作 者：微瀾

來 源：正和島（ID：zhenghedao）

如果要列出當(dāng)下全球最有權(quán)勢的一位95后，他的名字應(yīng)該大多數(shù)人都沒聽說過——亞歷山大·王（Alexandr Wang）。

這位在硅谷被稱為“下一個(gè)扎克伯格”的天才少年，在2022年借助著生成式AI的浪潮，成功登上《福布斯》全球億萬富豪榜，也憑此成為了史上最年輕的白手起家的億萬富豪。

盡管在一年后其創(chuàng)立的公司Scale AI因估值大幅下滑，他的名字也從富豪榜上消失。

但在今年5月，隨著Scale AI宣布獲得10億美元融資，估值138億美元（約為人民幣1000億元），亞歷山大·王也再一次回到大眾的視野當(dāng)中。

從2016年創(chuàng)立到成為千億估值的獨(dú)角獸企業(yè)，亞歷山大·王和Scale AI用了短短8年的時(shí)間，而憑借著Scale AI，亞歷山大不僅在AI數(shù)據(jù)標(biāo)注行業(yè)上演了一段傳奇創(chuàng)業(yè)故事，也在全球AI熱潮中扮演了一個(gè)“賣鏟人”的角色，為馬斯克、奧特曼、扎克伯格等一眾科技大佬提供數(shù)據(jù)支持，某種程度上來說，他影響了整個(gè)AI世界的格局。

一、“賣鏟子”的天才少年

如果用一句話總結(jié)亞歷山大·王的創(chuàng)業(yè)故事，那一定是一出場就手握爽文大男主劇本。

1997年，亞歷山大出生于美國的新墨西哥州，其父母都是物理學(xué)家，在新墨西哥州洛斯·阿拉莫斯國家實(shí)驗(yàn)室工作。

關(guān)于亞歷山大這個(gè)名字的由來，還有一個(gè)蘊(yùn)含中國文化的故事：

Alexandr（亞歷山大）是其名字的英文拼寫，但比通用拼法少了一個(gè)e。在中國傳統(tǒng)中，數(shù)字“8”承載著許多美好寓意，所以他的父母就想讓他的名字剛好為8個(gè)字母。

受到家庭氛圍的熏陶，亞歷山大從小就是“別人家的孩子”：

小學(xué)時(shí)，亞歷山大便展露出數(shù)學(xué)天才的一面，到了初中，亞歷山大就讀于頂尖私立名校洛斯·阿拉莫斯，數(shù)次在美國數(shù)學(xué)人才選拔賽中拿下銅牌、金牌等；

上了高中后，亞歷山大又自學(xué)了編程技術(shù)，成為美國計(jì)算機(jī)、物理、數(shù)學(xué)奧林匹克競賽上的常客，成績均名列前茅；

此外，他9歲時(shí)學(xué)過小提琴，還精通中文、英語、法語等多種語言，可以說是“文理兩開花”。

除了學(xué)有所成，在高中時(shí)，亞歷山大就收到了多家硅谷科技公司的工作邀請，他先是去了硅谷最熱門的財(cái)富投資大數(shù)據(jù)管理平臺Addepar，之后又加入了“海外版知乎”Quora從事編碼工作并擔(dān)任技術(shù)主管。

也就是在Quora，亞歷山大結(jié)識了同為華裔的女孩Lucy Guo，后者也將成為Scale AI的聯(lián)合創(chuàng)始人。

2015年，憑借優(yōu)異的成績，亞歷山大考入麻省理工學(xué)院（MIT），主要攻讀數(shù)學(xué)和計(jì)算機(jī)專業(yè)。根據(jù)領(lǐng)英(Linkedln)的個(gè)人資料顯示，亞歷山大在MIT求學(xué)期間GPA為5.0（滿分），且其選修的還是研究生級別的計(jì)算機(jī)科學(xué)課程。

也正是在其麻省理工學(xué)院上大一期間，DeepMind推出的AlphaGo，戰(zhàn)勝了圍棋世界冠軍，開啟了人工智能的元年和深度學(xué)習(xí)的熱潮。

“我記得當(dāng)時(shí)我在大學(xué)里，嘗試使用神經(jīng)網(wǎng)絡(luò)，嘗試訓(xùn)練圖像識別神經(jīng)網(wǎng)絡(luò)。我很快意識到，這些模型在很大程度上只是數(shù)據(jù)的產(chǎn)物。”

