手握400萬AI工程師，Turing靠給大模型投喂數(shù)據(jù)和添加代碼，成為“全球增長最快且盈利的AGI基礎設施公司”。

最近，一家來自美國硅谷的AI創(chuàng)業(yè)公司Turing宣布完成超額認購的1.11億美元E輪融資，投后估值達22億美元，累計融資額突破2.25億美元。這輪融資由馬來西亞主權財富基金Khazanah Nasional Berhad領投，WestBridge Capital、Sozo Ventures、UpHonest Capital等頂級機構跟投。

Turing有何獨特之處？

Turing此輪融資，最引人注目的是其公布了公司的業(yè)績增長情況。據(jù)Turing創(chuàng)始人兼首席執(zhí)行官Jonathan Siddharth，公司2024年收入增長3倍，ARR（年度經(jīng)常性收入）突破了3億美元，已經(jīng)實現(xiàn)了盈利，成為“全球增長最快且盈利的AGI基礎設施公司”。

公開資料顯示，Turing成立于2018年，總部位于美國加利福尼亞州帕洛阿爾托，是一家擁有500多名員工的公司。2022年以前，Turing的主營業(yè)務是“人力外包”，即為客戶優(yōu)化人才匹配。公司早期的產(chǎn)品是一個審查和聘用遠程程序員的平臺，這項業(yè)務在新冠疫情期間迎來了爆發(fā)，由于許多科技公司都在居家辦公，需要在線招聘人才，并在尋覓更好的工具來尋覓和管理遠程工作團隊，Turing因此大受歡迎。

參投了Turing的WestBridge Capital聯(lián)合創(chuàng)始人兼執(zhí)行合伙人Sumir Chadha曾表示，2018年第一次接觸Turing時，他就驚訝于該團隊顛覆了整個管理咨詢和離岸外包模式。“你甚至不需要人力資源人員，就可以用Turing和遠程工程師完成所有工作。”Sumir Chadha說。

Turing官網(wǎng)顯示，2022年5月時，有25萬名專業(yè)程序員與公司簽約。如今，這一數(shù)字已經(jīng)擴展至500萬。

但故事在2022年時迎來了轉折。彼時，Jonathan Siddharth被召集到OpenAI參加會議，他原以為會議討論的是為這家初創(chuàng)公司招募工程師，結果發(fā)現(xiàn)滿屋的AI研究員提出的需求完全聚焦于數(shù)據(jù)。

據(jù)悉，當時OpenAI正在訓練GPT-3的迭代版本（也即后來的GPT-4），研究人員發(fā)現(xiàn)，將計算機代碼片段注入訓練數(shù)據(jù)集能顯著提升模型推理能力，他們迫切希望獲取海量優(yōu)質(zhì)代碼，詢問Turing能否快速組建工程師團隊完成特定編程任務。

這場會議也成為Turing布局新業(yè)務的關鍵點。據(jù)知情前OpenAI員工透露，Turing提供的代碼數(shù)據(jù)為ChatGPT在2022年11月橫空出世時的"顛覆性跨越"作出重要貢獻。而除了OpenAI以外，據(jù)公司官網(wǎng)，谷歌、meta、Anthropic、Character AI等知名的科技巨頭及基礎模型創(chuàng)業(yè)公司，均為Turing的客戶。

目前，Turing大約60%的收入來自希望訓練及提升AI模型能力的客戶，40%的收入來自為利用AI升級業(yè)務的客戶提供咨詢服務。Jonathan Siddharth表示，其獨特商業(yè)模式形成了雙向賦能：向上游，可通過數(shù)據(jù)工程與調(diào)優(yōu)技術直接提升大模型能力；向下游，可借助AGI技術進步反哺企業(yè)級應用，在醫(yī)療診斷、工業(yè)質(zhì)檢等領域已部署超過120個商業(yè)案例。

高質(zhì)量數(shù)據(jù)依然是剛需

隨著人工智能迅猛發(fā)展，高質(zhì)量訓練數(shù)據(jù)短缺逐漸成為制約行業(yè)進步的一大瓶頸。

事實上，在訓練ChatGPT時，OpenAI就投入了大量資源用于數(shù)據(jù)標注，其聘請的眾多幫助ChatGPT理解人類指令的“老師”，不僅有一般數(shù)據(jù)標注人員，還有許多專業(yè)人士，甚至包括博士級別的專家。在海外，頭部的數(shù)據(jù)服務商Scale AI通過為OpenAI、微軟、meta和谷歌在內(nèi)的科技巨頭提供數(shù)據(jù)服務，年化收入也高達7.5億美元，目前估值已超百億美元。

Scale AI創(chuàng)始人Alexandr Wang曾在訪談中指出，人類已經(jīng)用盡了所有簡單的數(shù)據(jù)（即互聯(lián)網(wǎng)上的所有數(shù)據(jù)），而要想開發(fā)出越來越強大的AI，則迫切需要構建前沿數(shù)據(jù)，將AI能力的邊界推向復雜推理、代理、多模態(tài)等。

與Scale AI在海外大量雇用低成本勞工，直接提供大規(guī)模數(shù)據(jù)標注服務不同，Turing提供的更多是基于高質(zhì)量數(shù)據(jù)的代碼輸入。 Jonathan Siddharth認為，關鍵不在于讓模型記憶數(shù)據(jù)，而是引導其實現(xiàn)“泛化”——領悟數(shù)據(jù)背后的底層邏輯。為此，Turing建立了一套工業(yè)化數(shù)據(jù)生產(chǎn)體系：當客戶需要提升模型在特定領域的智能水平時，公司會招募數(shù)百名領域專家（從神經(jīng)科學博士到銷售分析師），創(chuàng)建模擬人類思維過程的問答鏈。

例如，化學專家可能圍繞某個分子發(fā)起十輪遞進式問答，這類被AI界稱為“ 多輪對話數(shù)據(jù)”的素材，正是培養(yǎng)模型推理能力的核心養(yǎng)料。據(jù)悉，Turing目前擁有覆蓋140個國家、超400萬程序員貢獻的代碼，涵蓋金融、生物、制造等垂直領域，能夠形成差異化語料庫。在龐大資源的基礎上，Turing憑借算法能夠提升客戶跟工程師的匹配效率，降低撮合成本。

對于Turing的成功，問答平臺Quora首席執(zhí)行官亞當·德安杰洛曾評價道："Turing的轉型令人驚嘆。初期的人才管理能力恰好為其切入數(shù)據(jù)服務市場奠定基礎，而這個新興市場的潛力遠超傳統(tǒng)外包業(yè)務。"

責編：岳亞楠

校對：彭其華