文 | 新质动能，作者 | 沐风，编辑 | 小峰
近日，扎克伯格砸出 143 亿美元（折合人民币约 1066 亿元），拿下了 Scale AI 49% 股权，豪赌其背后的华人天才 Alexandr Wang。
这个华人有多牛呢？18 岁从 MIT 辍学创业，22 岁就登上《福布斯》封面，24 岁成为世界最年轻的白手起家亿万富翁，25 岁接下五角大楼的 AI 合同，现在 28 岁，他加入 Meta，领导超级智能团队。
别人在卷大模型、算力和芯片，他就老老实实干了一件事：喂数据。更准确地说，是帮这些 AI 公司把海量原始数据清洗、标注、组织成能用的格式，然后送进训练系统。
干的听起来不光鲜，像个"数据外包厂"。但就是这活儿，被他做到极致，客户里有 OpenAI、Meta、微软、特斯拉，甚至还有美国军方。
而这一次，扎克伯格的天价收购背后也很复杂：
一边是自己 AI 进展不力，一边是 OpenAI 和谷歌越跑越快，Meta 急了。与其自己一边烧钱一边出问题，不如干脆把给大模型"供粮"的公司拉进来。
问题是，Wang 真能扛得起 Meta 的重任吗？
143 亿美元押注" AI 搬砖人"？
最近，一条消息在硅谷刷屏：Meta 斥资 143 亿美元，与数据标注巨头 Scale AI 达成重磅合作。
这不是小打小闹的项目外包，而是 Meta 把自家 AI 大模型的训练、优化、数据管理，全面托管给了 Scale AI。这笔交易金额刷新了近几年 AI 基础服务领域的记录。
很多人好奇：一个做标注外包的，凭什么值这么多钱？
再看得细点你就懂了——这是 Meta 的"救命钱"。
2024 年，Meta 在 AI 赛道的表现可以说是一喜一忧：
喜的是，Llama 3 开源后，一度带动开源圈爆发；
忧的是，Llama 4 迟迟无法上线，内部训练团队进度落后，人才出走严重，顶级科学家 LeCun 孤掌难鸣，AI 团队内部气氛极度拉扯。
与此同时，OpenAI 发布 GPT-4o，Google Gemini 全面进化，连 Anthropic 都在加速商业化。Meta 在 AI 主赛道上的"掉队感"肉眼可见。
扎克伯格这才意识到：与其自己拼命卷算法、造模型、炼数据，不如直接买那家所有 AI 公司都在用的服务提供商。
而 Scale AI，就是这家数据商的幕后王者。
这家公司主要帮 AI 模型准备训练用的数据。听上去像是数据清洗 + 标注的外包服务，没技术含量。但就是这行低调、枯燥的活儿，成了 AI 时代的必争资源。
GPT、Gemini、LLaMA 这类大模型，背后都要喂入上千亿 Token 的高质量训练数据。Scale AI 就像一台"工业化数据提纯机"，把原始网页、文档、音视频切片处理、过滤噪声、手动标注，再分类输出到模型系统中。
这个过程，如果出错 1%，模型质量就可能掉一大截。
而 Scale AI 的标注系统，可以做到：
精度达 99.7%，行业平均只有 85% 左右；
每日处理数据上亿条，涵盖 217 种语言、图像、动作、语音场景；
后台由数万个外包"标注员"组成，分布在菲律宾、菲律宾、印度、肯尼亚、委内瑞拉……
Meta 过去两年自己尝试建立类似体系，发现成本高、出片慢、人力不稳定，干脆停掉自研训练数据团队，绑定 Scale AI。
那么，这家被扎克伯格"豪赌"的公司到底是什么来头？它的创始人，又凭什么成了硅谷最值钱的年轻人呢？
答案是：Alexandr Wang，年仅 28 岁、从 MIT 辍学的华裔天才，被誉为"硅谷最强数据商人"。
他用不到十年时间，把数据标注做成了一条全球 AI 公司都离不开的产业链，连五角大楼都成了他的客户，连 OpenAI 都在用他家的训练集。
而扎克伯格这次，直接把 Meta 的 AI 命脉交到他手上。问题是，Wang 扛得住吗？他这套打法，又是怎么做出来的？
一路开挂的华裔天才少年
Alexandr Wang 创业的起点，更像是" AI 行业的数据搬砖人"。
他出生在美国新墨西哥州的一个物理研究小镇，父母都是在国家实验室担任核物理学家。中学时他就爱上编程，没毕业就自学了斯坦福大学的计算课程。
17 岁进 MIT，第一学期上的是研究生级别的机器学习课，还没上完就辍学了——不是因为挂科，而是因为他有个想法太想干。
起因也很简单：他想在自家冰箱上装摄像头，实时监控"牛奶有没有快喝完"。结果发现，根本无法获得足够的数据来训练系统。
于是他想明白了：未来 20 年的 AI 要想取得突破，数据将是关键障碍之一。
