中美数据生意为何冰火两重天？从 Scale AI看懂AI商业模式|对话Orbifold AI创始人Enoch

嘉宾：

Enoch 朱永钉 | 硅谷 AI 公司 Orbifold AI  的创始人，前谷歌、阿里数据专家 。

Meta豪掷近150亿美元收购数据公司Scale AI ，一家“数据标注”公司凭什么能撑起近300亿美金的估值 ？数据在AI时代究竟有多贵？

为解答这些疑问，我们请来了身处一线的硅谷AI公司Orbifold AI创始人、前阿里和谷歌数据专家Enoch，为我们揭开数据炼金术的神秘面纱。

在这期节目中，你将听到：

天价收购揭秘：这笔交易中，买的究竟是数据，还是价值50亿美金的创始人 ？

冰火两重天：中美数据服务市场为何一个高估值一个难赚钱 ？

数据的真相：数据真的枯竭了吗 ？还是每家公司都坐拥一座尚未开采的金矿 ？

实战方法论：传统企业如何将自己杂乱的历史数据，转化为能训练AI的“燃料” ？

出海避坑指南：华人创始人在硅谷创业，成功的秘诀和要避开的“坑”是什么 ？

关键结论

Meta收购案的核心是“人+公司”：Meta的天价收购不仅是购买Scale AI的数据处理能力和市场地位，更是高价“购买”其创始人Alexandr Wang的领导力、视野和执行力，以期扭转其在AI竞争中的被动局面 。

数据服务的商业模式决定价值：美国数据公司之所以估值更高，是因为其商业模式倾向于可规模化的平台或SaaS服务，利润率可以随规模提升。相比之下，国内市场更多是定制化的“保姆式”项目服务，限制了其估值天花板

数据是AI时代的核心资产和护城河：高质量、独特且垂直的专有数据是企业在AI时代构建核心竞争力的关键 。数据处理和准备能力正从边缘的“脏活累活”转变为AI价值链的中心环节。

关键认知

数据枯竭是伪命题，企业数据是金矿：公众普遍担心的高质量公开数据即将用尽，但这忽略了企业内部积累的海量、独特的非公开数据 。这些数据是训练垂直领域AI模型的宝库，其价值挖掘才刚刚开始。

AI训练需从“正反两面”入手：Pre-training（预训练）主要让模型从“正确”的样本中学会做正确的事。而Fine-tuning和Post-training（后训练）则更侧重于通过负样本和人类反馈（RLHF）告诉模型什么是“错误”的，从而减少幻觉，提升可靠性 。

“超级对齐”是终极难题：让AI的价值观与人类对齐（Super Alignment）极其困难。AI会无意识地学习训练数据中隐含的偏见，例如在英文语料中“rock”的出现频率远高于“scissor”，导致AI玩剪刀石头布时出石头的概率畸高 这揭示了数据层面对齐的深层挑战。

数据服务的未来是平台化：数据创建（Data Curation）的终极形态将是一个综合性的数据平台，类似于上一代的Data Bricks或Snowflake。它将为企业AI Agent提供数据ETL、管理和工具箱，尤其是在多模态时代，其价值将比传统BI时代大百倍 。

行动指南

对拥有数据的企业的建议：

从终局思考：先明确要解决的业务问题，再反向推导需要什么数据、如何处理数据 。

寻找“好坏案例”：要训练客服AI，就去分析绩效最好的客服和最差的客服记录，将其分别作为正、负样本来训练模型，这样最有效 。

用Q&A范式处理非结构化数据：面对会议录音、访谈等非结构化数据，可以设计一套标准化的问卷（Q&A Pair），用AI或人工从原文中提取答案，形成结构化的“特征-答案”对，作为高质量的微调数据集 。

对缺乏初始数据的AI创业者的建议：

先跑起来，积累数据飞轮：利用现有的基础大模型（如Llama、Deepseek等）快速构建产品原型，先服务用户，在服务过程中积累自己独特的、有价值的数据，形成正向循环 。

花钱买时间：如果想快速启动，可以寻找专业的“数据交易”公司，向传统行业里拥有数十年数据积累的企业购买或授权使用其数据集 。

对计划出海的华人创始人的建议：

创始人必须肉身在场：对于To B业务，创始人在美国本地是获取客户信任的基础，远程服务几乎行不通 ()。

追求团队与资本的多元化：有意识地让团队、投资方更多元化，吸纳本地人才和VC，这不仅能获得本土化支持（如销售），也能更好地融入当地商业生态，避免被贴上“中国公司”的标签 。

建立共识，拥抱PLG：要理解美国创投圈从创始人到投资人都有一个共同目标，即最终要把公司做成“产品驱动增长”（Product-Led Growth）的模式。所有服务和定制化都是为了打磨产品、最终实现规模化的过程 。

时间轴

01:19 嘉宾介绍：欢迎本期嘉宾Enoch，他在数据领域经验丰富，现在硅谷创业，公司名为Orbifold AI 。

03:21 专业解读Scale AI：Scale AI究竟是做什么的？Enoch将其核心业务总结为三点：人工众包标注、Fine-tuning支持（如RLHF）和多模态数据准备（Data Curation） 。

07:11 Meta为何天价收购Scale AI？：Enoch分析了三大原因：创始人Alexandr Wang出色的执行力与客户服务能力 、公司最早进入该领域的成熟经验 ，以及其掌握的行业数据机密 。

10:48 数据的真实价值：数据为何能值百亿美金？这笔收购中，大约100亿是买公司，50亿是买创始人Alexandr Wang本人 。

13:37 数据枯竭是伪命题：公众普遍担心的数据枯竭尚未发生，企业内部积累的数据是一个巨大的宝库，其使用才刚刚开始。

17:03 Vertical AI的独特价值：通用大模型无法在所有垂直领域都做到专家级别 ，垂直领域的专业数据对于训练深度、精准的AI至关重要。

19:51 中美数据公司的价值差异：为何美国数据公司估值远超国内？核心在于商业模式不同，美国公司倾向于做成可规模化的平台或SaaS服务，而国内更多是项目制的“保姆式”服务。

28:00 Orbifold AI做的是什么？：Enoch介绍自己的公司更侧重于Scale AI的第三项业务——数据创建（Data Curation），通过API和工作流深度嵌入企业，帮助他们将多模态数据准备成AI可用的格式，但不做人工标注。

34:25 传统企业的“数据债”：AI应用在传统企业面临巨大挑战，数据混乱、系统老旧、信息无法关联是普遍现象 。

53:22 如何为新的AI应用寻找数据？：启动阶段可以先用基础模型跑起来积累数据 ，或者寻找专业的“数据猎头”公司花钱购买特定数据集 。

58:09 企业如何有效利用自有数据？：Enoch提出一个实用方法论：设计针对性的Q&A对（特征提取），从现有资料中生成大量的问答对作为训练集，进行模型微调，效果往往超出预期 。

01:04:25 在中美做数据业务的体感差异：工作本质相似，但商业文化不同 。美国创投圈对“产品驱动增长”（Product-Led Growth）有共识，发展路径更清晰 。

01:07:38 给华人创始人的出海建议：做To B业务，创始人肉身在硅谷是建立信任的基础 。同时，要注意投资方和团队成员的多元化与平衡。

01:16:16 AI Agent的数据挑战与“超级对齐”：Agent的训练数据更难获取 。这引出了“超级对齐”（Super Alignment）的概念，即如何让AI的决策和价值观与人类对齐，这是数据层面需要解决的核心难题 。

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 

「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 

我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 

商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 

节目主理人： 

徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 

任鑫：云九资本合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“