不融资、无销售,却爆赚10亿美金,这家华人公司,估值1000亿
这可能是整个AI圈最低调、也最赚钱的独角兽。
它没有融资,没有销售团队,也没有市场公关部门,却悄悄成了服务OpenAI、Anthropic、Google等一众明星公司。
它就是Surge AI。
Surge AI成立于2020年,创始人是一位华人面孔——Edwin Chen,麻省理工毕业,曾在华尔街对冲基金、Google、Facebook做算法,一路走到AI最前线。32岁那年,他选择亲自下场创业。
如今,Surge AI的赚钱效率比大热的Scale AI还高。
团队规模超1200人的Scale AI,年收入为8.5亿美元。而Surge AI只靠120人的团队,就把年收入做到了超过10亿美元。
据路透社报道,SurgeAI正启动首轮融资,目标募资10亿美元,估值或达150亿美元(约合1000亿元人民币)。
不出意外,我们又将见证一家AI领域千亿公司的诞生。
不融资、无销售,靠120人做到10亿美金
毫不夸张的说,在AI创业圈,Surge AI是个难得的“异类”。
从创业伊始,创始人Edwin Chen就做了一个“反硅谷”的决定:不要VC的钱。
▲Surge AI 创始人Edwin Chen(来源:Inc.com)
整个公司成立之初,只靠他自己拿出的2500万美元自力运营。
不仅如此,在成立很长一段时间里,公司连一个专职销售都没有,增长完全靠“自来水”传播。
第一个客户,来自Edwin的人脉圈。当这个实验室拿到数据后,发现质量远超市面所有供应商,于是很快推荐给了同行。
就这样,一家无融资、无销售的小公司,靠数据质量打动了OpenAI,随后是Anthropic、Google、Microsoft……十传百,成了AI圈“只推荐、不吆喝”的标注底座。
Surge AI团队规模很小,年收入超过10亿美元,团队规模才只有120人。
作为对比,Scale AI团队规模高达1200人,是Surge AI的十倍,年收入却为8.5亿美元,没能赢过SurgeAI。
为什么Surge AI会选择这种“慢”模式?
Edwin Chen的观点很直接:“创业不该是一个地位游戏。”
他是MVP(最小可用产品)理念的坚定信仰者。他认为,90%的创业者在还没搞清产品有没有价值前,就已经在朋友圈吹牛说自己融资千万,登上TechCrunch头条。但这对用户没有半点意义。
而Surge AI从第一个月开始就盈利,不需要钱,更不希望销售去“推”产品。他们要的是客户因为真正理解高质量数据的价值,才决定长期合作。
没有了增长的压力,Surge AI从第一天开始就围绕“隐私优先、安全第一”构建,不用为资本扩张让步,也不用为利润最大化牺牲客户数据。
在医疗、政府等领域,客户要求数据全链路“物理隔离”,Surge AI的工作流——SOC II认证、专家专属标注通道,完全符合合规要求。
这套高度定制、零妥协的体系,也和Anthropic等“安全主义”实验室天然对路。如今,它已成为这些最重视AI伦理与数据治理机构的首选供应商。
当然,Surge AI能赢下AI数据之战不仅靠的是安全合规,还有其建立的高质量数据体系。
SurgeAI如何赢下数据之战?
大模型发展到了如今的阶段,模型能力的边界,往往不是卡在参数量上,而是卡在数据质量上。
很多人以为合成数据是万能的。它确实有用,但有个致命缺陷:合成数据只能让模型擅长解决“合成问题”,却解决不了真实世界的问题。
现在很多模型都是这样,基准测试成绩漂亮得不得了,可一落到实际场景,就漏洞百出。
越来越多公司找上Surge AI,说他们花了一年时间用合成数据训练模型,结果全错了。现在不得不花好几个月去清理那些废数据。
想让模型写得像人、想得像人、判断得像人,必须喂它真正像人一样看世界的数据。以前那种“AI包工头”模式早就跟不上了。靠人海战术堆数据,已经没法让模型学到真本事。
Surge AI很早看清楚了这个趋势,比谁都快地完成了这场转型。
它砍掉了低质流水线,转而搭建起一个叫“Surge Force”的精英网络。
看上去好像就是一个数据标注的活,但这可不是什么人都能干的。毫不夸张的说,想进这个网络,比申请常春藤还难。
比如,OpenAI著名的数学数据集GSM8K,Surge会优先选择具备数学或STEM学位的标注员,如来自MIT等藤校的大学生。
有了专业背景还不够,所有标注员还需提交5道试写题目,经另一名资深标注员审核通过后才可加入团队。
之所以要求这么高,想要让模型真正搞懂一件事情,必须靠专业的人来完成。所以,Surge AI请了很多律师、教师、工程师、多语种专家…来干这些“脏活累活”。
就是这种近乎苛刻的标准,让Surge AI的数据质量一直稳得可怕。很多客户说,Surge AI交付的几千条人工数据,比他们之前买到的上百万条合成数据更有价值。
除了招揽更多的专业人才,Surge AI在技术层面也做了创新。
SurgeAI自研了一套动态标注引擎。它能读懂黑话、抓住meme背后的文化内涵,甚至对就像遇到“how dare you!”这样的句子,它也能分清这是愤怒、调侃还是夸张。
不仅看得准,还查得严。Surge AI独创“小数点后”级质控技术,准确率比Scale AI(98%)还要高。
Surge AI通过背靠背标注、多轮仲裁、AI辅助校验,锁定99.99%准确率。某企业旧NLP数据集经Surge AI重标,文本分类准确率显著提升,效果远超普通优化。
RLHF(人类反馈强化学习)是让大模型“懂人话”的关键步骤。Surge AI在这方面也走得比别人更远。
它不光能做偏好排序、奖励建模,还能安排红队攻击,专门喂给模型一些“刁钻”数据,逼它长记性。Anthropic团队就说过,SurgeAI的数据质控和RLHF工具,直接让Claude的性能实现了突破。
除了数据质量高外,Surge AI效率还出奇的高。
据了解,某客户一次下了5000条多轮情感标注任务,按200条一批发给Surge AI。结果第一批不仅按时交付,而且质量超标,于是Surge AI顺理成章地接下了后续合作。
总结
总的来说,SurgeAI的爆发,并非偶然。它踩中了四个关键趋势:
首先是卡位高质量数据刚需。
RLHF火了,高质量人类反馈变成模型性能的“命门”。客户说得更直白:“没Surge AI的数据,我们根本构不出现在的模型。”
其次,Sugre AI的技术质量为其建立起高壁垒定价权。
精英网络与99.99%质量目标构建极高壁垒,客户对“小数点后精度”的刚性需求(AI安全容错率极低)赋予强议价能力。
第三,Surge AI的商业模式也有着高利润可复制。
其深度嵌入客户训练管道后,产生持续性、高粘性重复收入——数据是持续消耗品。
最后,中立性定位为它在行业格局中也抢到了一席之地。
Meta重资押注Scale AI,直接引发OpenAI、Google等对“数据经手竞争对手”的担忧,订单大规模转向中立替代方Surge AI,成为其2024年收入反超Scale AI的爆点催化剂。
在AGI的终极竞赛中,真正能影响AI价值观的,不是模型架构,而是谁掌握了人类反馈的数据命脉。而SurgeAI,就是那个掌握AI命脉的玩家。
本文来自微信公众号“乌鸦智能说”,作者:智能乌鸦,36氪经授权发布。