出品｜虎嗅科技組

作者｜SnowyM

編輯｜陳伊凡

頭圖｜視覺中國

“AI原生100”是虎嗅科技組推出針對AI原生創(chuàng)新欄目，這是本系列的第「12」篇文章。

8月8日，OpenAI最新模型GPT-5正式發(fā)布，但性能提升幅度遠沒有達到人們期待的“下一代模型”水準，雖然性能有一部分大幅提升，但有相當一部分并未與o3或者是Claude、Grok4拉開距離。

這個現(xiàn)象背后，整個AI行業(yè)正在面臨一個關(guān)鍵轉(zhuǎn)折點：僅僅通過增加數(shù)據(jù)量和計算資源來提升模型性能的傳統(tǒng)路徑，可能已接近天花板。

此時，一家給OpenAI喂數(shù)據(jù)的公司浮出水面——Turing。

2022年年初，Turing的CEO——喬納森·西達爾特（Jonathan Siddharth）從美國硅谷帕洛阿爾托，驅(qū)車前往OpenAI的辦公室。彼時的Turing是一家人力資源招聘公司。

在去的路上，他做好了給這家新興的硅谷AI巨頭推銷Turing產(chǎn)品的準備——Turing可以幫助OpenAI招聘人才。

當走進辦公室時，一堆OpenAI的研究員卻向喬納森提了一個需求——他們不要人，他們要數(shù)據(jù)。彼時，OpenAI的研究員們發(fā)現(xiàn)，在訓(xùn)練GPT-3的數(shù)據(jù)集中，加入一些計算機代碼，有助于提高模型的推理能力。因此，他們希望Turning能夠給他們提供質(zhì)量上乘的代碼，用于GPT-4的開發(fā)中。

這次會議，成為了Turing發(fā)展的拐點。只用了7年時間，這家公司從零達到22億美元估值，并且成為了繼Scale AI之后，硅谷第二家風頭正盛的數(shù)據(jù)標注公司。

如今隨著大模型能力的演進，互聯(lián)網(wǎng)上可公開的數(shù)據(jù)已經(jīng)很少了，對更難生成的數(shù)據(jù)的需求將會急劇增長。隨著Scale AI被Meta收購，Turing將有希望在數(shù)據(jù)標注領(lǐng)域成為估值第一的公司。

虎嗅接觸了Turing的早期投資方——硅谷風投資機構(gòu)UpHonest Capital，其投資人表示，他們對Turing團隊的第一印象是沉穩(wěn)從容的連續(xù)創(chuàng)業(yè)團隊，對產(chǎn)品路線與商業(yè)化有清晰判斷；同時，Turing還通過高頻、透明的進展匯報營造出強烈的FOMO（形容創(chuàng)業(yè)者對新技術(shù)、新趨勢敏感的表現(xiàn)），善于動員資源。

彼時的Turing與現(xiàn)在的業(yè)務(wù)相距甚遠，UpHonest Capital投資Turing是2019年，正值Zoom上市，Zoom早期借助了亞洲工程人才紅利快速成長，投資方認為，這是“人才地理套利”結(jié)構(gòu)性機會，而Turing創(chuàng)始團隊具備亞裔跨境背景與執(zhí)行力，在這一賽道擁有天然優(yōu)勢。這也是他們投資Turing的原因。

不過，業(yè)內(nèi)投資人也表示，Turing這樣的數(shù)據(jù)標注公司，本質(zhì)上還是一種人力資源外包型企業(yè)，毛利率不高，需要精細化運作和控制成本。隨著如今數(shù)據(jù)標注公司越來越多，數(shù)據(jù)的質(zhì)量成為了競爭的勝負手。

Turing的上升空間和想象

Turing正在書寫著"經(jīng)濟上行期"的故事。

Turing最初切入的是遠程工程師招聘市場，憑借AI驅(qū)動的人才云（Talent cloud，Turing積攢的人才網(wǎng)絡(luò)）平臺快速壯大。

