<p>“在接下來的 12 個月裏，誰真正創造了價值，存在哪些使用案例將變得非常清晰。” 這是 Scale AI 首席執行官 Jason Droege 的聲明，切中了當前主導人工智能領域的普遍熱情。儘管圍繞生成性人工智能的討論常常感覺像是圍繞面向消費者模型的投機狂潮，但 Droege 在達沃斯世界經濟論壇上與 CNBC 的 Sara Eisen 交談時強調，真正的經濟價值是在企業基礎設施的前線構建的，在那裏，可靠性和可衡量的結果超越了炒作。作為人工智能數據基礎設施的基礎性參與者，Scale AI 處於這一關鍵交匯點，其近期的財務表現反映了市場向有形、關鍵任務應用的成熟。</p>
<p>Droege 確認 2023 年是公司具有里程碑意義的一年，強調了人工智能基礎設施業務的細節，該業務正經歷着蓬勃的需求。他指出，Scale AI 今年的新訂單總額超過了十億美元，其中 “超過一半是在第四季度獲得的。” 重要的是，他強調第四季度不僅是他們有史以來最大的收入季度，也是他們最盈利的季度。這些數字為普遍存在的高燒錢率和未經過驗證的商業模式提供了量化的反駁，這些模式在高估值的人工智能初創公司中很常見。對於 Scale AI 而言，對可靠數據和強大基礎設施的需求——這些是使先進模型有效運作的基礎要素——直接轉化為可觀的盈利增長。</p>
<p>Droege 解釋説，Scale AI 的成功源於其解決客户在失敗不可接受的行業中高度特定、複雜問題的能力。公司最近宣佈了包括 BP、梅奧診所和安聯在內的主要新客户，進一步增強了其已經強大的客户名單，其中包括美國國防部。這一客户構成突顯了一個關鍵洞察：企業和政府的採用要求的技術嚴謹性和信任程度遠遠超過消費者的期望。Droege 指出，在企業環境中採用人工智能的門檻 “遠高於消費者。” 這不僅僅是關於新奇；而是將人工智能嵌入核心運營流程、物流和決策中，在這些領域，精確性至關重要。</p>
<p>Droege 認為，企業人工智能面臨的挑戰是選擇合適的問題讓技術來解決。公司往往傾向於將人工智能應用於其最困難的商業挑戰，而這些挑戰可能尚未技術上可解決。Scale AI 的做法是高度諮詢性的，直接與客户合作，識別那些不僅具有高價值而且真正適合人工智能解決方案的問題。這需要深入的合作和專業知識。Droege 表示，他們會與已經與這些模型合作多年的團隊一起到現場，專注於 “人工智能實際上可以解決的問題，而不僅僅是任何老問題。” 這種對可交付價值的嚴格關注使得像 Scale AI 這樣的基礎設施提供者與那些往往在沒有立即、可擴展的商業可行性下產生重大興奮的模型構建者區分開來。</p>
<p>例如，在國防領域，Scale AI 正在超越其最初的數據標註工作——訓練模型所需的基礎——構建用於操作規劃和物流的應用。這些過程在國防部內傳統上是手動的、昂貴的和緩慢的。通過利用人工智能來協助複雜的物流操作，Scale AI 正在展示機器學習如何提供關鍵的效率和戰略優勢，遠離主導公眾討論的通用聊天應用。這項工作突顯了 Scale AI 作為建立在基礎數據基礎設施之上的人工智能應用和服務提供者的戰略定位。</p>
<p>在廣泛討論 “人工智能泡沫” 時，Droege 提供了一個細緻的視角，承認目前有許多關於人工智能能力的承諾並未兑現。他建議，許多提供者儘管獲得了充足的資金，但仍在努力提供真正的價值。然而，今年將是一個關鍵的轉折點。Droege 預測，2024 年將看到 “麥子與糠的分離。” 公司在其鉅額人工智能投資上展示可量化回報的壓力將加大，迫使市場根據表現而非潛力進行重新評估。這一轉變有利於像 Scale AI 這樣的公司，它們專注於構建可靠的、無偏見的基礎設施，能夠為商業和國家安全領域的多樣化、高風險客户提供服務。</p>

<p>Scale AI 首席執行官 Jason Droege 預測 2024 年將揭示哪些 AI 公司能夠提供真正的價值，強調企業基礎設施的重要性超過面向消費者的模型。在 2023 年，Scale AI 實現了超過十億美元的新訂單，第四季度的增長顯著，標誌着他們最盈利的季度。Droege 強調 AI 需要解決企業環境中的特定複雜問題，與消費者應用形成對比。他預計市場將向基於績效的評估轉變，這將使像 Scale AI 這樣的公司受益，因為它們專注於為高風險客户提供可靠的基礎設施</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>“在接下來的 12 個月裏，誰真正創造了價值，存在哪些使用案例將變得非常清晰。” 