亞歷山大在后面一次采訪中曾回憶起上大學(xué)時(shí)的思考，“這些模型或AI總體上是由三個(gè)基本支柱構(gòu)成——算法、計(jì)算能力和數(shù)據(jù)。”

在當(dāng)時(shí)，已經(jīng)有公司在研究算法，比如OpenAI或Google的實(shí)驗(yàn)室，或者其他一些AI研究機(jī)構(gòu)；至于算力，英偉達(dá)也已展示出了為這些AI系統(tǒng)提供算力的領(lǐng)導(dǎo)者潛力。

唯獨(dú)沒有公司專注于數(shù)據(jù)，亞歷山大意識到隨著人工智能技術(shù)的長期發(fā)展，數(shù)據(jù)智慧變得越來越重要。

于是在麻省理工大一剛結(jié)束后的暑假，亞歷山大決定從MIT輟學(xué)，與此同時(shí)Lucy Guo也從卡內(nèi)基梅隆大學(xué)輟學(xué)，兩人一同創(chuàng)辦了Scale AI。

當(dāng)時(shí)很多人為這兩位天才的中途輟學(xué)感到惋惜，認(rèn)為這就是一場豪賭，但亞歷山大的看法卻不一樣：“如果現(xiàn)在不愿意邁出這一步，那什么時(shí)候會愿意呢？”

這里還有個(gè)流傳的小插曲：

在大一結(jié)束后暑假的某一天，亞歷山大跟爸媽說，我暑假搞了個(gè)項(xiàng)目玩。

爸媽問到，啥項(xiàng)目啊，送檸檬水還是送外賣？

亞歷山大回答道，差不多吧，搞了個(gè)AI公司，還有個(gè)叫Sam Altman的給我投了點(diǎn)錢，對了，airbnb（愛彼迎）也是他們投的，現(xiàn)在估值也就300多億美金吧。

除了拿到Y(jié) Combinator（山姆·奧特曼時(shí)任總裁）的天使輪投資，在創(chuàng)立第一年，Scale AI還拿到了風(fēng)投巨頭Accel的A輪融資。兩方資助下，Scale AI初期的資金障礙被掃清。

在成立之初，亞歷山大對ScaleAI的設(shè)想是打造一個(gè)一站式服務(wù)中心，解決AI生態(tài)系統(tǒng)中的數(shù)據(jù)支柱問題。

因此，Scale AI早期的定位就是通過結(jié)合自動(dòng)化技術(shù)與人力審核，創(chuàng)建一個(gè)高效、精確的數(shù)據(jù)標(biāo)注平臺，為創(chuàng)建機(jī)器學(xué)習(xí)算法的公司快速處理和標(biāo)注大規(guī)模的數(shù)據(jù)集。

所謂的數(shù)據(jù)標(biāo)注，是指為圖像、文本、視頻或音頻等原始數(shù)據(jù)添加結(jié)構(gòu)化信息，以便機(jī)器學(xué)習(xí)模型能夠理解和學(xué)習(xí)這些數(shù)據(jù)的過程。

通俗來講，就是給你一段視頻或圖片，讓你分門別類地標(biāo)出里面的行人、車輛、建筑等元素，某種程度上，這是個(gè)小學(xué)生也能做的事。

雖然原理很簡單，但這些經(jīng)過標(biāo)注的數(shù)據(jù)對于人工智能的發(fā)展不可或缺。AI模型需要大量的標(biāo)注數(shù)據(jù)來進(jìn)行學(xué)習(xí)，才能具備識別、分類和預(yù)測等功能。

這里值得一提的是，盡管一些自動(dòng)化工具可以加快部分標(biāo)注過程，但為了得到高質(zhì)量、高精確度的標(biāo)注數(shù)據(jù)，仍然需要大量的人工來處理、標(biāo)記和驗(yàn)證數(shù)據(jù)，尤其是在一些如醫(yī)療、自動(dòng)駕駛、軍事等對高精度有要求的領(lǐng)域。

事實(shí)上，在Scale AI崛起之前，數(shù)據(jù)標(biāo)注行業(yè)在AI領(lǐng)域長期處于“邊緣”位置，其對大量人工的需求使得外界打上了勞動(dòng)密集型產(chǎn)業(yè)的標(biāo)簽。

