(原标题:又一位剑指AGI的华人理工男!这家百人“作坊”,凭什么年入70亿,还成了OpenAI的“御用陪练”?)
在今天这个AI的“淘金热”时代,所有人都坚信着“大力出奇迹”的“规模法则”(Scaling Law)——更大的模型、更多的数据、更强的算力,就能换来更聪明的AI。然而,就在所有巨头都在疯狂堆人、烧钱、扩大规模时,一个“异类”悄然崛起。
这家公司仅有110名正式员工,却在2024年创造了超过10亿美元(约70亿人民币)的年营收,甚至反超了拥有上千员工、背靠meta这棵大树的行业霸主Scale AI。
据路透社报道,这家公司正启动首轮融资,目标募资10亿美元,估值或达150亿美元(约合1000亿元人民币)。
这听起来像个天方夜谭,但它真实发生了。
故事的主角叫Surge AI,一个在AI“军备竞赛”的后勤线上掀起风暴的“隐形帝国”。它的创始人,37岁的华人理工男Edwin Chen,面对外界对竞品Scale AI的热捧,只是淡淡地回应:
“他们在追逐资本时,我们在打磨数据纯度。真正的AGI(通用人工智能),需要人类智慧的精粹,而非廉价标签。”
这句话,几乎点明了Surge AI逆袭的所有秘密,它在告诉世界:在通往AGAI的路上,高质量的“人性”,远比海量的“人数”更重要。
风口上的“数据民工”
喂不饱真正的AI
在聊Surge AI之前,我们必须先明白它所在的“数据标注”行业,到底有多么“拧巴”。
简单说,AI模型就像一个嗷嗷待哺的婴儿,而“数据”就是它的奶粉。“数据标注”,就是把原始数据(图片、文字等)加工成AI能“消化”的格式。比如,告诉AI这张图里哪个是猫,哪句话是积极情绪。
很长一段时间里,这个行业都遵循着一个简单粗暴的逻辑:人力 = 产量。
以行业巨头Scale AI为代表的传统模式,本质上更像一个巨大的“人力外包工厂”。它们在全球招募海量的兼职人员,用“人海战术”来处理天量的数据。这种模式在处理简单的、重复性的任务时,确实能靠规模和低成本取胜。
但当AI模型越来越聪明,尤其是像ChatGPT这样的大语言模型(LLM)出现后,它们需要的“奶粉”也越来越高级。它们需要的不再是简单的“这是猫,那是狗”的标签,而是需要理解逻辑、文化、偏见甚至情感的复杂反馈。
这时,传统模式的弊端就暴露无遗:
质量堪忧,喂AI“吃垃圾”: 低成本的众包劳动力,缺乏专业背景,标注错误率极高。一位客户曾吐槽,花半年外包了5万条数据,结果“完全就是垃圾”,餐馆被标成医院。错误的标注对于AI来说,无异于“毒奶粉”,会让它变得偏执、愚蠢甚至危险。
效率低下,严重拖后腿: 一个小项目启动就要等数月,严重拖慢了AI的迭代速度。对于日新月异的AI竞赛来说,时间就是生命。
价值密度低,“空洞数据”泛滥: 标注员按件计酬,自然会追求数量而非质量,产出大量对模型提升有限的“空洞数据”。
Surge AI的创始人Edwin Chen对此有切肤之痛。他曾是Twitter的工程主管,亲身经历过外包的低效:当时只需给一万条推文打标签,却因为只雇了两个从Craigslist(美国版58同城)上找的兼职人员,花了一个月才完成,而且回传的数据质量很差,连常见的俚语都判错。最后他忍无可忍,“自己花一周搞定,又快又准”。
正是这些“垃圾数据”毁掉智能效果的惨痛教训,让他多次公开批评同行根本算不上科技公司,更像是“伪装成科技公司的人力外包工厂”。
他打过一个绝妙的比方:“我们让世界上最聪明的一群AI工程师,像顶级米其林厨师一样,却把大量时间浪费在去农田里种菜、收菜、洗菜上,而不是让他们专注于创造美食。”
这个致命的“价值错配”——AI需要米其林级别的美食,而市场只能提供大路货的农产品——正是Surge AI看准的巨大机会。
不做“人力外包”
我们要做AI的“米其林厨房”
面对行业的困局,Surge AI没有选择在“如何更快、更便宜地种菜”上内卷,而是直接掀了桌子,决定开一家“AI数据界的米其林厨房”。
他们重构了竞争的四个关键维度,形成了一套“极致质量 × 精英团队 × 自动化系统 × 使命感文化”的乘法模型。
1、百里挑一的“AI教练天团”
和Scale AI广撒网招人不同,Surge AI走的是彻头彻尾的精英路线。
他们通过严格的测试和持续的监控,筛选出全球最顶尖的1%标注人才,其中不乏博士、硕士。这些人不是被当作“数据工人”,而是被尊为“AI工程师”。
这支“小而精”的精英战队,能够胜任传统模式根本无法想象的高难度任务,比如为OpenAI的数学数据集编写详细的解题步骤,或者帮助Anthropic评估和修正AI的伦理偏见。这就像你需要一支特种部队去执行高精尖任务,而不是一个庞大的步兵团。
Edwin Chen对“小而精”的痴迷,甚至体现在他对初创公司招聘的“异端”看法上。他直言,初创公司在前5-10个员工里就招数据科学家或产品经理,“简直离谱”。
他认为,创业初期追求的是10倍甚至100倍的突破,而不是数据科学家擅长的“提升2%或5%”的微调。而产品方向,应该由创始人和工程师亲自下场搞定,过早引入PM反而会增加沟通成本,让团队失去焦点。这种对人才效率的极致追求,也深深烙印在了Surge的基因里。