2021年，公司成功躋身獨角獸行列。此時，他們已經(jīng)有了400萬專業(yè)開發(fā)者的龐大人才網(wǎng)絡(luò)和ALAN AI平臺（Turing自研的AI模型開發(fā)工具平臺），并成為了最大、最國際化的開放人才平臺之一。

但這遠不是故事的結(jié)局。

當OpenAI等頂級AI基礎(chǔ)模型廠商對數(shù)據(jù)的需求正在瘋漲時，Turing捕捉到這一機遇，果斷轉(zhuǎn)型為AGI基礎(chǔ)設(shè)施提供商，將以往積攢的龐大資源（軟件工程代碼數(shù)據(jù)及模型評估能力）包裝成標準化服務(wù)。

如今，頭部模型廠商基本都是Turing的客戶，例如，OpenAI、Anthropic、Google、Meta等頂級AI實驗室，Turing為他們提供模型訓(xùn)練、微調(diào)和智能體開發(fā)等底層支持。

如果了解大語言模型的誕生經(jīng)過就知道，大模型會先將大量從網(wǎng)頁上收集到的數(shù)據(jù)進行預(yù)訓(xùn)練，然后再經(jīng)過微調(diào)和后訓(xùn)練，讓AI模型學(xué)習如何回答問題，在監(jiān)督微調(diào)中，模型可以通過專門的數(shù)據(jù)，學(xué)會新的技能。這個專門的數(shù)據(jù)，就是Turing提供的，標注過的，高質(zhì)量數(shù)據(jù)集。

這個目的是讓模型學(xué)習和泛化。因此，數(shù)據(jù)標注的專業(yè)性在這個環(huán)節(jié)就顯得尤為重要。

Turing的人才庫中，有涉及不同領(lǐng)域的專家。喬納森表示，他們要做的就是提供互聯(lián)網(wǎng)上搜不到的數(shù)據(jù)。

資本市場對Turing的認可度可以用“估值翻倍”來概括。2021年底的Series D輪融資中，公司籌得8700萬美元，投后估值約11億美元，正式成為獨角獸。

2025年3月完成的Series E輪融資：1.11億美元的資金注入讓估值直接翻倍至22億美元。這輪融資由馬來西亞主權(quán)財富基金Khazanah Nasional Berhad領(lǐng)投，WestBridge Capital、Sozo Ventures、UpHonest Capital等十多家機構(gòu)參投。

截至Series E完成，Turing累計融資總額約2.25億美元。更值得關(guān)注的是其業(yè)績表現(xiàn)：2024年公司年度收入達到3億美元規(guī)模，較上一年增長三倍，并成功實現(xiàn)盈虧平衡。

我們梳理了Turing的融資歷史：

• 2018-2019年：獲得種子資金，2019年完成1400萬美元種子輪

• 2020年12月：完成3200萬美元Series B輪，由WestBridge Capital領(lǐng)投

• 2021年12月：完成8700萬美元Series D輪，估值11億美元成為獨角獸

• 2025年3月：完成1.11億美元Series E輪，估值22億美元

最新財務(wù)數(shù)據(jù)顯示，Turing的 年度經(jīng)常性收入（ARR）約3億美元。

創(chuàng)始人：連續(xù)創(chuàng)業(yè)者的故事

Turing由Jonathan Siddharth和Vijay Krishnan于2018年聯(lián)合創(chuàng)立。

Vijay Krishnan（左）Jonathan Siddharth（右）

兩位創(chuàng)始人均擁有斯坦福大學(xué)計算機科學(xué)碩士背景，在校期間因?qū)C器學(xué)習的共同興趣而結(jié)識，并萌生了聯(lián)合創(chuàng)業(yè)的想法 。研究生畢業(yè)后，他們多次合作技術(shù)項目并嘗試創(chuàng)業(yè)。

2008年，他們聯(lián)合創(chuàng)辦了內(nèi)容推薦平臺Rover，后于2016年被Revcontent收購 ，兩人深刻體會到僅依賴灣區(qū)本地招募頂尖工程師的局限，于是開始嘗試遠程分布式團隊的模式 。