在大多數(shù)人看來，數(shù)據(jù)標(biāo)注行業(yè)既不“AI”，也一點(diǎn)都不“性感”。

但就是這樣一個(gè)“低門檻”的“辛苦活”，被亞歷山大在8年時(shí)間里干出了一家估值千億的AI獨(dú)角獸；在2023年《時(shí)代周刊》發(fā)布AI領(lǐng)域最具影響力的100個(gè)人物中，亞歷山大與李飛飛、黃仁勛、李彥宏等人共同入選榜單，其本人更是其中最年輕的人之一。

而在這背后，亞歷山大又是帶領(lǐng)Scale AI怎么做到的？

二、從0到估值千億，8年時(shí)間Scale AI做對了什么？

盡管數(shù)據(jù)標(biāo)注看起來是一個(gè)低門檻、勞動(dòng)密集型的行業(yè)，但在2016年的節(jié)點(diǎn)，它卻是一個(gè)為數(shù)不多的空白市場。

除了谷歌、亞馬遜等少數(shù)大廠因業(yè)務(wù)需求設(shè)立了自己的數(shù)據(jù)標(biāo)注部門外，大多數(shù)公司不愿意也沒有精力去自己管理，這導(dǎo)致標(biāo)注數(shù)據(jù)的獲取的過程耗時(shí)且昂貴。

而這也正是Scale AI“賣好鏟子”飛速發(fā)展的機(jī)會所在，并且再回顧Scale AI八年的發(fā)展歷程，其成功也可以說是天時(shí)、地利，加人和的一個(gè)結(jié)果：

1.天時(shí)

在創(chuàng)立Scale AI后，8年時(shí)間里亞歷山大帶領(lǐng)整個(gè)團(tuán)隊(duì)抓住了人工智能行業(yè)發(fā)展的幾次大風(fēng)口。

先是自動(dòng)駕駛領(lǐng)域。

2016年是AI時(shí)代的元年，也同樣是自動(dòng)駕駛周期的起點(diǎn)，在那一年Cruise被通用以超10億美元的價(jià)格收購。

關(guān)注到這一消息后，亞歷山大意識到自動(dòng)駕駛行業(yè)對于數(shù)據(jù)標(biāo)注將產(chǎn)生大規(guī)模的剛性需求——自動(dòng)駕駛技術(shù)的發(fā)展依賴于大量高精度的標(biāo)注數(shù)據(jù)，比如道路場景、行人和其他物體的圖像數(shù)據(jù)，車企需要成千上萬小時(shí)的視頻數(shù)據(jù)進(jìn)行標(biāo)注來訓(xùn)練和驗(yàn)證其算法。

“我們構(gòu)建了第一個(gè)支持傳感器融合數(shù)據(jù)的數(shù)據(jù)引擎，支持2D數(shù)據(jù)和3D數(shù)據(jù)的組合，即激光雷達(dá)加攝像頭，這些設(shè)備安裝在車輛上，這很快成為整個(gè)行業(yè)的標(biāo)準(zhǔn)。”

通過建立高效的數(shù)據(jù)標(biāo)注平臺，以及使用模型輔助標(biāo)注和數(shù)據(jù)預(yù)處理來加速了數(shù)據(jù)處理流程，使得標(biāo)注成本和時(shí)間得到大幅度降低，很快Scale AI就吸引了通用汽車、豐田和Waymo等車企的合作。

亞歷山大和Scale AI也憑此在自動(dòng)駕駛數(shù)據(jù)標(biāo)注領(lǐng)域站穩(wěn)腳跟。

而在2019~2020年期間，這個(gè)階段自動(dòng)駕駛行業(yè)技術(shù)方面已基本成熟，加上當(dāng)時(shí)語言模型和生成式AI還未誕生，人工智能領(lǐng)域處于一個(gè)高度不確定時(shí)期。

于是，亞歷山大和Scale AI開始專注于政府應(yīng)用，“這是一個(gè)顯然具有高度適用性的領(lǐng)域，并且在全球范圍內(nèi)變得越來越重要。”

也正是在進(jìn)軍新市場的過程中，Scale AI也從過去單純的數(shù)據(jù)標(biāo)記延伸到數(shù)據(jù)服務(wù)，提供從數(shù)據(jù)標(biāo)記和管理、模型訓(xùn)練和評估，再到AI 應(yīng)用開發(fā)和部署的全流程解決方案。

