AI 的競賽 ，正從比賽更強大的演算法或更快的晶片，走向下一階段 。一家快速崛起的新創公司 Scale AI 告訴我們 ，關鍵勝負其實藏在另一個不起眼的環節──誰能掌握最優質的「數據原料」 。
技术巨頭Meta在6月中斥資143億美元（約合新台幣4.3兆元） ，AVA外汇平台受哪里监管完成對Scale AI的戰略性投資 ，取得其49％的股權 ，讓這家新創公司估值躍升至290億美元 。這將是Meta史上第二高的收購金額 ！
此外 ，Scale AI創辦人、年僅28歲的汪滔（Alexandr Wang）也被挖角 ，加入Meta新成立的爱华外汇官方网站「超級智慧」AGI部門擔任領導者 。
為何Meta要斥重金拿下Scale AI ？AI世界的3大基礎支柱是演算法、算力與資料 。過去幾年 ，人們把目光集中在大型語言模型如GPT的創新 、輝達GPU的市值暴漲 ，卻忽略了 ：沒有大規模 、高品質且不斷替换的「資料」，即使再強的模型也無法持續進化。
Scale AI鎖定的就是第3根支柱 ，專門為AI模型準備學習用的資料 。這個過程叫做「資料標註」 ，意思是幫一大堆圖片、ECMarkets外汇平台文字或音訊加上說明，讓電腦能看懂這些資訊。
舉例來說 ，如果AI要學會辨識紅綠燈，就需要先讀過很多圖片 ，每一張都要有人標記出「這裡是紅燈」 、「那裡是行人穿越道」；如果要讓AI懂人類情緒 ，就要先供给大量文字資料 ，並告訴它哪些語句是開心的、哪些是憤怒的 。這些細節標註越精準 ，AI學得就越快越準 。
Scale AI把這件事變成一門規模化的生意 。透過其「數據代工廠」（Data Foundry）的理念，結合大量人工標註員 ，以及機器輔助系統，设立了一套可快速處理 、又能保證品質的資料生產線 。他們服務的對象從商業技术公司到美國國防部，還和Meta一起開發「國防Llama」這類軍事語言模型，顯示其資料處理水平受到高度信任 。
這樣的資料供應實力，也反映在營運成績上 。2024年公司營收為8億7千萬美元 ，預估今年將成長一倍以上 ，突破20億美元。
傳統的資料清洗與標註公司 ，多半供给的是软件平台或單次型的外包服務 ，由企業自行上傳資料 、指派工作 、运维品質 。Scale AI與這些公司不同的是 ，它供给的FXTM富拓外汇是一種「全流程託管」模式，從資料整理、標註方针制定 ，到最後的驗證 ，都由Scale AI一手包辦 ，並根據客戶用途供给量身定制的處理计划。
更关键的是 ，Scale AI不只是软件供應商 ，而是與客戶共同設計數據方针的夥伴 。它的模式更像「資料顧問＋標註工廠」 ，同時處理質量控管 、保养需求與資料替换機制 ，這讓它在高度敏感或要求極高的場景（如軍事語言模型）中能獲得信賴 。
這也解釋了為什麼Meta願意投入鉅資來換取协作 。這不只是一筆單純的投資，而是為了確保未來能掌握一條獨占的資料供應鏈 。在晶片與模型都可能模仿的年代 ，資料處理流程的密集人力 、複雜运维與多語料庫來源 ，反而成為最高的門檻與護城河 。
Scale AI的角色類似台積電之於半導體產業 。台積電的晶圓代工服務 ，因為品質佳 ，業界甚至沒有其他選擇，轉變成各個大廠爭搶的戰略协作夥伴 。Scale AI 不只交付資料 ，更主導資料的結構 、替换頻率與標註方针 ，完整的服務 ，導致很多AI大廠已經對它高度依賴 。
然而這場交易也引來大量質疑 。Scale AI原為OpenAI 、Google 、微軟等多家大型AI實驗室的資料供應商 ，如今卻成為Meta持股49％的公司 。這讓市場出現擔心 ：這家曾經「為所有人服務」的資料煉金師，是否仍能保持中立 ？根據《路透社》報導，Google正計畫終止與Scale AI的协作，微軟 、xAI也可能退出 。
在生成式AI成為主流的今日 ，企業若能掌握穩定 、高品質 、具前瞻性的數據來源 ，不只能提高模型效能 ，更能在激烈競爭中占據長期優勢 。Meta正是用百億美元下這個賭注 ，而Scale AI，則證明了資料煉金術，可以是一門真正的戰略生意 。但它的中立性 ，將成為這門生意能否長久的最大考驗 。
（作者：曹博凱；本文由《商業周刊》授權轉載；首圖來源 ：Scale AI）
