19岁华裔天才辍学MIT,创办AI独角兽,5年市值73亿美元!

简介: 19岁辍学麻省理工(MIT),华裔天才少年 Alexandr Wang 创办硅谷AI独角兽,成为Scale AI的掌门人。近日,这家总部位于旧金山的公司在最新一轮融资中的估值约为73亿美元。

19岁辍学MIT,一手创办AI独角兽的他,是人生的最大赢家。

 

他就是华裔天才少年 Alexandr Wang。

10.jpg

而他创办的这家AI独角兽叫Scale AI。

 

近日,总部位于旧金山的 Scale AI 在周二最新一轮融资中的估值约为73亿美元

 


11.jpg19岁辍学MIT,华裔「天才少年」的传奇人生

 

独角兽Scale AI 的创始人 Alexandr Wang 是一名华裔,从小在新墨西哥州长大,父母都是物理学家。

 

十几岁的时候,Wang 就在编程竞赛中崭露头角,是一位不可多得的「天才少年」!



image.jpeg

在读洛斯阿拉莫斯高中(Los Alamos High School)的他收到了科技公司的工作邀请,因此 Wang 提前从麻省理工毕业,2014年就在硅谷参加了工作。

 

虽然在麻省理工学院只读了一年,但是他在此期间还做了很多项目并进行创业准备。

 

LinkedIn的个人资料显示,「学霸」Wang 在MIT求学期间GPA为5.0,而且选修的还是研究生级别的计算机科学课程

 


image.jpeg

他的人生辉煌史才刚刚开始。

 

四年前的盛夏,19岁的 Wang 与朋友 Lucy Guo 共同成立了 Scale AI,旨在加速 AI 应用程序的开发。


image.jpeg

他的好友Lucy Guo曾是2014年Thiel Fellow奖金获得者。

 

20岁刚刚出头的她就离开了卡内基梅隆大学,开始追求自己的科技事业。

 

在创业不到两年的时间,他们就拿到了1800万美元B轮融资,Index Ventures、Accel和Y Combinator都参与了这轮投资。

 


image.jpeg


短短几年的时间里,Wang 与 Guo 正领导着一家价值73亿美元的初创公司。他们的「人工智能API」服务于Alphabet、宝洁、GM Cruise等科技巨头。

 

现在,从创立 Scale AI 是只有3个人的公司逐渐增加到300人,规模逐渐扩大。


创业经历自述


Alexandr Wang 相信,「机器学习很可能是这个时代最重要的技术变革。

 

Wang曾在一篇文章中叙述过自己的创业经历,在MIT刚读大一的他就四处寻找在各大厂的实习机会,想要丰富其在计算机工程和机器学习方面的经历。

 

但是Wang的创业想法早已在高中时萌生,他表示,「从高中开始我已经有了几次在创业中期企业工作的经历,因此在上述公司工作对我来说已经算不上成长机会。」

 

image.jpeg

在一次与 OpenDoor 首席执行官 Eric Wu 谈心后,Wang 坚定了自己创办一家公司的想法,这便是Scale AI初创想法的起点。

 

Wang 发现公司想要整合机器学习,但是大多数公司却没有大科技公司为他们的内部人工智能项目提供的工具或资源。

 

就在那时,他想到了创办公司为开发人员提供人工智能基础设施。

 

「2016年1月,为一家高频交易公司工作时,我启动了几个编外项目,随后几个月里,我尝试了一些想法,不断地学习和迭代。当终于决定以Scale作为创业方向时,连自己都感到不可思议。」


给数据贴上标签,Scale AI 开源数据集,助力自动驾驶汽车


高质量的数据是驱动人工智能算法的动力。

 

Scale AI 就是利用软件和人工,为创建机器学习算法的公司处理和标注图像、激光雷达和地图数据。

 

其客户主要是自动驾驶汽车技术研发公司,Airbnb、Pinterest和OpenAI等公司也在使用该平台。



image.jpeg


Scale  AI 已经建立了一个软件,可以首先查看图像,并在多数情况下,它能自动标记物体。Wang表示,「过去需要几个小时才能完成的任务,现在只需要几分钟。」

 

