<p>“在接下来的 12 个月里，谁真正创造了价值，存在哪些使用案例将变得非常清晰。” 这是 Scale AI 首席执行官 Jason Droege 的声明，切中了当前主导人工智能领域的普遍热情。尽管围绕生成性人工智能的讨论常常感觉像是围绕面向消费者模型的投机狂潮，但 Droege 在达沃斯世界经济论坛上与 CNBC 的 Sara Eisen 交谈时强调，真正的经济价值是在企业基础设施的前线构建的，在那里，可靠性和可衡量的结果超越了炒作。作为人工智能数据基础设施的基础性参与者，Scale AI 处于这一关键交汇点，其近期的财务表现反映了市场向有形、关键任务应用的成熟。</p>
<p>Droege 确认 2023 年是公司具有里程碑意义的一年，强调了人工智能基础设施业务的细节，该业务正经历着蓬勃的需求。他指出，Scale AI 今年的新订单总额超过了十亿美元，其中 “超过一半是在第四季度获得的。” 重要的是，他强调第四季度不仅是他们有史以来最大的收入季度，也是他们最盈利的季度。这些数字为普遍存在的高烧钱率和未经过验证的商业模式提供了量化的反驳，这些模式在高估值的人工智能初创公司中很常见。对于 Scale AI 而言，对可靠数据和强大基础设施的需求——这些是使先进模型有效运作的基础要素——直接转化为可观的盈利增长。</p>
<p>Droege 解释说，Scale AI 的成功源于其解决客户在失败不可接受的行业中高度特定、复杂问题的能力。公司最近宣布了包括 BP、梅奥诊所和安联在内的主要新客户，进一步增强了其已经强大的客户名单，其中包括美国国防部。这一客户构成突显了一个关键洞察：企业和政府的采用要求的技术严谨性和信任程度远远超过消费者的期望。Droege 指出，在企业环境中采用人工智能的门槛 “远高于消费者。” 这不仅仅是关于新奇；而是将人工智能嵌入核心运营流程、物流和决策中，在这些领域，精确性至关重要。</p>
<p>Droege 认为，企业人工智能面临的挑战是选择合适的问题让技术来解决。公司往往倾向于将人工智能应用于其最困难的商业挑战，而这些挑战可能尚未技术上可解决。Scale AI 的做法是高度咨询性的，直接与客户合作，识别那些不仅具有高价值而且真正适合人工智能解决方案的问题。这需要深入的合作和专业知识。Droege 表示，他们会与已经与这些模型合作多年的团队一起到现场，专注于 “人工智能实际上可以解决的问题，而不仅仅是任何老问题。” 这种对可交付价值的严格关注使得像 Scale AI 这样的基础设施提供者与那些往往在没有立即、可扩展的商业可行性下产生重大兴奋的模型构建者区分开来。</p>
<p>例如，在国防领域，Scale AI 正在超越其最初的数据标注工作——训练模型所需的基础——构建用于操作规划和物流的应用。这些过程在国防部内传统上是手动的、昂贵的和缓慢的。通过利用人工智能来协助复杂的物流操作，Scale AI 正在展示机器学习如何提供关键的效率和战略优势，远离主导公众讨论的通用聊天应用。这项工作突显了 Scale AI 作为建立在基础数据基础设施之上的人工智能应用和服务提供者的战略定位。</p>
<p>在广泛讨论 “人工智能泡沫” 时，Droege 提供了一个细致的视角，承认目前有许多关于人工智能能力的承诺并未兑现。他建议，许多提供者尽管获得了充足的资金，但仍在努力提供真正的价值。然而，今年将是一个关键的转折点。Droege 预测，2024 年将看到 “麦子与糠的分离。” 公司在其巨额人工智能投资上展示可量化回报的压力将加大，迫使市场根据表现而非潜力进行重新评估。这一转变有利于像 Scale AI 这样的公司，它们专注于构建可靠的、无偏见的基础设施，能够为商业和国家安全领域的多样化、高风险客户提供服务。</p>

<p>Scale AI 首席执行官 Jason Droege 预测 2024 年将揭示哪些 AI 公司能够提供真正的价值，强调企业基础设施的重要性超过面向消费者的模型。在 2023 年，Scale AI 实现了超过十亿美元的新订单，第四季度的增长显著，标志着他们最盈利的季度。Droege 强调 AI 需要解决企业环境中的特定复杂问题，与消费者应用形成对比。他预计市场将向基于绩效的评估转变，这将使像 Scale AI 这样的公司受益，因为它们专注于为高风险客户提供可靠的基础设施</p>

<p>“It will become very clear in the next 12 months who’s actually delivering value, what kind of use cases there are.” This declaration from Scale AI CEO Jason Droege cuts through the pervasive exuberance currently dominating the artificial intelligence sector. While the conversation around generative AI often feels like a speculative frenzy centered on consumer-facing models, Droege, speaking with CNBC’s Sara Eisen at the World Economic Forum in Davos, emphasized that the real economic value is being built in the trenches of enterprise infrastructure, where reliability and measurable outcomes supersede hype. Scale AI, a foundational player in data infrastructure for AI, is positioned at this critical intersection, and their recent financial performance reflects a maturation of the market toward tangible, mission-critical applications.</p>
