Scale AI创始人谈数据、浪潮与通用人工智能的真实路径

在这期《No Priors》播客中，Scale AI CEO Alexandr Wang回顾了公司从“AI的数据工厂”起步的关键判断，并分享了他对AI浪潮演进、数据瓶颈与AGI路径的冷静思考。这是一场少见地把技术现实、商业节奏与责任问题放在同一框架下的对话。

为什么“数据工厂”是AI最早、也最被低估的基础设施

要理解Scale AI的独特性，必须先回到起点。对话一开始，主持人就抛出了一个看似朴素的问题：为什么要从“数据”做起？Wang的回答并不花哨，他把Scale AI最初的定位称为“the data Foundry for AI”。这里的Foundry并不是比喻，而是一种方法论：在模型之前，先解决数据的生产、清洗和标准化。

这一点在早期并不被广泛理解。很多人把AI的价值等同于算法本身，但Wang强调，模型的上限往往由训练数据决定。早期自动驾驶、计算机视觉等“Prime Time AI use case”，真正卡住进度的并不是模型结构，而是高质量、可规模化的数据供给。Scale AI的前瞻性在于，它押注的是一个长期趋势：只要AI持续演进，数据就会成为最稀缺、也最具杠杆效应的资源。

他也坦承，这种判断在当时并不显然，甚至显得有些逆势。但正是这种对底层约束的敏感，让Scale AI在后来的多轮AI浪潮中始终站在“卖铲子”的位置。

从2019年前后开始，AI浪潮为何突然加速

对话中一个重要的时间节点被反复提及：2019年前后。Wang用“quite incredible”来形容那之后的变化速度。这并不是单一技术突破的结果，而是多种因素的叠加：算力提升、模型规模扩大，以及更重要的——数据生产能力的成熟。

在他看来，AI并不是线性进步的技术，而是典型的“波浪式前进”。你会看到一段时间的沉寂，随后是能力的突然跃迁。Scale AI的经历，某种程度上就是“surfing multiple waves”的过程：从早期的视觉数据标注，到更复杂的多模态、复杂任务数据，需求在不断升级。

这里有一个容易被忽略的细节：浪潮之所以能被“踩中”，并不是因为预测了所有应用，而是抓住了不变的底层需求。Wang反复强调，具体用例会变，但高质量数据始终是燃料，“fuel the future of this industry”。

通往AGI的现实瓶颈：不是想象力，而是生产能力

当话题转向通用人工智能（AGI），讨论明显变得更加谨慎。Wang并没有给出时间表式的预测，而是先指出“somewhat fundamental limitation”。在他看来，当前系统的瓶颈并不完全在模型结构，而在于我们是否具备持续、可靠地“生产”训练所需数据的能力。

这也是他提出要认真讨论“data production”的原因。AGI并不是靠一次性突破实现的，而是通过无数轮迭代逼近的结果。如果数据生成、验证、反馈的链条无法规模化，模型能力就会遇到天花板。正因如此，他认为围绕数据的工程体系，和模型本身一样重要。

在快问快答（quickfire）环节中，他用一句话点出了目标的方向：“to ultimately result in AGI”。这不是口号，而是一个需要长期投入、且高度依赖基础设施建设的过程。

能力越强，责任越重：AI发展的另一条主线

技术讨论之外，这期播客还有一条清晰的价值线索。Wang在谈到未来发展时，主动引用了那句耳熟能详的话：“with great power comes great responsibility”。在他看来，这并非道德装饰，而是现实约束。

随着AI能力增强，其影响范围已经远超实验室和单一行业。数据如何获取、如何标注、如何避免系统性偏差，都会被放大成社会问题。这也是为什么他认为，基础设施型公司在技术之外，必须对流程和标准负责。

在节目后段，主持人问到“state of AI”和即将到来的新进展时，Wang并没有给出夸张的承诺，而是回到一个核心判断：任何新的能力发布，都必须建立在可靠、可控的底层之上。这种克制，反而构成了他对行业未来的信心来源。

总结

整场对话并没有追逐热点式的预测，而是反复回到一个朴素的问题：AI真正的约束在哪里？Alexandr Wang给出的答案始终一致——在数据、在生产能力、也在责任边界。对读者而言，最大的启发或许是：当所有人都在讨论模型有多聪明时，真正决定长期胜负的，往往是那些不那么显眼、却最难规模化的基础工作。

关键词： Scale AI， Alexandr Wang， 数据基础设施， 通用人工智能， AI发展责任

事实核查备注： 视频标题：No Priors Ep. 65 | With Scale AI CEO Alexandr Wang；频道：No Priors；发布时间：2024-05-22；关键时间点：2019年前后（原话提及）；关键原话引用：“the data Foundry for AI”“with great power comes great responsibility”“to ultimately result in AGI”；主题：通用人工智能（AGI）、数据生产、AI基础设施。