北京市2018年保障房计划出炉：将建设筹集各类保障房5万套

（原标题：又一位剑指AGI的华人理工男！这家百人“作坊”，凭什么年入70亿，还成了OpenAI的“御用陪练”？）

在今天这个AI的“淘金热”时代，所有人都坚信着“大力出奇迹”的“规模法则”（Scaling Law）——更大的模型、更多的数据、更强的算力，就能换来更聪明的AI。然而，就在所有巨头都在疯狂堆人、烧钱、扩大规模时，一个“异类”悄然崛起。

这家公司仅有110名正式员工，却在2024年创造了超过10亿美元（约70亿人民币）的年营收，甚至反超了拥有上千员工、背靠Meta这棵大树的行业霸主Scale AI。

据路透社报道，这家公司正启动首轮融资，目标募资10亿美元，估值或达150亿美元（约合1000亿元人民币）。

这听起来像个天方夜谭，但它真实发生了。

故事的主角叫Surge AI，一个在AI“军备竞赛”的后勤线上掀起风暴的“隐形帝国”。它的创始人，37岁的华人理工男Edwin Chen，面对外界对竞品Scale AI的热捧，只是淡淡地回应：

“他们在追逐资本时，我们在打磨数据纯度。真正的AGI（通用人工智能），需要人类智慧的精粹，而非廉价标签。”

这句话，几乎点明了Surge AI逆袭的所有秘密，它在告诉世界：在通往AGAI的路上，高质量的“人性”，远比海量的“人数”更重要。

风口上的“数据民工”

喂不饱真正的AI

在聊Surge AI之前，我们必须先明白它所在的“数据标注”行业，到底有多么“拧巴”。

简单说，AI模型就像一个嗷嗷待哺的婴儿，而“数据”就是它的奶粉。“数据标注”，就是把原始数据（图片、文字等）加工成AI能“消化”的格式。比如，告诉AI这张图里哪个是猫，哪句话是积极情绪。

很长一段时间里，这个行业都遵循着一个简单粗暴的逻辑：人力 = 产量。

以行业巨头Scale AI为代表的传统模式，本质上更像一个巨大的“人力外包工厂”。它们在全球招募海量的兼职人员，用“人海战术”来处理天量的数据。这种模式在处理简单的、重复性的任务时，确实能靠规模和低成本取胜。

但当AI模型越来越聪明，尤其是像ChatGPT这样的大语言模型（LLM）出现后，它们需要的“奶粉”也越来越高级。它们需要的不再是简单的“这是猫，那是狗”的标签，而是需要理解逻辑、文化、偏见甚至情感的复杂反馈。

这时，传统模式的弊端就暴露无遗：

质量堪忧，喂AI“吃垃圾”： 低成本的众包劳动力，缺乏专业背景，标注错误率极高。一位客户曾吐槽，花半年外包了5万条数据，结果“完全就是垃圾”，餐馆被标成医院。错误的标注对于AI来说，无异于“毒奶粉”，会让它变得偏执、愚蠢甚至危险。

效率低下，严重拖后腿： 一个小项目启动就要等数月，严重拖慢了AI的迭代速度。对于日新月异的AI竞赛来说，时间就是生命。

价值密度低，“空洞数据”泛滥： 标注员按件计酬，自然会追求数量而非质量，产出大量对模型提升有限的“空洞数据”。

Surge AI的创始人Edwin Chen对此有切肤之痛。他曾是Twitter的工程主管，亲身经历过外包的低效：当时只需给一万条推文打标签，却因为只雇了两个从Craigslist（美国版58同城）上找的兼职人员，花了一个月才完成，而且回传的数据质量很差，连常见的俚语都判错。最后他忍无可忍，“自己花一周搞定，又快又准”。

正是这些“垃圾数据”毁掉智能效果的惨痛教训，让他多次公开批评同行根本算不上科技公司，更像是“伪装成科技公司的人力外包工厂”。

他打过一个绝妙的比方：“我们让世界上最聪明的一群AI工程师，像顶级米其林厨师一样，却把大量时间浪费在去农田里种菜、收菜、洗菜上，而不是让他们专注于创造美食。”

这个致命的“价值错配”——AI需要米其林级别的美食，而市场只能提供大路货的农产品——正是Surge AI看准的巨大机会。

不做“人力外包”

我们要做AI的“米其林厨房”

面对行业的困局，Surge AI没有选择在“如何更快、更便宜地种菜”上内卷，而是直接掀了桌子，决定开一家“AI数据界的米其林厨房”。

他们重构了竞争的四个关键维度，形成了一套“极致质量 × 精英团队 × 自动化系统 × 使命感文化”的乘法模型。

1、百里挑一的“AI教练天团”

和Scale AI广撒网招人不同，Surge AI走的是彻头彻尾的精英路线。

他们通过严格的测试和持续的监控，筛选出全球最顶尖的1%标注人才，其中不乏博士、硕士。这些人不是被当作“数据工人”，而是被尊为“AI工程师”。

这支“小而精”的精英战队，能够胜任传统模式根本无法想象的高难度任务，比如为OpenAI的数学数据集编写详细的解题步骤，或者帮助Anthropic评估和修正AI的伦理偏见。这就像你需要一支特种部队去执行高精尖任务，而不是一个庞大的步兵团。