在這個過程中，他們逐步摸索出如何高效甄別和管理全球各地的人才，并“無心插柳”地獲得了打造AI驅(qū)動的人才云平臺的靈感。

2018年，Jonathan和Vijay將這一洞見付諸實踐，創(chuàng)立了Turing，以機器學(xué)習技術(shù)對工程師進行技能審核和匹配，幫助企業(yè)“云端組建”全球開發(fā)者團隊。

正如Jonathan所強調(diào)的，傳統(tǒng)線下招聘和外包模式已難以滿足高速發(fā)展的科技行業(yè)需求，他們希望通過Turing打造全球人才網(wǎng)絡(luò)，讓企業(yè)“不受地理位置限制找到世界上最優(yōu)秀的人才”。

一個AI轉(zhuǎn)型企業(yè)的教科書式樣本

Turing的華麗轉(zhuǎn)身值得細說，因為他們所上演的故事幾乎堪稱傳統(tǒng)企業(yè)向AI企業(yè)轉(zhuǎn)型的標準教科書。

在收到OpenAI需求時，喬納森坦言，他們當時完全沒料到ChatGPT會引發(fā)AI熱潮，更沒想到“軟件工程師的代碼對教會大語言模型思考和推理如此重要”?！八麄兊囊蠛喼笔钳偭耍麄兿胍谶@么短的時間內(nèi)獲得大量數(shù)據(jù)?！眴碳{森回憶。

但最后，Turing確實給OpenAI在模型性能上提供了巨大幫助，使得ChatGPT能夠在發(fā)布后，震驚世界。

另一面，Turing并沒有完全拋棄原有業(yè)務(wù)。創(chuàng)始人強調(diào)，各條業(yè)務(wù)線都在增長，只是把主要資源投入到AI相關(guān)的新業(yè)務(wù)上。這種務(wù)實的做法為新戰(zhàn)略提供了現(xiàn)金流支撐。

Turing的AI業(yè)務(wù)

轉(zhuǎn)型后的Turing形成了兩大核心業(yè)務(wù)板塊，即公司內(nèi)部稱為“Turing AGI Advancement”和“Turing Intelligence”的兩條業(yè)務(wù)線。

Turing AGI Advancement專門服務(wù)全球頂級AI實驗室，幫助提升前沿基礎(chǔ)模型的各項能力。簡單說，就是讓AI模型變得更聰明。他們?yōu)镺penAI、Anthropic、Google、Meta等頂尖公司提供高質(zhì)量訓(xùn)練數(shù)據(jù)、代碼生成、模型微調(diào)等服務(wù)。

Turing Intelligence則致力于將前沿AI能力轉(zhuǎn)化為企業(yè)應(yīng)用。面向財富500強企業(yè)和政府機構(gòu)，構(gòu)建定制的AI系統(tǒng)和解決方案，幫助傳統(tǒng)企業(yè)實現(xiàn)智能化升級。

兩條產(chǎn)品線分別對應(yīng)"造模型引擎"與"用模型賦能"，既服務(wù)AI行業(yè)本身，又將AI能力推廣到各行各業(yè)。

支撐業(yè)務(wù)發(fā)展的是Turing的兩大核心資產(chǎn)，這兩大資產(chǎn)又能夠形成閉環(huán)，為Turing提供源源不斷的專業(yè)數(shù)據(jù)資產(chǎn)。

Turing的AI+人才循環(huán)

首先是AI驅(qū)動的人才云平臺。Turing聲稱通過自動化測試篩選，Turing從全球數(shù)百萬報名者中篩選出400萬技術(shù)人才，堪稱全球最大的人類智能網(wǎng)絡(luò)之一。當AI項目需要特定專家時，平臺能迅速匹配合適團隊。

例如，當OpenAI需要大量Python/C++工程師編寫代碼來豐富模型訓(xùn)練數(shù)據(jù)集時，Turing可以迅速組建起一支分布式的專業(yè)開發(fā)者團隊投入任務(wù) ；又如某制藥企業(yè)需要生命科學(xué)背景的標注人員來給模型做專業(yè)數(shù)據(jù)標記，Turing也能從人才庫中篩選出合格的PhD等高端人選。

