情色电影下载

新智元报谈

裁剪：Aeneas 好困

【新智元导读】畏缩！就在刚刚，Scale AI独创东谈主Alexandr Wang通知：公司的年化收入依然达到近10亿好意思元。OpenAI的年收入，也只是是35-45亿好意思元。数据墙愈渐紧逼的今天，Scale AI早早踩对了风口，如今终于一飞冲天了。

就在刚刚，创业得手的27岁亿万财主Alexandr Wang通知——

Scale AI的年化收入，险些达到了10亿好意思元！

这个数字，实足畏缩通盘这个词硅谷的。

这Scale AI是什么来头，能在营收上取得如斯惊东谈主的获利？

本来，它主攻的即是如今AI模子的一大软肋——对数据的普遍需求。

咱们正在干涉LLM诱导的第三阶段。 第一阶段是早期的熟谙，从Transformer到GPT-3 第二阶段是界限膨胀 第三阶段是改进阶段：除了o1除外，还需要哪些龙套性进展材干让咱们达到新的proto-AGI范式

Scaling Law的存介怀味着，跟着模子变大，对数据的需求也呈现指数级增长，越来越多的东谈主牵记大模子会耗尽可用数据。

Scale AI的主营业务——作念AI模子的「数据工场」，恰平允于这个风口之上。

如果能攻克「数据墙」这个AI非常的普遍瓶颈，Alexandr Wang理所天然会赚得盆满钵满。

在AI波浪中，赚得盆满钵满

商业能作念这样大，源于Scale AI越作念越得手的一项伟业务。

在AI生态圈中，为大公司提供基础面貌或业绩维持的业务，商场需求普遍。

Scale AI作念的即是后者——为这些公司提供东谈主工数据标注员。帮AI公司擢升LLM的准确性。Meta、谷歌等大公司，皆是它的客户。

而且，本年Scale AI的商业越作念越红火了。

跟客岁同时比较，它本年上半年的销售额增长了近4倍，依然接近4亿好意思元。

不错细则地说，Scale AI是从AI兴隆中受益最多的私营企业之一。

投资者们天然也看到了这少量。

本年5月，Scale AI以138亿好意思元的估值，进行了新一轮融资。

投资者包括Accel、Founders Fund、Index Ventures、Thrive Capital和Greenoaks Capital等。

何况，除了亚马逊和Meta除外，Scale AI还劝诱了各式各种的新投资者：念念科、英特尔、AMD等风险投资部门参与其中，而且许多注资过的公司也记挂了，包括英伟达、Coatue、Y Combinator等等。

就在近期，Wang辖下的高管团队，再度进行了调养。

首席时刻官Arun Murthy将离开公司，而客岁离开风投公司Benchmark的前优步高管Jason Droege将加入公司担任首席策略官，径直向Wang讨教。

首席策略官Jason Droege讲授我方为什么要加入Scale AI：这让我有契机参与到我一世中时刻界限最压根的变革中

在Droege看来，Scale措置了东谈主工智能中最困难的挑战之一：通过数据改良模子。作念到这少量需要超卓的东谈主才、复杂的运营和对AI过去发展的热烈愿景。固然团队迄今依然取得了刺眼确立，但仍处于起步阶段。

2023年上半年头始，公司收入激增

这家建筑8年的初创公司，一直发扬条约工的招聘和培训，但尚未竣事盈利。

可是就在本年上半年，它得手改善了运营的毛利率——每产生1好意思元收入，只需要铺张约1.2好意思元，而在客岁上半年，这一数字为1.5好意思元。

如今仅讨论业务资本（比如条约工的工资），Scale AI保留的收入唯唯独半。毛利率这一财务主见，略低于50%。比起2022年上半年约57%的毛利率，这个数字有所下跌。

这一水平，大大低于科技投资者对软件公司的渴望。

但尽管如斯，5月份的融资如故为Scale AI提供了丰足的资金实力。猖狂上半年末，公司还有约9.8亿好意思元的现款。

从客岁上半年头始，公司收入就初始激增。因为构建LLM的客户需要许多条约工，通过向聊天机器东谈主提交问题、撰写谜底，来熟谙AI模子。

在给投资者的PPT上，Scale AI自称是「一个东谈主机羼杂系统，以低资本分娩高质地数据」。

笔据外媒音讯，它还通过一家名为Outlier的子公司，雇佣了数十万个小时工，来进行数据微调。

赫然，Scale AI采取聚焦LLM客户，是一种策略转型。

此前，它还有一项雷同业务，主如果利用菲律宾和肯尼亚的低资本劳能源，为自动驾驶汽车公司标注数据。但频年来，这项业务的增长依然放缓。

当今，即使雇佣薪酬更高、更专科的条约工，Scale AI的收入也依然能擢升，因为它不错将这些更高的资本出动给客户。

天然，当今Scale AI也并非硅谷投资者眼中稳赚不赔的投资。投资者担忧的问题，包括公司较低的毛利率，以及过度依赖少数几个大客户的问题。

天才少年辍学创办独角兽

Scale AI由Alexandr Wang和Lucy Guo于2016年创立，由著名创业孵化器Y Combinator投资。客户包括Meta、微软、英伟达、OpenAI、丰田和哈佛医学院。

