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。