데이터 라벨링 스타트업 Scale AI, $13.8B로 시장 가치가 2배 뛰면서 10억 달러 조달
![](/caiji/ci86149970943.png)
기업들이 기계 학습 모델을 교육시키기를 원하는 데이터 라벨링 서비스를 제공하는 Scale AI가 아마존과 메타를 포함한 여러 유명 기관 및 기업 투자자들로부터 10억 달러 규모의 시리즈 F 라운드를 조달했다.
이 자금 조달은 기본 및 이차적 자금을 혼합한 것으로, AI 분야의 큰 투자자들이 참여한 최신 시리즈 F 투자 중 하나이다. 아마존은 최근 OpenAI 라이벌인 Anthropic에 40억 달러를 투자했으며, Mistral AI와 Perplexity 등도 높은 시장가치의 10억 달러 라운드를 모집 중이다.
이 라운드 이전에 Scale AI는 8년 동안 약 6억 달러를 조달했으며, 2021년 3억 2500만 달러 규모의 시리즈 E 라운드를 통해 시가총액이 약 70억 달러로 평가되었다 - 2020년 시리즈 D 시가총액의 2배에 달하는 규모이다. 3년이 지난 지금, 지난해 20%의 직원을 해고하기도 했던 어려움 속에도 Scale AI의 시가총액은 이제 138억 달러로 증가했으며, AI 골드러시에 선점하고자 하는 투자자들의 반응으로 해석된다.
시리즈 F 라운드는 이 회사의 시리즈 A를 주도한 Accel이 주도하였으며, 다음 벤처 라운드에도 참여했다.
아마존과 메타 외에 Scale AI는 Cisco, Intel, AMD, ServiceNow의 벤처 부문뿐만 아니라 DFJ Growth, WCM 및 투자자 Elad Gil과 같은 다양한 새로운 투자자들의 호응을 받았다. Scale AI의 기존 투자자들 중 많은 회사들도 다시 투자했다: Nvidia, Coatue, Y Combinator, Index Ventures, Founders Fund, Tiger Global Management, Thrive Capital, Spark Capital, Greenoaks, Wellington Management 및 전 GitHub CEO인 Nat Friedman.
데이터의 중요성에 기반을 둔 투자
데이터는 인공 지능의 생명선이며, 따라서 데이터 관리 및 처리에 특화된 회사들이 지금 잘 되고 있다. 지난 주 Weka는 AI 애플리케이션을 위한 데이터 파이프라인을 구축하는 데 도움을 주기 위해 1억 4000만 달러를 조달했다.
2016년 설립된 Scale AI는 기계 학습과 "인간-인-루프" 감독을 결합하여 대규모 데이터를 관리하고 주석을 달아 AI 시스템을 훈련시키는 것이 필수적인 자동차 등 산업 전반에 걸쳐 중요한 역할을 한다.
![](https://techcrunch.com/wp-content/uploads/2024/05/3624657-Screen_Shot_2023-01-04_at_12.55.11_PM-e1716289806957.png?w=680)
그러나 대부분의 데이터는 구조화되어 있지 않으며, AI 시스템은 그러한 데이터를 즉시 사용하기 어렵게 여긴다. 데이터에는 주석이 달려야 하며, 특히 대규모 데이터셋의 경우 자원이 많이 필요한 노력이다. Scale AI는 기업에게 올바르게 주석이 달린 데이터를 제공하여 모델을 훈련시킬 수 있도록 준비시켰으며, 서로 다른 필요에 적합한 서비스를 제공한다 - 자율 주행 자동차 회사는 카메라와 라이다에서 주석이 달린 데이터가 필요할 것이며, 자연어 처리(NLP) 사용 사례는 주석이 달린 텍스트가 필요할 것이다.
이 회사의 고객들에는 Microsoft, Toyota, GM, Meta, 미국 국방부 및 2021년 8월부터는 ChatGPT-제작사인 OpenAI도 포함되어 있으며, 이 회사는 Scale AI를 통해 기업들이 GPT-3.5 텍스트 생성 모델을 개선할 수 있도록 하고 있다.
Scale AI는 새로운 자금을 활용하여 "인공 일반 지능에 이르는 우리의 길을 획기적으로 가속화할 것"이라고 말했다.
"데이터의 풍부는 기본이 아니라 선택이며, 최고의 엔지니어링, 운영 및 AI 능력을 결합해야 한다"고 Scale AI의 CEO이자 공동 창업자인 Alexandr Wang는 보도 자료에서 말했다. "우리의 비전은 데이터의 풍부함이며, 우리에게는 경계 LLMs를 훨씬 더 많은 차원으로 확장할 생산 수단이 있어야 한다. 우리는 GPT-10에 이르기까지 데이터로 인한 제약을 두지 않아야 한다."