其次是自研的ALAN AI工具平臺，用于高效編排AI模型開發(fā)的各類工作流。ALAN將人類專家與機器算法緊密結(jié)合，支持從數(shù)據(jù)生成到模型評估的全流程自動化。Turing通過這個平臺實現(xiàn)了模型訓(xùn)練與優(yōu)化的"流水線式"標準化生產(chǎn)。

Turing最初采用典型的人力資源外包模式，通過撮合企業(yè)與遠程開發(fā)者并抽取傭金盈利。

轉(zhuǎn)型后，商業(yè)模式變得更加多元：

在Turing AGI Advancement板塊，公司的主要客戶是全球頂級的AI模型研發(fā)機構(gòu)。這些AI Labs利用Turing來獲取大規(guī)模的定制數(shù)據(jù)服務(wù)和人類反饋，例如為模型生成代碼語料、構(gòu)建評測基準、執(zhí)行模型對比測試，以及提供成百上千名有特定領(lǐng)域?qū)I(yè)的標注人員進行RLHF微調(diào)等 。

Turing Intelligence板塊，則類似軟件項目制或訂閱制，從需求分析到部署運維，提供端到端的AI應(yīng)用開發(fā)服務(wù)。在多個行業(yè)已有顯著成果，例如幫助醫(yī)院降低15%庫存成本、將制藥晶體分析時間從250小時縮短到2-3小時、提升銀行客服響應(yīng)速度40%

2024年，Turing實現(xiàn)了盈利，這也證明了商業(yè)模式的可持續(xù)性。投資者也給予高度評價，從Foundation Capital、WestBridge到馬來西亞主權(quán)基金，每輪融資都有頂級機構(gòu)背書。

數(shù)據(jù)標注進入“精英喂養(yǎng)”時代

根據(jù)市場研究機構(gòu)預(yù)測，全球AI數(shù)據(jù)收集與標注市場2024年的規(guī)模已達到約180億美元，預(yù)計2025年將增至約220億美元，此后幾年維持20–30%的年復(fù)合增長率 。

這一領(lǐng)域受到資本的熱烈追捧：Scale AI等頭部公司的高估值就是明證。例如Meta斥資143億美元收購Scale AI 49%股權(quán)，將該數(shù)據(jù)標注獨角獸估值推高至290億美元，并挖走其CEO負責Meta的超級智能項目 。

OpenAI的內(nèi)部評估亦印證了這種趨勢——其表示，下一代模型若按傳統(tǒng)方式訓(xùn)練，性能增益將大幅低于預(yù)期，GPT-5就是最好的例子 。為突破瓶頸，各大實驗室紛紛尋求解決方案，包括從企業(yè)自身業(yè)務(wù)中挖掘私有數(shù)據(jù)、生成合成數(shù)據(jù)、引入更多人類反饋等。

去年12月，OpenAI展示了一項叫做"Test-Time Scaling"的新技術(shù)測試結(jié)果，這被業(yè)界視為大模型在后預(yù)訓(xùn)練時代提升能力的重要突破。這個技術(shù)簡單來說，就是讓AI在回答問題時花更多時間"思考"，從而給出更準確的答案。

2024年下半年，OpenAI秘密開發(fā)了一個代號為"Orion"的新模型。公司內(nèi)部原本計劃將它作為萬眾矚目的GPT-5發(fā)布，期望它能比當時最強的GPT-4o模型表現(xiàn)更出色。然而，測試結(jié)果讓人失望——Orion的表現(xiàn)并沒有達到預(yù)期的大幅提升。

從Orion到GPT-4.5再到GPT-5，海外媒體的許多報道印證了一個事實：性能提升確實不夠顯著。這期間，關(guān)于OpenAI面臨數(shù)據(jù)瓶頸的消息不斷傳出。特別值得注意的是，OpenAI前首席科學(xué)家Ilya Sutskever在一次公開演講中曾表示，支持Scaling Law（算力越大越好）的高質(zhì)量訓(xùn)練數(shù)據(jù)已經(jīng)不多了。