2019年，Scale AI成为独角兽。

2022年，Alexandr Wang成为各人最年青的空手起家的亿万财主。

Wang于1997年确立于新墨西哥州，父母皆是在新墨西哥州洛斯阿拉莫斯国度实验室的物理学家。

高中阶段，他初始通过集合自学编程，初始参加寰宇级编程大赛，如好意思国计较机奥林匹克竞赛（USACO）。

17岁，他成为好意思国知名问答网站Quora的全职码农；18岁，考入麻省理工学院攻读机器学习；在MIT大一刚完毕后的暑假，他就和Guo沿路创办了Scale，何况拿到了Y Combinator的投资。

Wang跟爸妈说，「这即是我夏天任性玩玩的事。」

Scale AI刚起步时，有些东谈主如实以为这即是一个见笑，毕竟公司其时唯独三名职工。

不外，在赓续地融资和发展之下，Scale AI发展迅速，到2021年依然成长为价值73亿好意思元的独角兽企业，2023年头公司界限也膨胀到了700东谈主。

Wang袒露，跟着企业客户竞相熟谙生成式AI模子，Scale AI的这方面业务快速增长。

2023年，公司年度经常性收入增多了两倍，瞻望2024年底将达到14亿好意思元。

由于Scale AI的惊东谈主确立，Alexandr Wang依然被硅谷公认为「下一个扎克伯格」。

AI模子的「数据工场」

AI界限公认的三个基本撑持——数据、算法和算力。

算法界限，前有谷歌、微软的大型盘问院，后有推出过Sora和GPT系列模子的OpenAI；算力界限有供货各人的英伟达，但在Scale AI还未确立的2016年，数据界限仍处于空缺。

19岁的Alexandr Wang在看到这少量后，作念出了辍学创业的决定，「我创办Scale的原因是为了措置东谈主工智能中的数据问题」。

大部分数据皆口角结构化的，AI很难径直学习这些数据；而且大型数据集的标注一项资源密集型职责，因此，「数据」被许多东谈主认为是科技界限最费劲、最卑微的部分。

但Scale AI却在短时辰内就取得了普遍得手。他们不错为不同业业的企业客户量身定制数据业绩。

在自动驾驶界限，Cruise和Waymo等公司通过录像头和传感器采集了大皆数据，Scale AI将机器学习与「东谈主机回路」监督相勾通，料理和标注这些数据。

他们也曾诱导的「自治数据引擎」，以致股东了L4级自动驾驶的发展。

Wang暗示，Scale AI将我方定位为通盘这个词AI生态的基础面貌供应商，构建「数据锻造厂」，而不单是是在子公司Remotasks中雇佣大皆的条约工进行东谈主工标注。

他强调，来自内行的、包含复杂推理的数据是过去东谈主工智能的必备要求。

传统的数据来源，比如从Reddit等社区的评述中握取数据存在局限性。Scale AI构建了一些历程，模子先输出一些内容，举例撰写盘问论文，在此基础上，东谈主类内行不错改良这些内容，从而改良模子的输出。