在之后幾年時(shí)間里，Scale AI在數(shù)據(jù)領(lǐng)域迅速崛起，客戶也擴(kuò)展到了醫(yī)療、國防、電商、政府服務(wù)等領(lǐng)域。

另外，為了應(yīng)對某些行業(yè)數(shù)據(jù)不足的挑戰(zhàn)，Scale AI還向下游延伸到合成數(shù)據(jù)的生成，通過從現(xiàn)有數(shù)據(jù)中創(chuàng)建新的數(shù)據(jù)集，幫助訓(xùn)練模型。

與此同時(shí)，Scale AI在這一階段也開始致力于生成AI，與OpenAI開展合作，在GPT-2上進(jìn)行RLHF的首次實(shí)驗(yàn)。

“當(dāng)時(shí)的模型非常粗糙，真的看起來不怎么樣。但我們認(rèn)為OpenAI是一群聰明的人，我們應(yīng)該與他們合作。所以我們與發(fā)明RLHF的團(tuán)隊(duì)合作，并從2019年開始不斷創(chuàng)新。”

2022年，ChatGPT的問世震驚世界，生成式AI領(lǐng)域迎來了大爆發(fā)——生成式AI模型需要海量的訓(xùn)練數(shù)據(jù)來提升其生成內(nèi)容的準(zhǔn)確性和多樣性，加上大語言模型的爆發(fā)式增長極大推動(dòng)了整個(gè)行業(yè)對高質(zhì)量標(biāo)注數(shù)據(jù)的需求。

而靠著和OpenAI的合作，在生成式AI賽道Scale AI已搶占先機(jī)，到了今天Scale AI更是成為了通用AI的數(shù)據(jù)鑄造廠，為OpenAI、Meta、Microsoft等行業(yè)內(nèi)幾乎所有主要的大型語言模型提供支持。

2.地利

除了抓住這些行業(yè)風(fēng)口到來的時(shí)機(jī)，亞歷山大還借助著全球化這一地利優(yōu)勢，實(shí)現(xiàn)了在數(shù)據(jù)標(biāo)注行業(yè)里的成本最小化。

因?yàn)槊绹肆Τ杀靖甙海贚inkedIn、indeed等平臺上，數(shù)據(jù)標(biāo)注的兼職時(shí)薪大多都在30-200美元之間，但作為一個(gè)勞動(dòng)密集型業(yè)務(wù)，這在客觀上就要求企業(yè)去思考解決數(shù)據(jù)生產(chǎn)問題，或者采購相關(guān)服務(wù)。

于是在2017年，Scale AI 成立了 Remotasks 作為其內(nèi)部外包機(jī)構(gòu)，在肯尼亞、菲律賓、委內(nèi)瑞拉等地設(shè)立了幾十家機(jī)構(gòu)，在世界各地培訓(xùn)了成千上萬的數(shù)據(jù)標(biāo)注員，這些標(biāo)注員的工作大部分都是按件計(jì)酬，一次標(biāo)注的收入低至幾美分，很多合約工在時(shí)薪甚至不到1美元。

曾有業(yè)內(nèi)人士指出，“Scale AI不是一家人工智能初創(chuàng)企業(yè)，它只是一家提供廉價(jià)勞動(dòng)力的公司”。

但不管外界如何質(zhì)疑，無法否認(rèn)的確是，在這樣的“全球工廠”模式下，Scale AI的毛利率長期保持在65%以上，Scale AI也成為了當(dāng)下AI領(lǐng)域?yàn)閿?shù)不多不需要燒錢，而是狂賺錢的AI初創(chuàng)企業(yè)之一。

2023年，Scale AI年化收入高達(dá)7.5億美元（約合54.3億元人民幣），預(yù)計(jì)2024年底將達(dá)到14億美元（約合101億元人民幣）。

3.人和

除了營收快速增長，創(chuàng)業(yè)8年時(shí)間，亞歷山大和Scale AI的背后還集結(jié)了一支豪華的投資人隊(duì)伍。不僅有著大半個(gè)硅谷圈大佬，也出現(xiàn)了亞馬遜、英偉達(dá)、英特爾、Meta等超級大廠。

在前文我們提到，Scale AI剛創(chuàng)立時(shí)，就分別獲得硅谷著名孵化器Y Combinator和風(fēng)投巨頭Accel的支持，前者的時(shí)任總裁山姆·奧特曼在后面的OpenAI又與Scale AI 開展了合作，而后者機(jī)構(gòu)的合伙人還曾將家里的地下室借給Scale AI臨時(shí)辦公。

