巨头“抛弃”Scale AI背后：AI的竞争核心已转向“数据秩序”

证券时报记者 陈霞昌

2025年的秋天，全球人工智能行业重新进入躁动期。9月，美国AI数据标注初创公司Micro1宣布完成3500万美元A轮融资，投后估值达5亿美元。这家成立仅三年的公司，以AI驱动的招聘与数据交付体系，成为OpenAI、Google和Meta等巨头新的合作方。在Meta以140亿美元投资Scale AI并高薪聘请其创始人汪滔（Alexandr Wang）之后，OpenAI与Google因数据安全担忧中止了与Scale AI的合同。失去了“官方标注厂”的巨头们迫切需要新的数据供应者，而Micro1正是在这个断裂中找到了加速通道。

一场看似技术性的更迭，实则揭开了AI产业最隐蔽的一层真相——在算法与算力之外，数据的秩序才是决定智能走向的力量。长期研究AI基础设施投资的前海信诺合伙人徐绍煌对此并不意外。在他看来，这场突如其来的市场重排并非偶然，而是AI生态演化的必然结果。“我们在算力和算法上跑得太快，以至于忘了问一句——AI到底吃进去的是什么。”他说。

在深圳的办公室里，他回忆自己第一次接触数据标注行业的感受：那是一种混合着工程与哲学的复杂体验。标注听起来简单——让机器“看懂”世界、理解人类语言。但当规模扩张到亿级样本，事情就变得截然不同。每一个语义差异、每一次文化偏误、每一条合规条款，都可能成为智能失真的起点。

“智能的起点不是算法，而是秩序。”徐绍煌轻声说道。在他看来，AI的真正挑战从来不在模型精度，而在输入数据的清洁度。算力是水泥，算法是图纸，而数据就是砖块——看似普通，却决定整栋大厦的稳固程度。

数据标注行业因此被形容为AI时代的“卖铲人”。它不直接创造智能，却支撑了智能的基础结构。英伟达售卖算力，OpenAI售卖算法，而数据公司售卖“干净的数据”。这是一个劳动力密集又认知密集的产业。不同于制造业追求良率，SaaS追求续费率，AI数据的核心指标是“可被审计的秩序”——即每一条数据为何被如此标注，都有清晰、可追溯的逻辑与合规链条。

徐绍煌称之为“秩序优势”——一种可以复用、可追溯、能长期累积的能力。“规模优势是线性的，秩序优势是复利的。”他解释道。在过去几年里，他见证了AI数据行业从“人力外包”到“数据治理”的迁移。早期的标注公司像赛博富士康，依靠大量人工反复标注图像和文本；如今，领先企业正尝试将机器学习反哺标注体系，通过主动学习、自动质检、对抗样本回流等方式，让人机协同达到动态平衡。“这不是在降低成本，而是在重建秩序，”他说，“真正的效率不是更快，而是更准。”

相比其他行业，AI数据投资的复杂性更高。它不是单维度的商业博弈，而是一场多维的系统挑战。芯片看制程，软件看增长，消费品看品牌，而AI数据公司必须同时满足质量、自动化和合规三项约束。任何一环断裂，都可能造成系统性风险。徐绍煌用一句话概括这门生意的难度——“三条底线同时成立”。

第一条是质量底线。数据集必须在极端语境下保持一致性，否则模型训练会在高维空间内崩塌。

第二条是效率底线。人机协同比例要平衡，自动化比例太低意味着成本无法下降，太高又会引发漂移与偏差。

第三条是合规底线。从数据权属到跨境流转，每一次操作都需留痕、可审计、可溯源。

这三条线共同定义了AI数据行业的门槛，也让这个行业成为资本难以轻易跨越的领域。

在投资逻辑上，徐绍煌更看重结构而非速度。他将AI数据公司划分为一个“三轴系统”：质量（Quality）、自动化（Automation）、合规（Compliance）。“这三者是彼此拉扯的。质量要求人类判断，自动化追求机器效率，而合规则在两者之间设置边界。一个好的企业能让三者形成张力平衡。”他相信，未来能在这三条轴线上形成闭环的公司，将成为AI世界的“底层基础设施”——就像能源之于工业，网络之于互联网。

2024年起，中国的AI基础设施企业开始在这一领域加速。徐绍煌投资并深度参与的曼孚科技等公司在算法研发之外，进入数据治理、评测与合规体系建设，逐步从单一的技术供应商转型为全流程的数据基础设施提供方。徐绍煌认为，中国企业的优势在于系统工程能力和产业化深度。“美国在训练模型，中国在建设秩序。”他说。这种差异，意味着中国公司在AI时代拥有另一种类型的创新空间——不是算法创新，而是治理创新。

他始终强调，AI数据行业不是一个可以追风口的领域，而是一门需要理解深度的事业。“真正的长期主义，不是时间的忍耐，而是结构的理解。”他说。资本在算法浪潮中往往短视，但AI的落地周期更像基础设施建设：周期长、投入大、回报慢，却最具稳定性。

近两年，合成数据的崛起再次引发讨论：如果AI能为AI造数据，是否意味着人工标注的时代即将结束？徐绍煌对此并不认同。他认为合成数据是重要补充，但不是终局。“机器可以造数据，但语义边界仍然需要人类定义。只有在人类语义监督下的合成数据，才具备可信价值。”在他看来，这正说明AI产业的重心正在从“创造智能”转向“治理智能”。“未来的竞争，不在模型性能，而在秩序质量。”

在采访的最后，他谈起AI的未来。“我们最终追求的，不是让机器更像人，而是让机器在一个干净、有序的世界里思考。”他说这句话时语气缓慢而笃定，仿佛在为整个产业写下一句注脚。

或许，在算法狂飙、资本追逐的时代，数据标注听起来并不浪漫。它没有炫目的技术叙事，也缺乏短期的资本故事。但当人类逐渐把思考外包给机器，谁来决定机器理解世界的方式？这门“为智能清洗世界”的生意，也许正是AI时代最稳固、最长久的命题。