「固然东谈主工智能生成的数据很艰辛，但想要取得有一定质地和准确性的数据，唯一行径是通过东谈主类内行的考证。」

Alexandr Wang在Scale AI的官网上这样写谈，「数据丰富不是默许情况，而是一种采取，它需要汇集工程、运营和AI方面最优秀的东谈主才」。

Scale AI的愿景之一是「数据丰富」，从而将前沿LLM膨胀到更大数目级，「为通向AGI铺平谈路。在达到GPT-10的过程中，咱们不应该受到数据的胁制」。

业内盛赞的LLM名次榜更新

Scale AI对业界所作念的孝敬，不仅是数据标注这样粗拙。

本年5月，Scale AI重磅推出了全新LLM名次榜——SEAL，初始对前沿模子开展专科性评估。

对于这个榜单，Jim Fan大加唱和。他认为SEAL是LMSys的十分好的补充和参照，提供公开模子的奥妙、安全、确实的第三方评估。

对此，Andrej Karpathy也深以为然。

跟着OpenAI最强模子——o1的推出，SEAL名次榜也第一时辰进行了评测。

除了在高档编程、数学和科学等界限透深入色除外，o1系列也为「prompt engineering」（教唆工程）引入了新的变化。

傍边滑动有观看

在器具使用和指示奴隶方面，o1-preview透深入色。而在编程材干方面，o1-mini夺得榜首，o1-preview紧随后来位居第二。

- 编程名次榜

在SEAL编程名次榜上，o1-mini以1271分的获利领跑，紧随后来的是o1-preview，得分为1198。

色吧性爱

评估数据集使用了1000个教唆词，用于测试各式编程任务，涵盖从代码生成到优化和文档创建等多个方面。

过程中，每个模子的反馈皆会从正确性、性能和可读性三个维度进行评估，玄虚应用东谈主工审核和代码实行测试的行径。

- 指示奴隶名次榜

在对精准指示奴隶材干的评估中，o1-preview以87.27 分的获利最初，超越了知名Claude 3.5 Sonnet和Llama 3.1 405B Instruct。

评估数据集包含1054个跨界限的教唆词，触及文本生成、头脑风暴和陶冶维持等多个方面。

教唆工程的变化

与咱们熟悉的GPT、Gemini或Claude等模子比较，o1模子的教唆词使用和可操控性赫然不同。

笔据OpenAI的建议，粗拙径直的指示有助于充分阐扬o1的后劲。

与之前的模子不同，用户应幸免要求模子进行念念维链推理。他们还指出，教唆词中的无关高下文对o1模子的烦躁可能比之前的GPT系列更大，因此在检索增强生成（RAG）教唆中加入一些示例很艰辛。

Cognition Labs发现，要求模子「think out loud」（高声念念考）本体上会毁伤性能，而只须求给出最终谜底反而会擢升性能，因为o1模子不管如何皆会产生里面的念念维链。他们还指出，冗长或重叠的指示会毁伤性能，而过于具体的带领似乎会影响模子的推理材干。

固然o1在基准测试中取得了出色的恶果，但让它完成你我方的具体任务似乎需要更多起劲——它们经常会冷落明确（以致是强调的）对于如何措置问题的指示。

由此可见，施行寰宇的教唆和基准测试中使用的教唆之间，本体上存在着不小的差距：后者旨在只包含明确的、自包含的、最小呈现的问题，没磋商于如何措置它们的建议或看法。

需要防御的是，o1-preview反馈的蔓延，终点是其「首个token的时辰」，赫然高于GPT-4o。不外，o1-mini用更快的token推理速率弥补了「念念考」的时辰。

一些实测

- 词汇约束

在官方示例中，o1在污名昭著的「strawberry这个词中有几许个R？」等「陷坑」任务上，有着不小的改良。

为了考证这少量，咱们向o1-preview建议了一个新编写的耳语：

「说出一个拉丁语源的英语形容词，它以疏通的字母起原和结果，所有有十一个字母，何况词中通盘元音按字母规章成列。」

在第一次尝试中，模子得手措置了这个耳语，谜底是：sententious。

但如果反复发问销毁个，o1却并不成次次作念对：

sententious ✅

facetiously ❌

transparent ✅

abstentious ❌

facetiously ❌

- 解码密码

相似令东谈主深刻的，还有一个解码复杂密码的例子。

雷同的，咱们也尝试了这个教唆词的各式变体，包括ROT13密码、Atbash密码、Base64编码、回转字符串等各式组合。

可是，大多数测试皆不得手——在7次尝试中，o1-preview唯独2次大要解码给出的加密信息（《沙丘》中的「迎恐祷词」（the Litany Against Fear））。

在每个prompt中，o1皆被要求从OpenAI给出的示例中臆测出一种编码情势。

在以下每个测试中，o1皆未能在一次尝试中解码方向音讯：

ROT13密码 → 回转字符串 → Base64编码 → 回转字符串

ROT13密码 → Base64编码 → ROT13密码 → 回转字符串

ROT13密码 → Base64编码 → ROT13密码

ROT13密码 → Base64编码 → Atbash密码

ROT13密码 → Base58编码

在第一次尝试中得手解码的两个测试是：

Atbash密码 → Base64编码

ROT13密码 → Base64编码

这里展示了第一个得手的例子——其他测试除了使用的编码不同外，皆是疏通的：

论断

总结来看，OpenAI的o1模子在推理材干方面皆取得了要紧龙套，在AIME、Codeforces、Scale的SEAL名次榜等环节基准测试中透深入色。

这些恶果标明，o1-preview和o1-mini是措置复杂推理问题的苍劲器具。可是，要充分阐扬这些模子的后劲，可能需要比用户风气的其他模子发布更多的实验和尝试。

参考府上：

https://www.theinformation.com/articles/scale-ais-sales-nearly-quadrupled-in-first-half?rc=epv9gi

https://scale.com/blog/first-impression-openai-o1?utm_offer=blog情色电影下载