Escalar IAuna empresa que proporciona servicios de etiquetado de datos para entrenar modelos de aprendizaje automático, ha recaudado una ronda Serie F de mil millones de dólares de una serie de inversores institucionales y corporativos de renombre, incluidos Amazon y Meta.
El aumento, que constituye una combinación de financiación primaria y secundaria, se produce en medio de un auge en las megarondas de capital de riesgo de IA, con Amazon recientemente cerrar una inversión de 4 mil millones de dólares en Anthropic, rival de OpenAImientras gente como Mistral AI y perplejidad también están en proceso de recaudar más rondas de miles de millones de dólares con valoraciones elevadas.
Scale AI, por su parte, ya había recaudado alrededor de 600 millones de dólares en sus ocho años de historia, incluida una ronda Serie E de 325 millones de dólares en 2021 que valoró la empresa de San Francisco en unos 7.000 millones de dólares (duplica la valoración de su Ronda de la Serie D del año anterior) Tres años después, y a pesar de los vientos en contra que condujo a una reducción de la fuerza laboral del 20% el año pasadoScale AI está valorada ahora en 13.800 millones de dólares, una señal de los tiempos en los que las empresas y los inversores luchan entre sí para salir adelante en la fiebre del oro de la IA.
La ronda de financiación de la Serie F fue dirigida por Accel, que lideró la ronda de la Serie A de Scale AI y también participó en rondas de riesgo posteriores.
Sin embargo, Scale AI también ha atraído a Amazon y Meta para esta última inyección de efectivo, junto con otros nuevos inversores, incluidas las ramas de riesgo de Cisco, Intel, AMD y ServiceNow, así como DFJ Growth, WCM y Elad Gil. Muchos de sus inversores existentes también regresaron, incluidos Nvidia, Coatue, Y Combinator (YC), Index Ventures, Founders Fund, Tiger Global Management, Thrive Capital, Spark Capital, Greenoaks, Wellington Management y el ex director ejecutivo de GitHub, Nat Friedman.
datos de IA
Fundada en 2016, Scale AI combina el aprendizaje automático con la supervisión “humana en el circuito” para gestionar y anotar grandes volúmenes de datos, lo cual es vital para entrenar sistemas de IA en industrias como la de los vehículos autónomos.
Los datos son el alma de la inteligencia artificial, razón por la cual a las empresas especializadas en la gestión y el procesamiento de datos les está yendo bien en este momento. La semana pasada, Weka anunció una inversión de 140 millones de dólares con una valoración de 1.600 millones de dólares (después del dinero) para ayudar a las empresas a crear canales de datos para sus aplicaciones de inteligencia artificial.
Pero la mayoría de los datos no están estructurados, lo que dificulta que los sistemas de inteligencia artificial utilicen estos datos desde el principio. Es necesario etiquetarlo, lo cual es una tarea que requiere muchos recursos, especialmente con grandes conjuntos de datos. Scale AI proporciona a las empresas datos correctamente anotados y preparados para modelos de entrenamiento. También se especializa en diferentes industrias con diferentes necesidades: una startup de vehículos autónomos probablemente necesitará datos etiquetados de cámaras y Lidar, mientras que los casos de uso de procesamiento del lenguaje natural (NLP, por sus siglas en inglés) necesitarán texto anotado.
La empresa cuenta con clientes como Microsoft, Toyota, GM, Meta, el Departamento de Defensa de EE. UU. y, desde agosto pasadoOpenAI, fabricante de ChatGPT, que está aprovechando Scale AI para permitir a las empresas ajustar sus modelos de generación de texto GPT-3.5.
Con otros mil millones de dólares en el banco, Scale AI dice que está utilizando su nueva inyección de efectivo para ayudar a acelerar la “abundancia de datos de vanguardia que allanarán nuestro camino hacia la inteligencia artificial general”.
“La abundancia de datos no es lo predeterminado, es una elección”, dijo el director ejecutivo y fundador de Scale AI, Alexandr Wang, en un presione soltar. “Requiere reunir a las mejores mentes en ingeniería, operaciones e inteligencia artificial. Nuestra visión es la de abundancia de datos, donde tenemos los medios de producción para continuar escalando los LLM de vanguardia en muchos más órdenes de magnitud. No deberíamos estar limitados por los datos para llegar a GPT-10”.
