隨著人工智能（AI）技術加速演進，全球AI競賽已從比拚演算法與晶片效能，轉向更具戰略價值的「數據原料」爭奪戰。Meta於2025年6月中斥資143億美元，取得新創數據公司Scale AI近半股權，成為其史上第二高金額的收購案，背後不僅是資本佈局，更是對未來AI競爭優勢的重新定義。
隨著AI進入推理時代，對數據質量的要求也越來越高。 （AI生成圖片）
AI的發展仰賴三大支柱──演算法、算力與資料。過去幾年，全球聚焦在大型語言模型如ChatGPT，以及GPU供應商輝達的強勢表現，但隨著模型推理階段深入，「資料」的重要性愈發凸顯。AI模型若缺乏大量、高品質、結構化且更新迅速的語料支撐，即便演算法再精巧也難以維持進步。
Scale AI：數據世界的台積電
成立於2016年的Scale AI，專門提供數據標註與清洗服務，為AI模型訓練提供「可讀懂的內容」。這不只是單純的資料外包，而是涵蓋資料收集、標註策略設計、驗證與更新的全流程服務，被譽為「數據代工廠」。Scale AI的客戶涵蓋OpenAI、Meta、Google乃至美國國防部，還與Meta合作開發軍事語言模型「國防LLaMA」，展現其在敏感場景中的資料處理實力。
相較於傳統標註平台僅提供工具，Scale AI 更像是「顧問＋工廠」的組合，能根據不同客戶用途提供量身訂製方案。目前公司年營收已突破8.7億美元，預估2025年將翻倍至逾20億美元。
此次Meta大舉投資，除了取得Scale AI 49%股權，也將其創辦人、年僅28歲的汪滔（Alexandr Wang）納入新成立的AG（I通用人工智慧）部門，顯示其不只是資本投資，更是策略性的長期結盟。
然而，這也引發市場對中立性的憂慮。Scale AI原本為包括OpenAI、Google、微軟在內多家AI企業提供數據服務，如今成為Meta深度持股公司，是否仍能保持資料供應公平性備受質疑。據《 路透社 》報道，Google計劃中止與Scale AI的合作，微軟與xAI亦可能陸續退出。
資料即資產 內容產業價值重估
除了企業自建數據外，新聞媒體等內容生產者也成為重要供應方。美國《 紐約時報 》與亞馬遜達成內容授權協議，將其經過查證的新聞內容用作AI訓練語料。類似案例也出現在美聯社對OpenAI的授權上，展現「 內容即資料、資料即服務 」的新價值觀。
這也對中文語境的AI發展帶來挑戰。根據阿里研究院的《大模型訓練數據白皮書》顯示，全球可爬取網頁中文語料僅佔1.3%，遠低於英文的59.8%。維基百科條目數量也顯示出相差近五倍，中文AI模型普遍面臨訓練語料不足的瓶頸。
為解決此問題，中國官方積極主導資料建設，透過人民網、網信辦等構建「價值觀對齊」語料庫，支援AI訓練安全發展；同時也有科大訊飛、海天瑞聲、雲測數據等本土公司承擔大規模資料標註與清洗工作。
IDC數據顯示，中國AI訓練資料集市場2023 年規模約2.6億美元，預期至2032年將達23.2億美元，年均增長率達27.4%，反映其成長潛力。
下載APP