Scale AI 获 10 亿美元 F 轮融资，巩固其人工智能数据供应链

Scale AI 已完成 10 亿美元 F 轮融资，随着全球对高保真训练数据的需求达到顶峰，其估值飙升至 138 亿美元。本轮融资由 Accel 领投，包括 Nvidia、Amazon 和 Meta 在内的行业内最具进取心的人工智能投资者也进行了大量投资。此次注资正值一个关键时刻，即“数据墙”——高质量、人类生成文本和媒体的迫在眉睫的短缺——威胁着阻碍推动生成式人工智能繁荣的规模化定律。

数据标注的工业化

Scale AI 最新的资本结构专门用于扩展其 Data Engine，这是用于精炼前沿模型所需原始数据集的专有基础设施。与早期简单的图像标注不同，当前市场需要复杂的人类反馈强化学习 (RLHF)。Scale AI 已将自己定位为必不可少的中间商，将原始数字“废料”转化为驱动 GPT-4 和 Claude 3 等模型的结构化、高推理能力的 token。主要模型构建者作为投资者的参与表明，他们正在采取战略举措，以确保自身数据供应链免受竞争对手的影响。

战略许可和实时数据转型

Scale AI 的此轮融资是数据来源和价值评估方式更广泛结构性转变的一部分。随着行业逐渐摆脱未经授权的网络抓取，直接许可协议正成为标准。本周，OpenAI 与 Reddit 的里程碑式合作标志着这一转变，该合作授予这家人工智能巨头访问 Reddit 数据 API 的权限。通过整合实时人类对话，OpenAI 旨在提高 ChatGPT 的相关性，同时为 Reddit 用户和版主提供人工智能驱动的功能。此协议与谷歌今年早些时候与 Reddit 达成的 6000 万美元年度协议相呼应，为海量社交数据确立了明确的市场价格。

知识产权保护和监管反弹

虽然一些平台正在转向货币化，但另一些平台则在构建防御壁垒。索尼音乐集团最近向 700 多家科技公司发出正式警告，明确表示反对任何未经授权使用其内容进行人工智能训练的行为。这项大规模的知识产权保护工作凸显了数据饥渴的人工智能开发者与优质创意资产所有者之间日益增长的摩擦。与此同时，监管机构正在收紧数据收集实践。英国信息专员办公室 (ICO) 最近更新了其关于网络抓取的数据，明确表示从公共网络抓取用于人工智能训练的个人数据仍受严格的数据保护法的约束。

基础设施和专业数据市场

流入数据领域的资本仅次于处理这些数据所需的硬件投资。CoreWeave 最近获得了由 Blackstone 和 Magnetar 牵头的 75 亿美元债务融资，以扩展其人工智能专用数据中心。在软件方面，专业的数据中心初创公司也获得了显著的关注。语言翻译专家 DeepL 获得了 3 亿美元融资，估值达到 20 亿美元，证明了用于翻译和企业通信的细分、高精度数据集仍然非常有价值。此外，Lamini 获得了 2500 万美元融资，以帮助企业在其专有的内部数据上微调模型，从而规避公共数据稀缺的风险。

这对数据所有者意味着什么

对于数据所有者而言，Scale AI 的估值以及 Reddit/OpenAI 的交易证实，专有数据不再是副产品——它已成为一种主要资产类别。随着“数据墙”的临近，干净、经过人类验证且符合法律规定的数据集的溢价只会增加。拥有大量专业知识档案的组织，无论是在社交媒体、医疗保健还是创意艺术领域，现在都拥有了重要的议价能力，可以协商长期许可收入流，而不是允许其资产被通用网络爬虫商品化。