如果要列出当下全球最有权势的一位95后，他的名字应该大多数人都没听说过——亚历山大·王（Alexandr Wang）。

这位在硅谷被称为“下一个扎克伯格”的天才少年，在2022年借助着生成式AI的浪潮，成功登上《福布斯》全球亿万富豪榜，也凭此成为了史上最年轻的白手起家的亿万富豪。

中国为什么没有Scale AI的诞生？

事实上，看完Scale AI的发展故事，大多数人可能会产生的一个疑问是，为什么中国没有类似于Scale AI这样的企业诞生？

尤其是在生成式AI热潮前，国内的人工智能行业在应用方面一度领先，并且数据标注作为劳动密集性企业，中国天然就有优势。所以为什么呢？

总体来看，这背后有几方面的原因：

1.“资源陷阱”

这里先引入一个“资源陷阱（诅咒）”的概念，什么是资源陷阱，就是指一个国家或地区拥有丰富的自然资源，但因为过度依赖这些资源，忽视了其他潜在的经济增长领域，如制造业、服务业和技术创新等，导致经济发展单一、结构不合理，同时随着这种自然资源枯竭或市场需求下降，经济可能会遭受严重打击。

典型的例子便是委内瑞拉、俄罗斯，它们依靠石油、天然气等赚取大量的外汇，但除了能源行业外，其它的经济产业都非常落后，这种国家也被称为“资源诅咒型国家”。

一定程度上，在AI数据标注行业，国内也陷入了这种资源丰富的“诅咒”。

事实上，国内的数据标注业务也很早就起步发展了，但并没有形成规模。很多龙头企业虽然成立了数据标注部门，但主要是为自身业务服务，而并不是寻求将数据与各个行业进行资源匹配；

加上依靠国内的人口红利，让标注后的数据获取成本变得十分低廉，哪怕是今天国内的数据标注价格依旧偏低，拿重庆这种新一线城市来说也仅为4~6k/月。

在这种情况下采用技术平台或者进一步研发来提高数据标注或是从标注行业进一步向上延展创新，对于处在市场竞争中的企业而言，可能反而是得不偿失的做法。

但一旦在这个阶段错过了对数据标注行业的技术创新或沉淀，也许就永远地错失了创新升级的机会了。

2.生态不足

这里的生态不足体现在两个方面，一是单纯从语言生态来讲，必须要承认，英文的使用范围是全球，而中文的使用范围更多还是在国内以及海外的部分华人。

所以在数据标注这一产业上，Scale AI天然就有了优势，站在资本的高地，在全球范围内寻找着价值洼地，而国内哪怕是有人口红利，这成本优势终究更高，且在资本（投融资）方面也没有占据高地。

另外，需要提到的是在数年前，随着移动互联网格局的成熟，国内互联网生态在当时也进一步走向了对抗封闭，而这也使得数据在流通上出现了阻碍，甚至可以说当时的数据标注行业也被迫参与到这种对抗封闭的生态中去，各为其主、各自而战，无法形成有效的、规模性的创新力量。

3.视野局限

对于数据标注行业，站在当时那个节点，只有少数人能因为相信而看见。

在国外，也只有亚历山大等寥寥几人，在国内这样的人显然就更少了。

事实上，大多数参与到数据标注行业中的人，更多就是秉持着过往的劳动密集型产业的逻辑，靠着“内卷”来实现生存以及盈利的。

但是亚历山大不同的是，尽管行业逻辑是劳动密集型的特点，但对于他而言，这只是最基础的一点，是作为构建起整个数据行业上下游生态的一个跳板。正如其在最近的访谈中谈到，人们已经用尽了互联网上的所有数据，想要开发出比GPT-4.5更强大的人工智能，则必须构建前沿数据。

所谓的“前沿数据”是指那些与应用场景密切相关、能及时反映最新趋势和变化的数据，往往包含大量长尾或少见的场景，有助于提升AI在非典型情况下的表现，推动人工智能能力的边界向复杂推理、多模态等方向发展。

随着AI的快速进化，未来的数据训练需要更多地与特定任务、特定应用场景相匹配，因此也需要挖掘和生产出更多新的、差异化的数据，而这可能也正是亚历山大在2016年时就看到的未来。

从这个角度来看，Scale AI作为一面镜子，其从最“廉价”的行业中成长为一个估值千亿的AI独角兽企业有太多可以学习的地方了。