隨著 Meta 豪擲 143 億美元收購數據標注公司 Scale AI 近半股份，所有目光都集中在 Scale AI 創(chuàng)始人亞歷山大·王（Alexandr Wang）身上。

他年紀輕輕、身披“數據標注領域領軍人物”的光環(huán)，受邀加入 Meta 核心 AI 團隊，已然成為新晉“硅谷紅人”。

然而，在數據標注領域，無論是行業(yè)認可度還是營收規(guī)模，風頭正勁的 Scale AI 都不是真正的老大。

這個寶座屬于 Surge AI：一家成立五年沒有融資、過去兩年幾乎不發(fā)新聞稿、員工僅為對手十分之一的神秘公司，卻悄悄實現(xiàn)了超過 10 億美元的營收。

而它的創(chuàng)始人同樣是華人，只不過選擇了一條“大隱隱于市”的路線。

（來源：The Information）

Surge AI 的創(chuàng)始人兼 CEO 埃德溫·陳（Edwin Chen）似乎是一位低調且富有詩意的工程師。

他為 Surge AI 的工作設定了一個崇高的目標：用真正的“創(chuàng)造力和偶然性”來開發(fā) AI。

圖 | 埃德溫·陳（Edwin Chen）（來源：資料題）

37 歲的埃德溫擁有美國麻省理工學院數學與計算機科學背景，曾在 Facebook、Dropbox、Google 和 Twitter 擔任研究員、機器學習工程師等職位，負責開發(fā)推薦和搜索算法，并幫助收集訓練這些算法所需的數據。

（來源：LinkedIn）

在 Facebook，他曾因等待 6 個月仍無法獲得可靠標注數據而感到無奈，而且在他看來，最后獲得的數據“完全是垃圾”。正因如此，這段挫敗經驗成為了日后創(chuàng)辦 Surge AI 的動力之一。

（來源：Quora）

埃德溫在 2020 年離開 Twitter，并自掏腰包創(chuàng)立 Surge AI，至今未接受任何風險投資（也有一種說法是拿到了 2500 萬美元融資）。

他希望打造一套新型的人類數據平臺，不只是提高標注效率，更要讓 AI“理解”人類語言中的情感與風格?！霸诶硐胧澜缰?，一個模型可以接受一個關于月亮的八行詩的提示，并寫出一首讓人落淚的詩。”

圖 | Surge AI 的使命（來源：Surge AI 官網）

值得一提的是，Surge AI 另一位核心創(chuàng)始成員約瑟夫·李（Jefferson Lee）同樣是華人，目前領導數據標簽和內容審核產品，涵蓋幫助客戶評估大語言模型、內容審核，以及訓練垃圾郵件和仇恨言論分類器。

他曾是 Airbnb 信任與安全機器學習團隊的早期工程師，本科畢業(yè)于美國哈佛大學計算機科學系。

圖 | Surge AI 創(chuàng)始團隊（來源：Surge AI，官網機翻）

目前，成立五年的 Surge AI 僅有 110 名員工，卻已成為數據標注領域的頭部公司，不僅入選了福布斯 2023 AI50 榜單，還持續(xù)保持盈利。

2024 年，Surge AI 營收首次突破 10 億美元，超過了 Scale AI 的 8.7 億美元。

Surge AI 的客戶包括 OpenAI、Anthropic、Meta、Google、Microsoft 等 AI 行業(yè)巨頭。

與其他高調的硅谷 AI 初創(chuàng)公司相比，Surge AI 幾乎不做公開宣傳，創(chuàng)始人很少高調出席活動，不在 X 等社交平臺上活躍（上次更新時間甚至追溯到 1-2 年前），也極少接受采訪。

（來源：X）

一位曾與之合作的科技公司高管這樣形容他們：“無聊，但無聊得讓人安心。他們很擅長把事情做好，我也不用擔心 CEO 突然有一天上了新聞頭條。”

Surge AI 主要從事大語言模型訓練所需的數據標注工作，完美踩中生成式 AI 發(fā)展的主線，其核心能力在于“通過人類反饋數據實現(xiàn)強化學習”，即所謂的 RLHF。

Surge AI 尤其擅長構建高質量的人類反饋數據，提升模型的安全性、風格一致性與復雜任務應對能力。其客戶任務覆蓋編程、數學、法律等專業(yè)領域。

圖 | Surge AI 回應 Scale AI 被收購一事（來源：Surge AI）

與傳統(tǒng)標注公司最大不同在于：Surge AI 并非僅提供數據，而是提供“理解”。

比如，在協(xié)助企業(yè)訓練代碼生成模型時，其標注者不僅要寫出正確代碼，還要給出邏輯清晰、格式統(tǒng)一、語言風格一致的解釋，以確保 AI 產出也能“寫得像人”。

Surge AI 的具體工作流程外界知之甚少，但綜合公開資料來看，他們會采用多重交叉審核、故意設置無正確答案的題目、跟蹤鼠標軌跡、用詞分析等手段監(jiān)控標注質量。