此前曾报道,Scale AI与激光雷达制造商 Hesai 合作,推出了一个名为PandaSet的开源数据集,可用于训练自动驾驶的机器学习模型。

 


image.jpeg

PandaSet点云、照片标注对照

 

这个激光雷达数据集的目标是免费访问一个密集和内容丰富的数据集。Wang表示,这是通过在充满汽车、自行车、交通灯和行人的复杂城市环境中使用两种激光雷达来实现的。

 

Wang此前在接受采访时表示, 「机器学习绝对是一种垃圾输入、垃圾输出的框架——你真的需要高质量的数据来支持这些算法。这就是我们建立Scale的原因,也是我们今天使用这些数据集从开源角度推动行业发展的原因。」

 

如今,数据标签公司间的竞争也是异常激烈。提供自动数据标签服务的企业有很多,如Mighty AI、Hive和Alegion等,这些企业有些只把标签服务作为生意的一小部分并且认为「同类型公司太多没有前途」。

 

不过Accel基金和Peter Thiel主导的Founders Fund在内的Scale投资者表示,Scale AI公司更高效并且可以更节约成本给数据贴上标签。

 

Scale公司表示人力成本不可避免。去年Scale公司在旧金山总部有100多名员工,还不包括遍布各地收集图像标签工作的外包合同工。仅仅合同工的薪资也能达到地区平均水平的60%至70%。对于人力成本Wang只表示「没有优化人力成本的打算。」

 