<div class="lb-trans"><p>“在接下来的 12 个月里，谁真正创造了价值，存在哪些使用案例将变得非常清晰。” 这是 Scale AI 首席执行官 Jason Droege 的声明，切中了当前主导人工智能领域的普遍热情。尽管围绕生成性人工智能的讨论常常感觉像是围绕面向消费者模型的投机狂潮，但 Droege 在达沃斯世界经济论坛上与 CNBC 的 Sara Eisen 交谈时强调，真正的经济价值是在企业基础设施的前线构建的，在那里，可靠性和可衡量的结果超越了炒作。作为人工智能数据基础设施的基础性参与者，Scale AI 处于这一关键交汇点，其近期的财务表现反映了市场向有形、关键任务应用的成熟。</p>
</div><p>Droege confirmed that 2023 was a landmark year for the company, highlighting the nuts and bolts of the AI infrastructure business, which is experiencing booming demand. He noted that Scale AI’s total new bookings for the year exceeded a billion dollars, with “more than half of that came in Q4.” Importantly, he stressed that the fourth quarter was not only their largest revenue quarter ever but also their most profitable. These figures provide a quantitative counterpoint to the prevailing narrative of high burn rates and unproven business models common among highly valued AI startups. For Scale AI, the demand for reliable data and robust infrastructure—the foundational elements that allow advanced models to function effectively—is translating directly into substantial, profitable growth.</p>
<div class="lb-trans"><p>Droege 确认 2023 年是公司具有里程碑意义的一年，强调了人工智能基础设施业务的细节，该业务正经历着蓬勃的需求。他指出，Scale AI 今年的新订单总额超过了十亿美元，其中 “超过一半是在第四季度获得的。” 重要的是，他强调第四季度不仅是他们有史以来最大的收入季度，也是他们最盈利的季度。这些数字为普遍存在的高烧钱率和未经过验证的商业模式提供了量化的反驳，这些模式在高估值的人工智能初创公司中很常见。对于 Scale AI 而言，对可靠数据和强大基础设施的需求——这些是使先进模型有效运作的基础要素——直接转化为可观的盈利增长。</p>
</div><p>Scale AI’s success, Droege explained, stems from its ability to solve highly specific, complex problems for customers in sectors where failure is not an option. The company recently announced major new clients including BP, Mayo Clinic, and Allianz, adding to an already formidable roster that includes the U.S. Department of Defense. This client composition underscores a key insight: enterprise and government adoption demands a level of technical rigor and trust far exceeding consumer expectations. Droege pointed out that the bar for adopting AI within an enterprise environment is “much higher than for a consumer.” This isn’t about novelty; it’s about embedding AI into core operational processes, logistics, and decision-making where precision is paramount.</p>
<div class="lb-trans"><p>Droege 解释说，Scale AI 的成功源于其解决客户在失败不可接受的行业中高度特定、复杂问题的能力。公司最近宣布了包括 BP、梅奥诊所和安联在内的主要新客户，进一步增强了其已经强大的客户名单，其中包括美国国防部。这一客户构成突显了一个关键洞察：企业和政府的采用要求的技术严谨性和信任程度远远超过消费者的期望。Droege 指出，在企业环境中采用人工智能的门槛 “远高于消费者。” 这不仅仅是关于新奇；而是将人工智能嵌入核心运营流程、物流和决策中，在这些领域，精确性至关重要。</p>
</div><p>The challenge for enterprise AI, as Droege sees it, is selecting the right problems for the technology to tackle. Often, companies are tempted to apply AI to their most difficult business challenges, which may not be technically solvable yet. Scale AI’s approach is highly consultative, working directly with customers to identify problems that are not only high-value but also genuinely amenable to AI solutions. This requires deep collaboration and subject- matter expertise. Droege stated that they go on-site with teams that have been working with these models for years, focusing on “the problems that AI can actually solve, rather than just any old problem.” This disciplined focus on deliverable value is what separates infrastructure providers like Scale AI from the model builders who often generate significant excitement without immediate, scalable commercial viability.</p>