而此后5、6年時(shí)間里，Scale AI也基本是一兩年就融一次資，而參與投資的機(jī)構(gòu)和個(gè)人在這個(gè)過程中顯然也不止是進(jìn)行資金上的幫助，更是在多方面都進(jìn)行了助力。

2024年5月，Scale AI再次官宣完成F輪融資，融資額10億美元，估值增長超過80%至約138億美元（約1000億人民幣），投資方陣容堪稱史詩級豪華，20多家機(jī)構(gòu)和個(gè)人：

老股東Accel領(lǐng)投，Index Ventures、Founders Fund、Coatue、Thrive Capital、Spark Capital、老虎基金、Greenoaks、Y Combinator、Wellington Management和GitHub 前首席執(zhí)行官 Nat Friedman繼續(xù)加碼，同時(shí)英偉達(dá)、Elad Gil、亞馬遜、Meta、思科、英特爾、AMD、DFJ Growth、WCM、ServiceNow Ventures也參與了此次融資。

時(shí)來天地皆同力。毫無疑問，作為這一波AI浪潮中的“閃耀群星”中的一顆，亞歷山大和Scale AI注定要留下濃墨重彩的一筆。

也正如亞歷山大在完成F輪融資后在采訪中講到的：“Scale AI為當(dāng)今市場上幾乎所有領(lǐng)先的 AI 模型提供數(shù)據(jù)支持。借助此次融資，公司將進(jìn)入旅程的下一階段——加速豐富前沿?cái)?shù)據(jù)，為通用人工智能鋪平道路。”

而解決人工智能的數(shù)據(jù)問題將是他一生為之奮斗的事業(yè)。

三、中國為什么沒有Scale AI的誕生？

事實(shí)上，看完Scale AI的發(fā)展故事，大多數(shù)人可能會產(chǎn)生的一個(gè)疑問是，為什么中國沒有類似于Scale AI這樣的企業(yè)誕生？

尤其是在生成式AI熱潮前，國內(nèi)的人工智能行業(yè)在應(yīng)用方面一度領(lǐng)先，并且數(shù)據(jù)標(biāo)注作為勞動(dòng)密集性企業(yè)，中國天然就有優(yōu)勢。所以為什么呢？

總體來看，這背后有幾方面的原因：

1.“資源陷阱”

這里先引入一個(gè)“資源陷阱（詛咒）”的概念，什么是資源陷阱，就是指一個(gè)國家或地區(qū)擁有豐富的自然資源，但因?yàn)檫^度依賴這些資源，忽視了其他潛在的經(jīng)濟(jì)增長領(lǐng)域，如制造業(yè)、服務(wù)業(yè)和技術(shù)創(chuàng)新等，導(dǎo)致經(jīng)濟(jì)發(fā)展單一、結(jié)構(gòu)不合理，同時(shí)隨著這種自然資源枯竭或市場需求下降，經(jīng)濟(jì)可能會遭受嚴(yán)重打擊。

典型的例子便是委內(nèi)瑞拉、俄羅斯，它們依靠石油、天然氣等賺取大量的外匯，但除了能源行業(yè)外，其它的經(jīng)濟(jì)產(chǎn)業(yè)都非常落后，這種國家也被稱為“資源詛咒型國家”

一定程度上，在AI數(shù)據(jù)標(biāo)注行業(yè)，國內(nèi)也陷入了這種資源豐富的“詛咒”。

事實(shí)上，國內(nèi)的數(shù)據(jù)標(biāo)注業(yè)務(wù)也很早就起步發(fā)展了，但并沒有形成規(guī)模。很多龍頭企業(yè)雖然成立了數(shù)據(jù)標(biāo)注部門，但主要是為自身業(yè)務(wù)服務(wù)，而并不是尋求將數(shù)據(jù)與各個(gè)行業(yè)進(jìn)行資源匹配；

加上依靠國內(nèi)的人口紅利，讓標(biāo)注后的數(shù)據(jù)獲取成本變得十分低廉，哪怕是今天國內(nèi)的數(shù)據(jù)標(biāo)注價(jià)格依舊偏低，拿重慶這種新一線城市來說也僅為4~6k/月。

在這種情況下采用技術(shù)平臺或者進(jìn)一步研發(fā)來提高數(shù)據(jù)標(biāo)注或是從標(biāo)注行業(yè)進(jìn)一步向上延展創(chuàng)新，對于處在市場競爭中的企業(yè)而言，可能反而是得不償失的做法。

