Tech

La startup di etichettatura dei dati Scale AI raccoglie $1 miliardo mentre la valutazione raddoppia a $13.8 miliardi

Scale AI, che fornisce servizi di etichettatura dei dati alle aziende che desiderano addestrare modelli di machine learning, ha raccolto una serie F da $1 miliardo da una serie di grandi investitori istituzionali e aziendali di fama che includono Amazon e Meta.

La raccolta fondi è una combinazione di finanziamenti primari e secondari, ed è l'ultimo di una serie di grandi investimenti in venture capital nell'ambito dell'AI. Amazon ha di recente chiuso un investimento di $4 miliardi in Anthropic, rivale di OpenAI, mentre aziende come Mistral AI e Perplexity stanno raccogliendo round da miliardi di dollari a valutazioni elevate.

Prima di questo round, Scale AI aveva raccolto circa $600 milioni nella sua storia di otto anni, incluso un round di serie E da $325 milioni nel 2021 che lo ha valutato a circa $7 miliardi - il doppio della valutazione della serie D nel 2020. A tre anni di distanza, e nonostante le avversità che lo hanno portato a licenziare il 20% del personale l'anno scorso, Scale AI è ora valutato a $13.8 miliardi - un segno dei tempi, poiché gli investitori si affannano ad andare avanti nella corsa all'oro dell'AI.

La serie F è stata guidata da Accel, che ha anche guidato la serie A dell'azienda e ha partecipato a round di venture successivi.

Oltre ad Amazon e Meta, Scale AI ha attratto una serie di nuovi investitori: i bracci di venture di Cisco, Intel, AMD e ServiceNow hanno partecipato, così come DFJ Growth, WCM e l'investitore Elad Gil. Molti dei suoi investitori esistenti sono anche tornati: Nvidia, Coatue, Y Combinator, Index Ventures, Founders Fund, Tiger Global Management, Thrive Capital, Spark Capital, Greenoaks, Wellington Management e l'ex CEO di GitHub, Nat Friedman.

Investendo nell'importanza crescente dei dati

I dati sono il sangue vitale dell'intelligenza artificiale, motivo per cui le aziende specializzate nella gestione e nel trattamento dei dati stanno andando bene in questo momento. Proprio la scorsa settimana, Weka ha annunciato di aver raccolto $140 milioni a una valutazione post-money di $1.6 miliardi per aiutare le aziende a costruire pipeline dati per le loro applicazioni di intelligenza artificiale.

Fondata nel 2016, Scale AI combina il machine learning con la supervisione 'uman-in-the-loop' per gestire e annotare grandi volumi di dati, che sono vitali per l'addestramento dei sistemi AI in settori come i veicoli autonomi.

Crediti immagine: Scale AI / Pagina di gestione di Autotag

Ma la maggior parte dei dati è non strutturata, e i sistemi di intelligenza artificiale trovano difficile utilizzare tali dati immediatamente. Deve essere etichettato, il che è un impegno intensivo delle risorse, specialmente con grandi set di dati. Scale AI fornisce alle aziende dati correttamente annotati e pronti per l'addestramento dei modelli. Si specializza anche per settori diversi con esigenze diverse - un'azienda di auto a guida autonoma probabilmente avrà bisogno di dati etichettati da telecamere e lidar, mentre i casi d'uso di elaborazione del linguaggio naturale (NLP) avranno bisogno di testo annotato.

I clienti dell'azienda includono Microsoft, Toyota, GM, Meta, il Dipartimento della Difesa degli Stati Uniti e, dallo scorso agosto, OpenAI, produttore di ChatGPT, che sta utilizzando Scale AI per consentire alle aziende di ottimizzare i suoi modelli generativi di testo GPT-3.5.

Scale AI afferma che utilizzerà i nuovi fondi per accelerare 'l'abbondanza di dati di frontiera che spianeranno la nostra strada verso l'intelligenza artificiale generale'.

'L'abbondanza di dati non è predefinita - è una scelta', ha dichiarato il CEO e co-fondatore di Scale AI, Alexandr Wang, in un comunicato stampa. 'Richiede di unire le migliori menti in ingegneria, operazioni e intelligenza artificiale. La nostra visione è quella di un'abbondanza di dati, in cui abbiamo i mezzi di produzione per continuare a scalare LLM di frontiera di molti ordini di grandezza. Non dovremmo essere limitati dai dati per arrivare a GPT-10.'

Related Articles

Back to top button Back to top button