Meta 正在向数据标注公司 Scale AI 投资近 150 亿美元,并获得这家初创公司 49% 的股份,同时还将聘请 CEO Alexandr Wang 来帮助领导公司内部新成立的"超级智能"实验室。
这笔交易让人想起 Meta 此前进行的大规模高风险投资,比如以 190 亿美元收购 WhatsApp 以及以 10 亿美元收购 Instagram。当这些并购完成时,许多人都认为 Meta 为这些平台支付了过高的价格——而今天的讨论也没有什么不同。这个周末,不少投资者和创始人对 Meta 的最新合作感到困惑不解。
最终,WhatsApp 和 Instagram 成为了 CEO Mark Zuckerberg 帝国的重要组成部分。问题是 Scale AI 这笔交易是否同样对 Meta 有利,再次证明 Zuckerberg 的前瞻性战略,还是说公司在错误引导的努力中正试图追赶 OpenAI、Google 和 Anthropic 等竞争对手时抓错了重点。
在这种情况下,Meta 并非押注于一个新兴的社交媒体应用,而是押注于用来训练顶级 AI 模型的数据。在过去几年中,OpenAI 等领先的 AI 实验室一直依赖 Scale AI 来生成和标注用于训练模型的数据。最近几个月,Scale AI 及其数据标注竞争对手开始雇佣高技能人才,如博士科学家和高级软件工程师,为前沿 AI 实验室生成高质量数据。
与 Scale 这样的数据提供商建立密切关系可能会让 Meta 受益。据一位知情人士透露,Meta 的领导层一直抱怨公司领先 AI 团队在数据方面缺乏创新。
今年早些时候,Meta 的生成式 AI 部门推出了 Llama 4,这是一系列 AI 模型,但未能匹敌中国 AI 实验室 DeepSeek 模型的能力,被普遍视为令人失望。雪上加霜的是,Meta 正试图解决人才流失问题。根据 SignalFire 编制的数据,Meta 在 2024 年向 AI 实验室流失了 4.3% 的顶尖人才。
Meta 并不仅仅押注 Scale AI 来重新点燃其 AI 努力,还押注 Wang 来领导上述新的超级智能团队。这位 28 岁的 CEO 已经证明自己是一个强有力的初创公司创始人——他在硅谷以雄心勃勃、善于销售和人脉广泛而闻名。在过去几个月中,Wang 一直在与世界各国领导人会面,讨论 AI 对社会的影响。
然而,Wang 此前从未领导过这种类型的 AI 实验室,他也没有像其他许多 AI 实验室领导者那样的 AI 研究背景,比如 Safe Superintelligence 的 Ilya Sutskever 或 Mistral 的 Arthur Mensch。这也许就是为什么据说 Meta 还在招募像 DeepMind 的 Jack Rae 这样的知名人才来充实其新的 AI 研究团队。
收购后 Scale AI 公司的命运有些不明朗。现实世界数据在 AI 模型训练中的作用正在发生变化——一些 AI 实验室已经将数据收集工作内部化,而其他实验室则增加了对合成 (即 AI 生成) 数据的依赖。今年 4 月,The Information 报道称 Scale AI 未能实现一些收入目标。
据 Anyscale 联合创始人 Robert Nishihara 称,几个前沿 AI 实验室正在探索利用和优化数据的新方法,其中许多方法都需要大量计算资源。
"数据是一个移动目标,"Nishihara 在接受 TechCrunch 采访时表示。"这不仅仅是追赶的有限努力——你必须创新。"
Meta 和 Wang 的关系可能会吓跑传统上与 Scale AI 合作的其他 AI 实验室。如果是这样,这笔交易可能会对 Scale AI 的竞争对手有利,比如 Turing、Surge AI,甚至是像最近推出的 LM Arena 这样的非传统数据提供商。
Turing CEO Jonathan Siddharth 通过电子邮件告诉 TechCrunch,鉴于围绕 Meta 与 Scale AI 交易的传言,他收到了客户更多的关注。
"我认为会有一些客户更愿意与更中立的合作伙伴合作,"他说。
只有时间才能证明 Meta 的投资将如何影响其 AI 努力,但该公司需要追赶的差距很大。与此同时,竞争并没有放缓。OpenAI 正在为其下一个旗舰模型 GPT-5 的发布做准备,以及多年来首个公开可用的模型——该模型将与 Meta 当前和未来的 Llama 版本竞争。
好文章,需要你的鼓励
Warp成立于2021年,致力于通过技术赋能的物流网络优化企业供应链。该公司现计划使用机器人自动化其仓储网络,进一步提升供应链效率。公司在洛杉矶测试仓库安装摄像头,利用计算机视觉技术创建数字孪生环境进行实验。经过测试,Warp成功部署改装后的现成机器人处理货物装卸和存储。公司刚完成1000万美元A轮融资,计划今年开始在核心网络城市部署机器人技术。
德州农工大学等多所知名高校联合Meta公司推出的SAFEFLOW框架,为AI智能体首次提供完整安全保障体系。该系统通过信息流控制、事务日志和动态信任评估,解决了当前AI助手易受欺骗、缺乏协调的关键问题,在专门构建的测试平台上实现了接近完美的安全表现。
Continuity Software研究发现,企业存储和数据保护设备在信息安全方面存在严重盲点,使公司数据面临危险暴露。调查涵盖300个环境中超过1万台设备,发现平均每台设备存在10个漏洞,其中一半为高风险。最常见漏洞涉及身份认证管理和未修复的CVE。许多设备仍使用出厂默认密码,缺乏多因素认证。研究还发现勒索软件防护功能未启用或配置错误的情况。
这项由加州大学圣克鲁兹分校和eBay联合完成的研究首次揭示了先进AI模型的"睁眼瞎"问题:它们虽然具备强大的感知和推理能力,却无法识别表面合理实际有缺陷的指令。研究发现,即使是最先进的AI系统,在面对物体缺失、指代模糊、事实矛盾和目标不可行等隐性问题时,正确识别率不到40%。更令人意外的是,这些AI系统其实内心已经察觉到问题,但因过度训练的服从性而不敢表达。当被允许提出澄清性问题时,它们的表现瞬间飙升至94%以上,表明简单的交互设计改进就能大幅提升AI系统的可靠性。