<div class="lb-trans"><p>Droege 认为，企业人工智能面临的挑战是选择合适的问题让技术来解决。公司往往倾向于将人工智能应用于其最困难的商业挑战，而这些挑战可能尚未技术上可解决。Scale AI 的做法是高度咨询性的，直接与客户合作，识别那些不仅具有高价值而且真正适合人工智能解决方案的问题。这需要深入的合作和专业知识。Droege 表示，他们会与已经与这些模型合作多年的团队一起到现场，专注于 “人工智能实际上可以解决的问题，而不仅仅是任何老问题。” 这种对可交付价值的严格关注使得像 Scale AI 这样的基础设施提供者与那些往往在没有立即、可扩展的商业可行性下产生重大兴奋的模型构建者区分开来。</p>
</div><p>In the defense sector, for example, Scale AI is moving beyond its initial work in data labeling—the necessary foundation for training models—into building applications for operational planning and logistics. These processes within the Department of Defense are traditionally manual, expensive, and slow. By leveraging AI to assist in complex logistical operations, Scale AI is demonstrating how machine learning can deliver critical efficiencies and strategic advantages, far removed from the general-purpose chat applications that dominate public discussion. This work highlights Scale AI’s strategic positioning as a provider of AI applications and services built on top of the underlying data infrastructure.</p>
<div class="lb-trans"><p>例如，在国防领域，Scale AI 正在超越其最初的数据标注工作——训练模型所需的基础——构建用于操作规划和物流的应用。这些过程在国防部内传统上是手动的、昂贵的和缓慢的。通过利用人工智能来协助复杂的物流操作，Scale AI 正在展示机器学习如何提供关键的效率和战略优势，远离主导公众讨论的通用聊天应用。这项工作突显了 Scale AI 作为建立在基础数据基础设施之上的人工智能应用和服务提供者的战略定位。</p>
</div><p>Addressing the widespread discussion of an “AI bubble,” Droege offered a nuanced perspective, agreeing that there are many promises about AI’s capabilities that are currently not being delivered. He suggested that many providers are struggling to deliver real value despite ample funding. This year, however, is set to be a crucial inflection point. Droege predicted that 2024 will see the “wheat and the chaff separate.” The pressure on companies to demonstrate quantifiable returns on their massive AI investments will intensify, forcing a market reassessment based on performance rather than potential. This shift favors firms that, like Scale AI, have concentrated on building reliable, agnostic infrastructure capable of servicing diverse, high-stakes customers across both the commercial and national security sectors.</p>
<div class="lb-trans"><p>在广泛讨论 “人工智能泡沫” 时，Droege 提供了一个细致的视角，承认目前有许多关于人工智能能力的承诺并未兑现。他建议，许多提供者尽管获得了充足的资金，但仍在努力提供真正的价值。然而，今年将是一个关键的转折点。Droege 预测，2024 年将看到 “麦子与糠的分离。” 公司在其巨额人工智能投资上展示可量化回报的压力将加大，迫使市场根据表现而非潜力进行重新评估。这一转变有利于像 Scale AI 这样的公司，它们专注于构建可靠的、无偏见的基础设施，能够为商业和国家安全领域的多样化、高风险客户提供服务。</p>
</div>

麦子与糠：Scale AI 首席执行官 Jason Droege 谈为何 2024 年将揭示