2、只啃最硬的骨头:从源头定义价值
有了最顶级的“厨师”,自然要做最高端的“菜品”。Surge AI从一开始就瞄准了大模型训练中最难、也最有价值的环节——RLHF(基于人类反馈的强化学习)。
简单理解,就是让人类专家来“批改”AI的作业,告诉它哪个答案更好、更有创造性、更符合人类价值观。这种高阶任务,每条标注都对模型性能有巨大影响,价值密度极高。
当然,高端服务意味着高价。Surge的收费是同行的2-5倍,且客户项目通常有数百万美元的最低门槛。但OpenAI、Anthropic、Google这些顶级AI实验室却心甘情愿排队买单。因为他们发现,用Surge的高质量数据训练出来的模型,性能提升是肉眼可见的。
3、人机共舞:让精英的智慧插上翅膀
如果说精英团队是Surge的“灵魂”,那其强大的自动化平台就是“躯体”。
Surge AI开发了一套高度智能的人机协同系统。它远不止是一个任务发布工具,更像是一个赋能平台。具体来说:
对客户: 提供开放API接口,让AI研究员能将标注流程无缝嵌入到自己的开发管线中,像调用云服务一样丝滑。
对内部: 集成了复杂的机器学习算法,能自动侦测异常标注、通过模型预测来发现潜在错误、将同一任务的多人结果进行智能聚合。
这套系统实现了“人工智慧”与“机器智能”的完美融合。AI负责打下手和质检,让精英人类能专注于最高难度的判断。结果是,这支仅110人的团队,每周竟能处理数百万条高质量数据,人均产出是Scale AI的近9倍!
4、“我们在养育AGI”:使命感是最终的护城河
这可能是Surge AI最难被复制的一点。
创始人Edwin Chen不止一次地表示,创办公司不是为了钱。“即使有人出价1000亿美金,我也不会卖掉Surge AI。” 驱动他的是一个更宏大的梦想:帮助人类实现通用人工智能(AGI)。
在其官网的使命宣言中,他写道:
“机器的灵魂,由人类的选择与价值铸就。数据不是工具,数据是人类对机器的养育之道。”
这种“培育AGI”的崇高使命感,贯穿了整个公司。在这里,标注者不是流水线工人,而是“AI的父母”。许多高学历的合同工之所以愿意长期为Surge工作,正是因为他们觉得“仿佛终于能在教导AI时实践毕生所学”。这种精神力量带来的凝聚力和创造力,是任何金钱激励都无法替代的。
悄悄地,新王诞生了:
不止是超越Scale AI
当这四个维度形成乘法效应,一个不可思议的结果出现了。
商业逆袭: 2024年,Surge AI在零外部融资的情况下,年营收突破10亿美元,悄然超过了行业巨头Scale AI(同期8.7亿美元)。
口碑碾压: 一位前Scale AI员工透露,在客户的质量审计中,Surge的表现往往更优。O'Reilly的创始人更直言:“Surge不仅规模更大,而且好得多。许多人告诉我,Scale其实远非他们的首选。”
信任壁垒: 当meta投资Scale AI,导致其独立性受损时,大量顶级AI实验室出于中立和安全考虑,纷纷转向Surge AI。
但Surge的超越,并不仅仅体现在与Scale AI的对比上。它在与其他创新模式的竞争中,同样占据了独特的生态位:
vs. Snorkel AI (程序化标注范式): Snorkel试图用代码和规则来自动生成标签,减少对人的依赖。这在某些结构化任务上很高效,但面对需要人类价值观和常识判断的复杂任务时,则显得力不从心。Surge的“人机结合”模式,恰好抓住了AI“最后一公里”中机器无法替代的人类智慧,价值更高。
vs. Turing (专家众包平台范式): Turing拥有庞大的专家人才库,模式更像一个巨大的人才中介。但Surge的优势在于,它不只是“匹配”人才,而是通过自研平台和统一流程,将精英人才“整合”成一个高效协同的作战团队,输出的结果更稳定、更可靠。
Surge AI用事实证明,它开创的新范式,无论在质量、效率还是商业上,都全面超越了传统模式。它没有在旧的战场上和巨人缠斗,而是直接开辟了一个“高维战场”,实现了降维打击。
真正的护城河
是重构游戏规则的能力
Surge AI的故事,远不止是一个数据标注公司的成功。它给所有身处AI浪潮中的人一个深刻的启示:
在技术日新月异的时代,真正的核心竞争力,可能不是你拥有多少资源,而是你定义问题和重构规则的能力。
Surge AI没有去优化“数据标注”这个旧问题的答案,而是重新定义了问题本身——AI需要的不是“标注”,而是蕴含人类智慧的“养料”。围绕这个新定义,它构建了全新的商业模式,从人才、技术到文化,都指向一个目标:质量。
它打破了“数据=劳力”的行业铁律,证明了“更聪明的人力 + 更聪明的系统”可以超越线性的规模增长。当所有人都向左,疯狂追求规模时,它选择向右,极致追求纯度。
这或许才是AI时代最激动人心的地方:总有像Surge AI这样的破局者,用全新的思维和范式,告诉我们游戏还有另外一种玩法。