【创始人的“异端”用人观】

Edwin Chen对“小而精”的痴迷，甚至体现在他对初创公司招聘的“异端”看法上。他直言，初创公司在前5-10个员工里就招数据科学家或产品经理，“简直离谱”。

他认为，创业初期追求的是10倍甚至100倍的突破，而不是数据科学家擅长的“提升2%或5%”的微调。而产品方向，应该由创始人和工程师亲自下场搞定，过早引入PM反而会增加沟通成本，让团队失去焦点。这种对人才效率的极致追求，也深深烙印在了Surge的基因里。

2、只啃最硬的骨头：从源头定义价值

有了最顶级的“厨师”，自然要做最高端的“菜品”。Surge AI从一开始就瞄准了大模型训练中最难、也最有价值的环节——RLHF（基于人类反馈的强化学习）。

简单理解，就是让人类专家来“批改”AI的作业，告诉它哪个答案更好、更有创造性、更符合人类价值观。这种高阶任务，每条标注都对模型性能有巨大影响，价值密度极高。

当然，高端服务意味着高价。Surge的收费是同行的2-5倍，且客户项目通常有数百万美元的最低门槛。但OpenAI、Anthropic、Google这些顶级AI实验室却心甘情愿排队买单。因为他们发现，用Surge的高质量数据训练出来的模型，性能提升是肉眼可见的。

3、人机共舞：让精英的智慧插上翅膀

如果说精英团队是Surge的“灵魂”，那其强大的自动化平台就是“躯体”。

Surge AI开发了一套高度智能的人机协同系统。它远不止是一个任务发布工具，更像是一个赋能平台。具体来说：

对客户： 提供开放API接口，让AI研究员能将标注流程无缝嵌入到自己的开发管线中，像调用云服务一样丝滑。

对内部： 集成了复杂的机器学习算法，能自动侦测异常标注、通过模型预测来发现潜在错误、将同一任务的多人结果进行智能聚合。

这套系统实现了“人工智慧”与“机器智能”的完美融合。AI负责打下手和质检，让精英人类能专注于最高难度的判断。结果是，这支仅110人的团队，每周竟能处理数百万条高质量数据，人均产出是Scale AI的近9倍！

4、“我们在养育AGI”：使命感是最终的护城河

这可能是Surge AI最难被复制的一点。

创始人Edwin Chen不止一次地表示，创办公司不是为了钱。“即使有人出价1000亿美金，我也不会卖掉Surge AI。” 驱动他的是一个更宏大的梦想：帮助人类实现通用人工智能（AGI）。

在其官网的使命宣言中，他写道：

“机器的灵魂，由人类的选择与价值铸就。数据不是工具，数据是人类对机器的养育之道。”

这种“培育AGI”的崇高使命感，贯穿了整个公司。在这里，标注者不是流水线工人，而是“AI的父母”。许多高学历的合同工之所以愿意长期为Surge工作，正是因为他们觉得“仿佛终于能在教导AI时实践毕生所学”。这种精神力量带来的凝聚力和创造力，是任何金钱激励都无法替代的。

悄悄地，新王诞生了：

不止是超越Scale AI

当这四个维度形成乘法效应，一个不可思议的结果出现了。

商业逆袭： 2024年，Surge AI在零外部融资的情况下，年营收突破10亿美元，悄然超过了行业巨头Scale AI（同期8.7亿美元）。

口碑碾压： 一位前Scale AI员工透露，在客户的质量审计中，Surge的表现往往更优。O'Reilly的创始人更直言：“Surge不仅规模更大，而且好得多。许多人告诉我，Scale其实远非他们的首选。”

信任壁垒： 当Meta投资Scale AI，导致其独立性受损时，大量顶级AI实验室出于中立和安全考虑，纷纷转向Surge AI。

但Surge的超越，并不仅仅体现在与Scale AI的对比上。它在与其他创新模式的竞争中，同样占据了独特的生态位：

vs. Snorkel AI (程序化标注范式): Snorkel试图用代码和规则来自动生成标签，减少对人的依赖。这在某些结构化任务上很高效，但面对需要人类价值观和常识判断的复杂任务时，则显得力不从心。Surge的“人机结合”模式，恰好抓住了AI“最后一公里”中机器无法替代的人类智慧，价值更高。

vs. Turing (专家众包平台范式): Turing拥有庞大的专家人才库，模式更像一个巨大的人才中介。但Surge的优势在于，它不只是“匹配”人才，而是通过自研平台和统一流程，将精英人才“整合”成一个高效协同的作战团队，输出的结果更稳定、更可靠。

Surge AI用事实证明，它开创的新范式，无论在质量、效率还是商业上，都全面超越了传统模式。它没有在旧的战场上和巨人缠斗，而是直接开辟了一个“高维战场”，实现了降维打击。

真正的护城河

是重构游戏规则的能力

Surge AI的故事，远不止是一个数据标注公司的成功。它给所有身处AI浪潮中的人一个深刻的启示：

在技术日新月异的时代，真正的核心竞争力，可能不是你拥有多少资源，而是你定义问题和重构规则的能力。

Surge AI没有去优化“数据标注”这个旧问题的答案，而是重新定义了问题本身——AI需要的不是“标注”，而是蕴含人类智慧的“养料”。围绕这个新定义，它构建了全新的商业模式，从人才、技术到文化，都指向一个目标：质量。

它打破了“数据=劳力”的行业铁律，证明了“更聪明的人力 + 更聪明的系统”可以超越线性的规模增长。当所有人都向左，疯狂追求规模时，它选择向右，极致追求纯度。

这或许才是AI时代最激动人心的地方：总有像Surge AI这样的破局者，用全新的思维和范式，告诉我们游戏还有另外一种玩法。