Meta又出手？祖克柏擬砸重金投資Scale AI：這家新創有何來頭？|數位時代 BusinessNext

Meta又出手？祖克柏擬砸重金投資Scale AI：這家新創有何來頭？

Meta傳出正在洽談投資Scale AI，且規模可能上看百億美元。為何這間新創如此受到Meta看重？

祖克柏擬砸重金投資Scale AI

AI軍備競賽正進入白熱化階段，Meta傳出正在為Scale AI投資上百億美元，可能將創該公司在AI領域的最大投資紀錄，並且將是有史以來私人公司獲得的最高額融資之一。

Scale AI 是一家專注於「資料標註」（Data Labeling）與「AI 訓練資料處理」的美國AI公司，成立於2016年，由 Alexandr Wang 和 Lucy Guo 創辦。

其核心業務是為全球頂尖科技公司（如 OpenAI、NVIDIA、Tesla、Meta、Microsoft 等）及政府機構，提供高品質、可用於訓練 AI 模型的標註數據

融資規模上看100億美元，但交易仍未確認

根據《彭博社》報導，Meta正在與洽談Scale AI洽談，協商投資數十億美元資金，並且規模有可能上看百億美元。不過這筆交易的條件還未敲定，尚可能出現變化。

目前還沒有關於這筆交易的細節披露，不過這個消息反應了Meta執行長馬克．祖克柏（Mark Zuckerberg）堅定投資AI的決心，他曾在今年1月表示，今年將在AI領域投入多達650億美元的鉅額資金。

Scale AI主要提供資料標注服務，客戶包括OpenAI和微軟等公司，微軟、Meta都曾經參與該公司的融資。今年4月時，就曾傳出Scale AI正在籌劃以250億美元估值進行要約收購，如今的消息似乎也顯示這項計畫仍在持續推進當中。

那麼，什麼是資料標注服務？ 簡單來說，就是將原始的圖片、影片、文字、感測器數據等，透過人工與自動化方式進行精確標註，轉換成 AI 可以學習的格式。

而這些經過標注的數據，將廣泛應用於自駕車、語言模型（如 ChatGPT）、影像辨識、內容審核、機器人等領域。也因此，Scale AI 被譽為「AI 資料界的台積電」或「AI 模型背後的資料工廠」，是推動生成式 AI、大型語言模型（LLM）、自駕車等新世代 AI 技術不可或缺的基礎設施。

汪滔是誰？

2016年從MIT中輟的汪滔（Alexandr Wang）共同創辦了Scale AI，他是中國移民二代，從小便對數學和電腦程式有著極高天份與熱情，10多歲時就曾輾轉在問答平台Quora、量化交易公司Hudson River Trading短暫工作過。

目前擔任執行長的汪滔曾表示，Scale AI，的業務便是要解決AI領域「最不性感」的問題。

Scale AI在世界各地僱用超過10萬契約人力，人手為各種訓練用資料進行標注，這種幾乎無門檻的工作吸引了大量低收入地區的勞工遠端作業，然而也使得該公司深陷血汗勞工的爭議，甚至去年底、今年初該公司三度被指控讓員工處理諸如動物屍體、色情等對身心有害的內容，卻沒有提供任何心理支持。

不過，汪滔曾認為，Scale AI在AI領域的重要性不下於輝達，「我們在AI領域的不可或缺性，絕不亞於輝達。」Scale AI去年的營收達到8.7億美元，預計2025年將翻倍成長至20億美元，成長速度驚人。

值得一提的是，Scale AI和Meta在國防科技領域也有共同的興趣，雙方已合作開發軍用AI模型Defense Llama，並且兩者也都與國防科技公司Anduril個別建立了合作夥伴關係。

面對日益激烈的AI競爭，Scale AI作為AI訓練的幕後支持者，也成為不容忽視的一環，Meta的這筆投資顯示了他們在AI領域的發展野心。

本文合作轉載自：數位時代
資料來源：Bloomberg、TechCrunch

本文初稿由AI撰寫，編輯：陳建鈞

責任編輯：李先泰

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問