祖训（不是）的决定：
从麻省理工退学，并接受了时任YC总裁、现任OpenAI首席执行官奥特曼的初创投资，和22岁的Lucy Guo共同创办了ScaleAI（Guo现在已经离开公司了）。
现在，Alexandr持有ScaleAI约15%的股份，按照73亿美元的估值计算，他现在的身价超过10亿美元。
2023年9月，Alexandr入选《时代》周刊全球百大AI人物。
同时入选的还有黄仁勋、马斯克、奥特曼、杨立昆、杰弗里·辛顿等人。
接下来，OpenAI宫斗大戏，再次把Alexandr捧到所有关注AI行业的人们眼前。
一方面是奥特曼王者归来之前，OpenAI曾邀请Alexandr出任新的CEO（虽然最后惨遭拒绝）。
另一方面，据The information消息，奥特曼重掌OpenAI后，开始重组董事会。
新初始董事会名单公布，分别是主席Bret Taylor，以及Larry Summers和Adam D’Angelo。
与此同时，有两位人选被列入填补名单。
一位是本文开头提到过的GitHub前CEO，另一位就是Alexandr本人。
究其原因，毫无疑问与Alexandr在ScaleAI身上表现出的惊艳能力息息相关。
ScaleAI成立于2016年，总部位于美国，最初是一家专注于AI训练数据标注的公司。
该公司认为，数据是一种新的代码，“要想让AI表现得像人一样，背后需要数十乃至上百亿的判断例子”，有能力负担AI训练的公司和没法做这类训练的公司之间，差别巨大。
尤其是在硅谷，那些影响力超群的公司，只要核心业务依赖于ML，就一定需要高质量的训练数据。
于是ScaleAI定下了自己的商业模式：
通过标注大量数据（包括文本、图像和视频）来训练AI系统，以提高数据标注的效率和降低成本。
成立以来，meta、OpenAI、微软等科技巨头，以及Alphabet的自动驾驶汽车公司Waymo、通用汽车的Cruise、丰田汽车Toyota、Uber等，都成为了ScaleAI的客户。
一起来看看ScaleAI的公司成长历程：
2016年，ScaleAI成立。
创建时，美国创业孵化器Y Combinator注资12万美元，拿到了ScaleAI 7%的公司股份。
2017年，获得450万美元的A轮融资。
2018年，完成1800万美元B轮融资。也是在这一年，ScaleAI进军自动驾驶领域，拿下Cruise、Lyft等在内的客户。
2019年，Founders Fund的Peter Thiel领投该公司1亿美元C轮融资，ScaleAI估值超10亿美元，正式成为独角兽。
并且，OpenAI也在这一年开始成为ScaleAI的客户。
2021年1月，ScaleAI完成1.5亿美元D轮融资，老虎基金领投，估值为35亿美元；同时公司宣布进军标注之外的新业务。
2021年4月，公司又宣布了73亿美元估值的3.25亿美元E轮融资。
——也就是说，从0到超70亿美元估值，ScaleAI只用了5年时间。
在E轮融资过后，Scale宣布其新的愿景：
让每个行业都能实现AI的应用。
Scale为公司提供管理AI整个生命周期的基础，无论他们是否有自己的AI团队，我们都会帮助他们建立AI策略，保证他们能够拥有产出高效模型基础设施。
E轮融资时，ScaleAI的年收入预计为1亿美元；现在，其商业业务已经把公司年化收入推至7.5亿美元了。
更有趣的事是，当“ScaleAI是收入最高的AI创业公司之一”被摆上台面后，一线冲浪的Alexandr火速转发了原推特，表示Scale正在加速前进，火力超猛的！
并且还附带了一个小小的招聘广告，表示自家正在招人。
看来Alexandr在广而告之方面，也有敏锐的嗅觉和行动力哈（doge）～
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- prompt 攻击和防范
- …
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 Javascript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】
123?spm=1001.2014.3001.5501)这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】