先亮个结论：在数据标注这个赛道，真正低调赚钱的，可能不是大家熟知的Scale AI，而是一家名字更低调的公司——Surge AI。

说出来你可能不信，这家公司年营收超过10亿美元，比Scale AI同期的8.7亿美元还要高出一截。更让人意外的是，它至今没有拿过一分钱融资，员工数也只有Scale AI的十分之一左右，却实现了远超后者的营收规模。

在烧钱成风的AI行业里，零融资、高营收、高利润的模式，简直是一个异类。

约1/10的员工，撑起超Scale AI的营收

Surge AI的创始人叫埃德温·陈（Edwin Chen），一位80后华人。37岁的他，没有接受过任何投资人的钱，完全靠自有资金和业务滚动，把公司从2020年做到了今天。公司现有110名员工，在纽约和旧金山设有办公室。

▲Surge AI创始人埃德温·陈（Edwin Chen）

据内部员工透露，2024年Surge AI的营收突破了10亿美元大关，超过了Scale AI同期公布的8.7亿美元。更重要的是，创始人陈表示，Surge AI从成立第一天起就是盈利的——这与Scale AI靠巨额融资支撑的扩张路径完全不同。

当然，目前Surge AI的其他财务细节还不清楚，比如在支付给大量外包工人薪酬之后，最终的净利润有多少。但如果哪天Surge AI真的接受融资，按照Scale AI的估值逻辑来看，陈很可能直接跻身亿万富翁俱乐部。

Surge AI的主营业务是数据标注服务。它雇佣大量外包人员，负责给AI模型的回复进行评分，或者编写数学、编程、法律等专业领域的问题和答案，以此“教”会AI什么是高质量的回答。旗下子公司Data Annotation Tech在官网上喊出的口号很直接：“按自己的时间表训练AI，并获得报酬”，时薪起价为20美元。

陈把Surge AI定位成一家高端服务商，收费通常是Scale AI的2到5倍。价格虽高，但客户看重的是质量。一位Scale AI的前员工说，在客户对标签质量的抽查中，Surge AI的表现通常优于Scale AI。连竞争对手、凯鹏华盈投资的Handshake公司老板加勒特·洛德都承认，陈是“这个领域的头号玩家”。

一句话：人员精简，但交付漂亮。

一位MIT出身的华人，为什么选择在这个领域创业？

埃德温·陈毕业于麻省理工学院，主修语言学与数学。毕业后，他在Facebook、Dropbox、Google、Twitter等大厂都待过，担任机器学习工程师，负责开发推荐算法、搜索算法，以及收集训练这些算法所需的数据。

大公司资源固然雄厚，但陈遇到的烦恼一点没少。比如在Facebook时，他负责做一个Yelp的竞品。团队需要训练一个能正确分类商家的模型——比如区分餐馆和杂货店。他们需要一个包含5万家准确标注商家的数据集。结果发现，要是找外部公司来做，得等六个月。

“除了等，我们别无选择。”陈事后回忆说。等数据集终于拿到手，更糟心的事情来了：系统把餐馆标成了咖啡店，又把咖啡店标成了医院。“这些数据完全是垃圾。”他说。

2020年，陈离开Twitter，用自己的积蓄和之前合作过的标注承包商，白手起家创办了Surge AI。与Scale AI最初主攻自动驾驶视觉数据不同，陈选择的是语言建模方向。这个方向选择，现在看来无比精准。

公司成立不到一年，OpenAI就找上门来。双方联手发表了一篇研究论文，核心工作就是通过数据标注来微调模型，教它们如何避免输出有害内容，比如带有种族偏见的语言。到了2022年，Anthropic也成了客户，主要为了评估大型语言模型能否帮助人类监控其他AI——说白了，就是做类人AI背景下的安全检测。

数据标注还能让模型的回复保持风格一致。一位企业技术客户提到，他们曾委托Surge AI编写代码和相关的解释说明。对于Surge AI为什么能这么快产出高质量数据，这位客户说得很实在：“我和云服务商合作时也一样，不知道他们内部是如何运作的，但只要按下按钮，结果就令人满意。”

数据标注公司通常会采用多种手段来保证质量，比如随机插入没有正确答案的问题，或者安排多个标注员对同一个正确答案达成一致。审核人员的作用也越来越重要。模型开发者们越来越需要具有专业素养的人，比如在计算生物学、理论物理学等前沿领域撰写问答示例。

至于Surge AI具体怎么管理标注员质量，陈没有透露太多细节。但他提到，除了初审流程外，公司会持续评估员工，并且可以利用多种指标来判断回复质量，比如员工使用的词汇，甚至光标的移动轨迹。

一个重要的信号是，去年，Meta的生成式AI团队向Surge AI支付了超过1.5亿美元，用于数据标注工作——涵盖从项目启动到交付的完整流程。这个数字，已经和Meta在Scale AI那边花费的2亿美元左右相差无几。

风光背后，四大隐忧正在逼近

Surge AI眼下势头很猛，但真正能走多远，还得看它怎么应对接下来这几道坎。

第一大隐忧：员工诉讼。上个月，Surge AI在加州遭遇了一场来自外包员工的集体诉讼。原告指控公司把员工归为外包的做法不合理，要求公司支付培训课程、资格考试等培训投入费用。这个套路，和当年网约车司机与平台之间的纠纷如出一辙。Scale AI和其他数据标签公司同样面临类似的诉讼。陈的回应是：许多高学历外包员工，尤其是博士和硕士，正是因为Surge AI能提供与他们专业领域相关的项目，才主动选择这里。

第二大隐忧：产能饱和。有客户反馈，Surge AI经常处于“满负荷预订”状态，要承接项目，客户得提前承诺数百万美元的投入。与此同时，像OpenAI这样的模型开发者，正越来越多地通过Mercor等招聘平台寻找外包人员做标注工作——这意味着，Surge AI的高端定位和稀缺性，未必能一直维持下去。

第三大隐忧：客户压价。谷歌是Surge AI的长期客户。但据一位前谷歌AI技术主管透露，谷歌一直在主动扩大供应商名单，避免被单一供应商锁定。结果就是，最终能以更低的价格与Surge AI达成交易。规模变大后，议价权自然会倾斜。

第四大隐忧：技术替代。AI开发人员正在找到更便宜的方法来改进模型，比如“蒸馏”——用更高级模型的答案来提升较小模型的表现，这个过程完全不需要人工参与。如果连数据标注本身都变得不再那么必要，整个行业的基础都会受到挑战。

但陈对此并不担心。他的原话是：“人们往往低估了这个领域。他们认为人类很聪明，普通的博士也很聪明，所以你只要招募10万人，让他们自由发挥就行。但我们发现，事实并非如此。”

结语：Scale AI被收购之后，数据标注赛道变天了

随着Meta斥资143亿美元收购Scale AI 49%股份，OpenAI等不少公司开始取消或重新审视与Scale AI的交易，其他数据标注公司迎来了窗口期。

在这个资本驱动、规模优先的AI行业里，Surge AI用精准的高端定位、零融资高收入的模式，硬生生走出了和主流完全不同的路。它从不烧钱换增长，而是靠质量和口碑打天下。

但前路并不平坦。员工诉讼、产能瓶颈、客户压价、技术替代——每一条都是实打实的挑战。Surge AI能不能在守住护城河的同时，顺利跨过这些坎，值得所有人保持关注。