Wang放弃了所有舒适圈选择了自主创业,也就是选择了更大的成长机会。


目前公司不仅仅专注于图像和视频数据更扩展到了自动驾驶,员工规模也比一年前翻了三倍。Wang表示公司目前有望在12个月内赚取1亿美元的收入,但是目前没有上市计划。


相关文章
|
12月前
|
机器学习/深度学习 人工智能 算法
UCLA、MIT数学家推翻39年经典数学猜想!AI证明卡在99.99%,人类最终证伪
近日,加州大学洛杉矶分校和麻省理工学院的数学家团队成功推翻了存在39年的“上下铺猜想”(Bunkbed Conjecture),该猜想由1985年提出,涉及图论中顶点路径问题。尽管AI在研究中发挥了重要作用,但最终未能完成证明。人类数学家通过深入分析与创新思维,找到了推翻猜想的关键证据,展示了人类智慧在数学证明中的不可替代性。成果发表于arXiv,引发了关于AI在数学领域作用的广泛讨论。
379 89
|
10月前
|
机器学习/深度学习 人工智能 算法
ProtGPS:MIT再造生命科学新基建!蛋白质AI一键预测定位+设计新序列,登Nature子刊
ProtGPS 是麻省理工学院和怀特黑德研究所联合开发的蛋白质语言模型,能够预测蛋白质在细胞内的亚细胞定位,并设计具有特定亚细胞定位的新型蛋白质。
895 17
ProtGPS:MIT再造生命科学新基建!蛋白质AI一键预测定位+设计新序列,登Nature子刊
|
9月前
|
机器学习/深度学习 人工智能 算法
PRefLexOR:MIT自进化AI框架上线!动态知识图谱+跨域推理,重塑自主思考
PRefLexOR 是 MIT 团队推出的新型自学习 AI 框架,结合偏好优化和强化学习,通过递归推理和多步反思,动态生成知识图谱,支持跨领域推理和自主学习。
476 3
PRefLexOR:MIT自进化AI框架上线!动态知识图谱+跨域推理,重塑自主思考
|
9月前
|
人工智能
MIT 76页深度报告:AI加速创新马太效应,科学家产出分化加剧!缺乏判断力将被淘汰
近日,麻省理工学院(MIT)发布了一份76页的深度研究报告,探讨AI对科学发现和创新的影响。研究对象为1018名美国科学家,结果显示AI使新材料发现增加44%,专利申请增长39%,产品创新提升17%。然而,AI对高能力科学家的产出提升更显著,加剧了科学家间的分化。AI还改变了科学家的工作内容,减少了创意构思时间,增加了评估任务,导致工作满意度下降,但科学家对AI的信心增强。报告全面分析了AI带来的机遇与挑战。论文地址:https://conference.nber.org/conf_papers/f210475.pdf
377 14
|
10月前
|
存储 人工智能
Scaling Law或将终结?哈佛MIT预警:低精度量化已无路可走,重磅研究掀翻AI圈
哈佛大学和麻省理工学院的研究人员最近发布了一项重磅研究,对Scaling Law在低精度量化中的应用提出严重质疑。研究表明,随着训练数据增加,低精度量化带来的性能损失也增大,且与模型大小无关。这挑战了通过增加规模提升性能的传统观点,提醒我们在追求效率时不能忽视性能损失。该研究结果在AI圈内引发广泛讨论,提示未来需探索其他方法来提高模型效率,如混合精度训练、模型压缩及新型硬件架构。论文地址:https://arxiv.org/pdf/2411.04330。
295 11
|
人工智能 数据挖掘
AI长脑子了?LLM惊现人类脑叶结构并有数学代码分区,MIT大牛新作震惊学界!
麻省理工学院的一项新研究揭示了大型语言模型(LLM)内部概念空间的几何结构,与人脑类似。研究通过分析稀疏自编码器生成的高维向量,发现了概念空间在原子、大脑和星系三个层次上的独特结构,为理解LLM的内部机制提供了新视角。论文地址:https://arxiv.org/abs/2410.19750
278 12
|
人工智能 知识图谱
成熟的AI要学会自己搞研究!MIT推出科研特工
MIT推出科研特工SciAgents,结合生成式AI、本体表示和多代理建模,实现科学发现的自动化。通过大规模知识图谱和多代理系统,SciAgents能探索新领域、识别复杂模式,加速新材料发现,展现跨学科创新潜力。
228 12
|
人工智能 自然语言处理 机器人
MIT新研究揭秘AI洗脑术!AI聊天诱导人类编造记忆,真假难辨
麻省理工学院的一项新研究《基于大型语言模型的对话式AI在证人访谈中加剧虚假记忆》显示,使用生成式聊天机器人进行犯罪证人访谈会显著增加参与者的虚假记忆,且影响持久。研究设置了对照组、问卷访谈、预设脚本及生成式聊天机器人四种条件,结果显示生成式聊天机器人诱导的虚假记忆数量远超其他方法。尽管AI技术在效率和准确性方面潜力巨大,但在敏感领域需谨慎应用,并需进一步评估风险,制定伦理准则和监管措施。论文详细内容见[这里](https://arxiv.org/abs/2408.04681)。
314 2
|
人工智能 算法 程序员
程序员为何容易爱上AI?MIT学者诊断:智性恋浓度过高!
【9月更文挑战第20天】近日,一篇由MIT学者撰写的论文在网络上引发热议,探讨了程序员为何易对AI产生深厚情感,即“智性恋”。论文指出,程序员在开发和使用AI时,因对其智能和能力的钦佩而形成依赖与认同,但这可能导致过度依赖AI,忽视自身价值或其局限性,甚至引发不健康的竞争。论文链接:https://arxiv.org/pdf/2407.14933。
262 5
|
人工智能 安全 API
AI数据荒雪上加霜!MIT:网页数据的公开共享正走向衰落
【9月更文挑战第7天】麻省理工学院的一项新研究表明,尽管人工智能(AI)领域迅速发展,但网页数据的公开共享正在减少,加剧了AI数据短缺的问题。AI模型训练依赖大量数据,而网页数据是关键来源之一,其共享减少将影响AI进步,并引发数据隐私和安全方面的担忧。然而,这也推动了对数据隐私保护的关注及新型数据获取方式的探索。研究详情参见:[论文链接](https://www.dataprovenance.org/consent-in-crisis-paper)。
225 9

热门文章

最新文章