這是 Scale AI 首席執行官 Jason Droege 的聲明，切中了當前主導人工智能領域的普遍熱情。儘管圍繞生成性人工智能的討論常常感覺像是圍繞面向消費者模型的投機狂潮，但 Droege 在達沃斯世界經濟論壇上與 CNBC 的 Sara Eisen 交談時強調，真正的經濟價值是在企業基礎設施的前線構建的，在那裏，可靠性和可衡量的結果超越了炒作。作為人工智能數據基礎設施的基礎性參與者，Scale AI 處於這一關鍵交匯點，其近期的財務表現反映了市場向有形、關鍵任務應用的成熟。</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 確認 2023 年是公司具有里程碑意義的一年，強調了人工智能基礎設施業務的細節，該業務正經歷着蓬勃的需求。他指出，Scale AI 今年的新訂單總額超過了十億美元，其中 “超過一半是在第四季度獲得的。” 重要的是，他強調第四季度不僅是他們有史以來最大的收入季度，也是他們最盈利的季度。這些數字為普遍存在的高燒錢率和未經過驗證的商業模式提供了量化的反駁，這些模式在高估值的人工智能初創公司中很常見。對於 Scale AI 而言，對可靠數據和強大基礎設施的需求——這些是使先進模型有效運作的基礎要素——直接轉化為可觀的盈利增長。</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 解釋説，Scale AI 的成功源於其解決客户在失敗不可接受的行業中高度特定、複雜問題的能力。公司最近宣佈了包括 BP、梅奧診所和安聯在內的主要新客户，進一步增強了其已經強大的客户名單，其中包括美國國防部。這一客户構成突顯了一個關鍵洞察：企業和政府的採用要求的技術嚴謹性和信任程度遠遠超過消費者的期望。Droege 指出，在企業環境中採用人工智能的門檻 “遠高於消費者。” 這不僅僅是關於新奇；而是將人工智能嵌入核心運營流程、物流和決策中，在這些領域，精確性至關重要。</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 認為，企業人工智能面臨的挑戰是選擇合適的問題讓技術來解決。公司往往傾向於將人工智能應用於其最困難的商業挑戰，而這些挑戰可能尚未技術上可解決。Scale AI 的做法是高度諮詢性的，直接與客户合作，識別那些不僅具有高價值而且真正適合人工智能解決方案的問題。這需要深入的合作和專業知識。Droege 表示，他們會與已經與這些模型合作多年的團隊一起到現場，專注於 “人工智能實際上可以解決的問題，而不僅僅是任何老問題。” 這種對可交付價值的嚴格關注使得像 Scale AI 這樣的基礎設施提供者與那些往往在沒有立即、可擴展的商業可行性下產生重大興奮的模型構建者區分開來。</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，在國防領域，Scale AI 正在超越其最初的數據標註工作——訓練模型所需的基礎——構建用於操作規劃和物流的應用。這些過程在國防部內傳統上是手動的、昂貴的和緩慢的。通過利用人工智能來協助複雜的物流操作，Scale AI 正在展示機器學習如何提供關鍵的效率和戰略優勢，遠離主導公眾討論的通用聊天應用。這項工作突顯了 Scale AI 作為建立在基礎數據基礎設施之上的人工智能應用和服務提供者的戰略定位。</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>在廣泛討論 “人工智能泡沫” 時，Droege 提供了一個細緻的視角，承認目前有許多關於人工智能能力的承諾並未兑現。他建議，許多提供者儘管獲得了充足的資金，但仍在努力提供真正的價值。然而，今年將是一個關鍵的轉折點。Droege 預測，2024 年將看到 “麥子與糠的分離。” 公司在其鉅額人工智能投資上展示可量化回報的壓力將加大，迫使市場根據表現而非潛力進行重新評估。這一轉變有利於像 Scale AI 這樣的公司，它們專注於構建可靠的、無偏見的基礎設施，能夠為商業和國家安全領域的多樣化、高風險客户提供服務。</p>
</div>

麥子與糠：Scale AI 首席執行官 Jason Droege 談為何 2024 年將揭示