2016 年，他离开 MIT，进入硅谷最火的创业孵化器 Y Combinator，一边招人，一边搭平台，成立了 Scale AI，使命很直接：为 AI 模型做标注和数据清洗的基础服务。
说白了，就是搞" AI 数据外包"。
早期团队不到 10 人，Wang 自己白天谈客户，晚上搭系统，还要参与人工质检。
听着简单，干起来极其繁琐。但 Wang 对质量要求极高：一旦错误率超过 1%，立即返工；只要客户体验不好，全部手动跟进。
靠这种"死磕式质量管理"，Scale AI 慢慢拿下了越来越多客户：
2018 年，成为 OpenAI 的早期训练数据供应商；
2019 年，特斯拉把 FSD（自动驾驶）辅助数据标注外包给 Scale；
2020 年起，美国国防部向其采购了用于军事图像识别和卫星标注的服务；
截至 2024 年，客户覆盖 OpenAI、Meta、微软、丰田、通用等数十家 AI 巨头和自动驾驶企业。
最狠的是，它不只是卖"数据"，而是把整个"数据链"变成了产品。
Wang 开发了一整套数据操作系统——包括数据采集、清洗、去重、标注、分类、上传、动态更新……而且全部自动化协同，最大程度减少人工干预。
这使得 Scale 成为了全球唯一一个能大规模、工业化提供高质量 AI 训练数据的平台型公司。
它不是"谁都能复制"的服务外包，而是"技术 + 系统 + 规模"构成的壁垒。
2021 年，Scale AI 完成最新一轮融资，估值飙升至 70 亿美元。Wang 年仅 25 岁，就登上了《福布斯》"全球 30 位 30 岁以下科技人物"。
扎克伯格没时间等了
如今，外界看这场 Meta 与 Scale AI 的绑定，很多人以为就是一次"高价外包"，但其实，它比你想得更急。
过去几年，Meta 在 AI 上的布局并不慢：
招来了图灵奖得主 LeCun，主导 AI 实验室 FAIR；
连续推出 LLaMA 1、2、3，打入开源大模型圈子；
自研硬件（如 MTIA AI 芯片）、新算力基础设施也同步推进。
但问题是——没一个成了主力。
LLaMA 虽然在圈内火，但在实际商用上远不如 OpenAI 的 ChatGPT、Anthropic 的 Claude；
FAIR 团队内部学术氛围浓重，论文多、产品少，执行力拉垮；
Meta 虽然有 Facebook 和 Instagram 的大量数据，但质量不稳定、版权风险高，不能直接用于训练。
到 2024 年初，扎克伯格发现：再这么搞下去，LLaMA 4 根本来不及上线，Meta 可能彻底错失 AI 窗口。
这时候他终于做了一个决定：别再自研数据了，直接绑定最顶的那家数据厂—— Scale AI。
这不是被逼疯，而是看清了趋势：
AI 的胜负，关键早就不是谁的算法最巧，而是谁能喂得起大模型、谁能训得快；
谁掌握数据入口，谁就掌握了 AI 战局的主动权。
Scale AI 恰好就是这个入口。
它能用最低的成本、最快的效率、最稳的质量，给模型提供训练所需的一切"数据燃料"。而 Meta 缺的，就是这个能力。
更关键的是，Wang 保留了运营权，也继续对外提供服务。
换句话说，扎克伯格表面是绑定了个供应商，实际上是把 AI 战场的"加油站"收入自己地图范围内了。
一旦 Meta 拿到了数据供应链的掌控权，LLaMA 的训练节奏就不再被动了。
但这也意味着，战局要变了：
谷歌计划终止与 Scale AI 的合作，OpenAI 则加快扶持 Scale 对手 Handshake 的速度；其他大模型公司开始重新评估"数据依赖"，担心自己的燃料来源随时"被拔管"。
而这场合作背后的赢家，就是那个原本被叫做" AI 搬砖人"的 Alexandr Wang。
他现在在战场中处于一个独特地位：
能同时为 OpenAI、Meta、美国国防部供数据；
拥有最完整数据清洗、标注、分发系统；
能调动 10 万人力、上万台 GPU 的"数据调度指挥官"。
结语
这一次，扎克伯格豪赌 Alexandr Wang，不只是买服务，是希望他救 Llama；
但 Wang 想做的，可能是打造一套让巨头都得靠他活的"数据操作系统"。
一边是硅谷最急的买家，一边是最冷静的供货商。
未来这场双人舞，是合力反击 OpenAI，还是彼此角力，我们很快就会看到。
只不过，这次牌桌上的发牌人，可能不再是 Altman，也不再是扎克伯格，而是那个从标注干起的华裔少年。
金领速配-最专业的股票配资-配资炒股平台网站-股票配资开户网站提示：文章来自网络，不代表本站观点。