同時，其對標注人員和團隊成員的選擇極為嚴苛，強調領域知識背景，尤其青睞具有碩博學位的人才。

圖 | Surge AI 的合作案例（來源：Surge AI）

OpenAI 三年前發(fā)布的知名 GSM8K 數據集，就是 Surge AI 的代表性案例之一。

Surge AI 為 OpenAI 的強化學習團隊制作了一個包含 8,500 道小學數學題的數據集，用于訓練 GPT-3 等模型理解自然語言數學問題的解題邏輯。

Surge AI 不僅負責設計題目，還為每道題編寫詳細解法，確保數據既符合邏輯也具備教學性。該數據集隨后也被 Google 等用于 PaLM 和 Chain-of-Thought 研究中。

圖 | Surge AI 展示的數據標注案例（來源：Surge AI）

為了確保問題的邏輯性與多樣性，Surge AI 建立了由數學或 STEM 背景人員組成的標注團隊，并對前期提交結果進行雙人交叉審核。同時，通過語義相似度計算機制剔除重復或結構雷同的題目，確保訓練數據的廣泛覆蓋與風格一致性。

另一個代表性案例是與 Anthropic 的合作：Surge AI 是 Anthropic 開發(fā) Claude 過程中 RLHF 數據采集的主要平臺，Anthropic 研究員稱其為“研究突破的關鍵因素之一”。

Surge AI 介紹稱，其提供的解決方案包括：

• 專有質量控制技術，用于規(guī)避低質量數據對模型訓練的長期影響；
• 高學歷領域專家團隊，可處理包括數學、編程、法律、醫(yī)學在內的復雜標注任務；
• 快速實驗接口，允許研究團隊靈活迭代新任務，無需長時間撰寫指導文檔；
• 紅隊工具，用于模擬攻擊行為并測試現(xiàn)有安全防線；
• RLHF 專業(yè)能力，將團隊在多個實驗中總結出的經驗用于保證數據的一致性與效果。

（來源：Surge AI）

據透露，Surge AI 的標注費用通常為行業(yè)水平的 2 至 5 倍，但客戶仍愿意為其服務質量與交付穩(wěn)定性買單。

其競爭對手、凱鵬華盈（Kleiner Perkins）投資的 Handshake 公司的創(chuàng)始人加勒特·洛德（Garrett Lord）也承認，Surge AI 是“行業(yè)龍頭”。

Surge AI 主要采用全流程交付模式，從數據任務定義、標注者篩選、界面工具提供、質量審查到最終輸出，均由 Surge AI 承擔，客戶可實現(xiàn)“按下按鈕即獲得結果”。

據透露，2023 年 Meta 的生成式 AI 團隊向 Surge AI 支付超過 1.5 億美元用于數據標記工作，而后者負責“從頭到尾”的整個流程。

這種模式使其成為 OpenAI、Anthropic、Meta 等大模型頂級玩家的長期合作方。盡管沒有公開估值，但若以 Meta 對 Scale AI 的 290 億美元估值為參考，Surge AI 的估值基本是同一水平。

不過，隨著行業(yè)的成熟，Surge AI 也面臨內外部競爭壓力。

一方面，越來越多廠商采用模型蒸餾（distillation）等自動方法減少對人工標注依賴，也有客戶因 Surge AI 產能有限而尋求其他渠道。

另一方面，數據標注公司越來越多，價格競爭加劇。同時，Surge AI 也在今年 5 月卷入了訴訟，被指控“故意”將數據標注員定義為獨立合同工，剝奪了他們“享受正式員工福利”的權利。

盡管如此，Surge AI 的行業(yè)地位仍難以撼動。

“人們往往真的低估了這個領域?！卑５聹卦诮邮懿稍L時說，“他們認為人類很聰明、普通的博士也很聰明，所以他們招募 10 萬個標注員，讓他們肆意發(fā)揮。但我們發(fā)現(xiàn)事實并非如此。”

在“爆款故事+創(chuàng)始人 IP”的硅谷創(chuàng)業(yè)游戲里，Surge AI 反其道而行之：不講融資神話、不追逐新聞頭條，靠極致產品實力走出了一條成熟的 AI 基礎設施之路。

如果說 Scale AI 代表了數據標注領域的硅谷敘事范式，那 Surge AI 就代表了一種更安靜、更務實、更接近底層價值創(chuàng)造的技術信仰。

也許，這才是那條通往 AGI 的路。

參考資料：

https://web.archive.org/web/20250405111034/https://www.Surge AIhq.ai/blog/how-we-built-it-openais-gsm8k-dataset-of-8500-math-problems

https://web.archive.org/web/20250405110902/https://www.Surge AIhq.ai/blog/anthropic-Surge AI-ai-rlhf-platform-train-llm-assistant-human-feedback

https://web.archive.org/web/20250403191504/https://www.Surge AIhq.ai/customers

https://web.archive.org/web/20250603224155/https://www.Surge AIhq.ai/about

運營/排版：何晨龍