一個顯而易見的趨勢是，數(shù)據(jù)標注正在進入“精英喂養(yǎng)”時代，各領(lǐng)域的專家，取代了初級數(shù)據(jù)標注員。

其中，引入海量高質(zhì)量人類標注和代碼數(shù)據(jù)被證明是近期最有效的手段之一 。例如，Meta在訓(xùn)練Llama3模型時投入了超過1000萬條人類標注數(shù)據(jù) 。但如此巨量且高質(zhì)量的數(shù)據(jù)獲取絕非易事，必須建立起專業(yè)化的數(shù)據(jù)生產(chǎn)流水線。

這正是像Turing這樣的AI數(shù)據(jù)服務(wù)商崛起的背景：它們填補了AI實驗室“數(shù)據(jù)生產(chǎn)能力”的空白，幫助后者源源不斷地獲取所需的“燃料”，從而延續(xù)Scaling Law。

喬納森在Turing官網(wǎng)上發(fā)布了一篇文章提出，領(lǐng)先的前沿實驗室正在面臨新的挑戰(zhàn)——需要具有適當深度、多樣性和反饋結(jié)構(gòu)的數(shù)據(jù)，從而真正釋放能力提升——這意味著，數(shù)據(jù)標注領(lǐng)域，正在進入“精英喂養(yǎng)”的模式。喬納森則表示，Turing采取的是中立的態(tài)度，不會與任何實驗室對抗。

Surge AI的創(chuàng)始人Edwin Chen表示，質(zhì)量高于一切。Turing則能夠提供400多萬軟件工程師、數(shù)據(jù)科學(xué)家、領(lǐng)域?qū)＜业娜瞬艓?；能夠即時招聘跨專業(yè)領(lǐng)域的博士、奧林匹克級別的人才；發(fā)起人工智能驅(qū)動的審查，確保每位貢獻者的質(zhì)量一致。

不過，隨著資本不斷涌入，這個賽道正變得越來越擁擠。數(shù)據(jù)質(zhì)量是決定這個行業(yè)的勝負手，并且，當大語言模型的性能提升曲線逐漸平緩，對數(shù)據(jù)標注的質(zhì)量要求將越來越高。

Turing的挑戰(zhàn)：精細化運營和數(shù)據(jù)質(zhì)量

在AI數(shù)據(jù)服務(wù)領(lǐng)域，Turing和SurgeAI這兩家十分有潛力的AI公司走出了截然不同的路子，就像兩個基因不同的物種，各有各的生存策略。

硅谷三大數(shù)據(jù)標注公司情況 虎嗅根據(jù)公開信息整理

Turing更像一個什么都能干的“一站式平臺”。由于一開始的人才云業(yè)務(wù)積累，它的業(yè)務(wù)范圍很寬，既能提供技術(shù)人員（工程師、數(shù)據(jù)科學(xué)家），又能提供高質(zhì)量的代碼數(shù)據(jù)和評測，并依靠這些能力幫助企業(yè)搭建AI系統(tǒng)。

而Surge AI走的是精品路線，主要做多輪對話標注、AI安全測試、復(fù)雜評測等高難度任務(wù)，需要頂級專家和嚴格流程來保證質(zhì)量。業(yè)內(nèi)提到它的融資時，都會強調(diào)"人類在環(huán)"這個定位。其創(chuàng)始人Edwin Chen在談及SurgeAI業(yè)務(wù)時，十分“驕傲”，并始終強調(diào)“質(zhì)量為王”。

它的擴張邏輯與Turing完全不同：不求量大，但求價值高。圍繞高質(zhì)量數(shù)據(jù)這個核心，不斷完善工具和流程，讓每個數(shù)據(jù)樣本都更值錢。

在AI數(shù)據(jù)提供這方面，SurgeAI雖然晚成立2年，但已經(jīng)圍繞數(shù)據(jù)深入做好了相關(guān)技術(shù)儲備，甚至被稱為“業(yè)內(nèi)早已公認超越了ScaleAI”，而Turing的資源池積累相對更大一些，未來的Turing還有多大上升空間，值得關(guān)注。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4673897.html?f=wyxwapp