但一旦在這個(gè)階段錯(cuò)過了對數(shù)據(jù)標(biāo)注行業(yè)的技術(shù)創(chuàng)新或沉淀，也許就永遠(yuǎn)地錯(cuò)失了創(chuàng)新升級的機(jī)會了。

2.生態(tài)不足

這里的生態(tài)不足體現(xiàn)在兩個(gè)方面，一是單純從語言生態(tài)來講，必須要承認(rèn)，英文的使用范圍是全球，而中文的使用范圍更多還是在國內(nèi)以及海外的部分華人。

所以在數(shù)據(jù)標(biāo)注這一產(chǎn)業(yè)上，Scale AI天然就有了優(yōu)勢，站在資本的高地，在全球范圍內(nèi)尋找著價(jià)值洼地，而國內(nèi)哪怕是有人口紅利，這成本優(yōu)勢終究更高，且在資本（投融資）方面也沒有占據(jù)高地。

另外，需要提到的是在數(shù)年前，隨著移動(dòng)互聯(lián)網(wǎng)格局的成熟，國內(nèi)互聯(lián)網(wǎng)生態(tài)在當(dāng)時(shí)也進(jìn)一步走向了對抗封閉，而這也使得數(shù)據(jù)在流通上出現(xiàn)了阻礙，甚至可以說當(dāng)時(shí)的數(shù)據(jù)標(biāo)注行業(yè)也被迫參與到這種對抗封閉的生態(tài)中去，各為其主、各自而戰(zhàn)，無法形成有效的、規(guī)模性的創(chuàng)新力量。

3.視野局限

對于數(shù)據(jù)標(biāo)注行業(yè)，站在當(dāng)時(shí)那個(gè)節(jié)點(diǎn)，只有少數(shù)人能因?yàn)橄嘈哦匆姟?/strong>

在國外，也只有亞歷山大等寥寥幾人，在國內(nèi)這樣的人顯然就更少了。

事實(shí)上，大多數(shù)參與到數(shù)據(jù)標(biāo)注行業(yè)中的人，更多就是秉持著過往的勞動(dòng)密集型產(chǎn)業(yè)的邏輯，靠著“內(nèi)卷”來實(shí)現(xiàn)生存以及盈利的。

但是亞歷山大不同的是，盡管行業(yè)邏輯是勞動(dòng)密集型的特點(diǎn)，但對于他而言，這只是最基礎(chǔ)的一點(diǎn)，是作為構(gòu)建起整個(gè)數(shù)據(jù)行業(yè)上下游生態(tài)的一個(gè)跳板。正如其在最近的訪談中談到，人們已經(jīng)用盡了互聯(lián)網(wǎng)上的所有數(shù)據(jù)，想要開發(fā)出比GPT-4.5更強(qiáng)大的人工智能，則必須構(gòu)建前沿?cái)?shù)據(jù)。

所謂的“前沿?cái)?shù)據(jù)”是指那些與應(yīng)用場景密切相關(guān)、能及時(shí)反映最新趨勢和變化的數(shù)據(jù)，往往包含大量長尾或少見的場景，有助于提升AI在非典型情況下的表現(xiàn)，推動(dòng)人工智能能力的邊界向復(fù)雜推理、多模態(tài)等方向發(fā)展。

隨著AI的快速進(jìn)化，未來的數(shù)據(jù)訓(xùn)練需要更多地與特定任務(wù)、特定應(yīng)用場景相匹配，因此也需要挖掘和生產(chǎn)出更多新的、差異化的數(shù)據(jù)，而這可能也正是亞歷山大在2016年時(shí)就看到的未來。

從這個(gè)角度來看，Scale AI作為一面鏡子，其從最“廉價(jià)”的行業(yè)中成長為一個(gè)估值千億的AI獨(dú)角獸企業(yè)有太多可以學(xué)習(xí)的地方了。

參考資料：

[1].從麻省理工輟學(xué)，他干成億萬富翁，環(huán)球人物

[2]. 估值1000億，輟學(xué)90后華裔天才，剛剛?cè)诹?2億，融中財(cái)經(jīng)

[3]. 給AI公司“打雜”，95后華人把估值做到138億美元

[4]. 95后，一舉融資70億，投資界

排版| 小元| 微瀾主編| 孫允廣