Datenbeschriftungs-Startup Scale AI sammelt 1 Milliarde US-Dollar, während die Bewertung auf 13,8 Milliarden US-Dollar verdoppelt wird
Scale AI, das Datenbeschriftungsdienste für Unternehmen bereitstellt, die KI-Modelle trainieren möchten, hat eine Series F-Runde in Höhe von 1 Milliarde US-Dollar von einer Vielzahl namhafter institutioneller und Unternehmensinvestoren abgeschlossen, darunter Amazon und Meta.
Die Kapitalbeschaffung ist eine Mischung aus primärer und sekundärer Finanzierung und ist das neueste in einer Reihe von großen Risikokapitalinvestitionen im Bereich Künstliche Intelligenz. Amazon schloss kürzlich eine Investition in Höhe von 4 Milliarden US-Dollar bei OpenAI-Rivale Anthropic ab, und Unternehmen wie Mistral AI und Perplexity befinden sich ebenfalls in der Phase der Aufnahme von weiteren Milliardenrunden zu hohen Bewertungen.
Vor dieser Runde hatte Scale AI in seiner achtjährigen Geschichte rund 600 Millionen US-Dollar eingesammelt, einschließlich einer Series E-Runde in Höhe von 325 Millionen US-Dollar im Jahr 2021, die das Unternehmen mit rund 7 Milliarden US-Dollar bewertete - doppelt so viel wie die Bewertung seiner Series D im Jahr 2020. Drei Jahre später und trotz widriger Umstände, die letztes Jahr zu einer Entlassung von 20 % der Belegschaft führten, wird Scale AI jetzt auf 13,8 Milliarden US-Dollar bewertet - ein Zeichen der Zeit, während Investoren darum kämpfen, im KI-Goldrausch voraus zu sein.
Die Series F wurde von Accel angeführt, das auch die Series A des Unternehmens leitete und an anschließenden Risikorunden teilnahm.
Neben Amazon und Meta hat Scale AI eine Vielzahl neuer Investoren angezogen: Die Venture-Arme von Cisco, Intel, AMD und ServiceNow beteiligten sich ebenso wie DFJ Growth, WCM und Investor Elad Gil. Viele seiner bestehenden Investoren kehrten ebenfalls zurück: Nvidia, Coatue, Y Combinator, Index Ventures, Founders Fund, Tiger Global Management, Thrive Capital, Spark Capital, Greenoaks, Wellington Management und der ehemalige GitHub-CEO Nat Friedman.
Banking auf der wachsenden Bedeutung von Daten
Daten sind das Lebenselixier der künstlichen Intelligenz, weshalb Unternehmen, die sich auf Datenmanagement und -verarbeitung spezialisieren, derzeit gut abschneiden. Erst letzte Woche teilte Weka mit, dass es 140 Millionen US-Dollar zu einer Post-Money-Bewertung von 1,6 Milliarden US-Dollar aufgenommen hat, um Unternehmen beim Aufbau von Datenpipelines für ihre KI-Anwendungen zu unterstützen.
Scale AI, 2016 gegründet, verknüpft maschinelles Lernen mit der Aufsicht von „Mensch-im-Loop“, um große Datenmengen zu verwalten und zu annotieren, was für das Training von KI-Systemen in Branchen wie autonomen Fahrzeugen unerlässlich ist.
Aber die meisten Daten sind unstrukturiert, und KI-Systeme haben Schwierigkeiten, solche Daten sofort zu nutzen. Sie müssen beschriftet werden, was eine ressourcenintensive Aufgabe ist, insbesondere bei großen Datensätzen. Scale AI stellt Unternehmen Daten zur Verfügung, die korrekt annotiert und für das Training von Modellen vorbereitet wurden. Es ist auch auf verschiedene Branchen mit unterschiedlichen Anforderungen spezialisiert - ein Unternehmen für selbstfahrende Autos benötigt wahrscheinlich beschriftete Daten von Kameras und Lidar, während Anwendungsfälle für natürliche Sprachverarbeitung (NLP) annotierten Text benötigen.
Zu den Kunden des Unternehmens gehören Microsoft, Toyota, GM, Meta, das US-Verteidigungsministerium und seit August des letzten Jahres auch der ChatGPT-Hersteller OpenAI, der Scale AI nutzt, um es Unternehmen zu ermöglichen, seine GPT-3.5-Textgenerierungsmodelle zu feinabstimmen.
Scale AI gibt an, das neue Kapital verwenden zu wollen, um die „Fülle an grenzüberschreitenden Daten zu beschleunigen, die unseren Weg zur künstlichen allgemeinen Intelligenz ebnen werden.“
„Datenfülle ist nicht der Standard - es ist eine Entscheidung“, sagte Scale AI CEO und Mitbegründer Alexandr Wang in einer Pressemitteilung. „Es erfordert das Zusammenbringen der besten Köpfe in den Bereichen Technik, Betrieb und KI. Unsere Vision ist eine der Datenfülle, wo wir die Produktionsmittel haben, um viele weitere Größenordnungen von grenzüberschreitenden LLMs zu skalieren. Wir sollten nicht durch Daten eingeschränkt werden, um zu GPT-10 zu gelangen.“
