2025 年 6 月，Meta 以 143 亿美元收购了数据标注公司 Scale AI 49% 的股权，同时将创始人 Alexandr Wang 招入麾下，执掌新成立的 Meta Superintelligence Labs。这笔交易当时被一些观察者解读为一次昂贵的「收购式招聘」——一个社交网络巨头花大价钱买来一位 28 岁的明星创始人。
一年后，2026 年 6 月 16 日，Forbes 刊文回顾这笔交易，提出另一种解释：Meta 看重的还包括 Scale 组织专家、生产训练数据的能力。
这一解释把关注点从模型发布转向供应商业务。人才加入 Meta 后，Scale 仍要经营自身的客户关系；Meta 作为大股东的身份，则让其他模型公司重新考虑是否把训练数据交给它处理。
Forbes 的分析提供了观察这笔交易的一个角度：除了人才和模型，数据供应关系也发生了变化。部分客户转向其他供应商，Scale 扩展训练环境业务，Surge 和 Mercor 等公司则争取新的订单。
Meta 获得 49% 非投票权股权，Wang 转任 AI 负责人
2025 年 6 月 13 日，Scale AI 官方确认 Meta 完成了一笔「重大」投资，将公司估值推至 290 亿美元。Meta 以约 143 亿美元获得 49% 股权，但不拥有任何投票权。Alexandr Wang 卸任 CEO，加入 Meta 负责「超级智能」研发；Scale 原首席战略官 Jason Droege 接任临时 CEO。
Scale AI 成立于 2016 年，最初是一家数据标注公司——招募全球工人为 AI 系统标注图像、文本和视频。但到 2025 年，它的角色已经远超「标注工厂」。Scale 为多家前沿 AI 实验室提供训练数据服务，通过 RLHF（基于人类反馈的强化学习）为 LLM 提供对齐数据。Sacra 估算 Scale 2025 年营收为 20 亿美元，高于 2024 年的 8.7 亿美元；这并非公司公布的经审计收入。Scale 自称其数据业务在 2025 年实现盈利。
TechCrunch 在交易报道中特别指出，Scale 及其竞争对手当时已开始大规模招募高技能人才——「博士科学家和资深软件工程师」——来为前沿 AI 实验室生成高质量数据。这标志着数据标注行业正在从低技能劳动向专家知识密集型服务转型。
部分客户减少合作，Surge 和 Mercor 争取订单
交易宣布后，多家客户开始重新评估与 Scale 的合作。
OpenAI 率先开始逐步终止与 Scale 的合作。据 TechCrunch 和 Computerworld 报道，Google 也出于对 Meta 可能获取其 AI 研发信息的担忧而考虑切断关系。xAI 也被报道在寻找替代供应商。客户担忧的是，训练数据和研发信息可能被竞争对手接触；这类顾虑并不等于已经发生数据泄露。
客户调整合作主要影响两个方面：
第一，Scale 需要补充客户、降低收入集中风险。 据 TSG Invest 分析，2025 年 Meta 投资后，Scale 的主要客户——包括 Google、OpenAI 和 xAI——减少或暂停了合作，原因是数据保密顾虑。不过，Meta 的投资并未使 Scale 成为独家供应商；它仍有企业和公共部门客户。
第二，其他数据供应商获得争取客户的机会。 Surge AI 是其中之一。这家由 Edwin Chen 创立、此前从未融资的 bootstrapped 公司，在 2024 年营收已超过 12 亿美元，超越 Scale 同期的 8.7 亿美元。2025 年 7 月，Reuters 独家报道 Surge AI 寻求首次融资，目标金额高达 10 亿美元，估值超过 150 亿美元。这篇报道描述的是融资谈判目标，并非交易已经完成。
与此同时，Mercor 等新型平台也在崛起。Mercor 定位为「AI 人才市场」，连接 AI 实验室与领域专家——科学家、临床医生、律师、工程师——为模型训练和评估提供专业判断。它更强调领域专家的供给和匹配能力，服务内容也从基础标注扩展到复杂任务评估。
Scale 新数据训练项目中，近半涉及强化学习环境
在拓展客户的同时，Scale 也在增加产品种类。2026 年 2 月 27 日，Scale 在官方博客中宣布推出 Scale RL Environments——一套模拟真实工作场景的强化学习训练环境。
这些环境让 AI 智能体（Agent）执行操作、获得反馈，再用于训练或评估。Scale 在发布公告中称，近一半的新数据训练项目涉及 RL 环境；这个比例描述的是新项目构成，并非公司全部收入或业务。
Epoch AI 在 2026 年 1 月发表的文章中，汇集了 18 位来自 RL 环境创业公司、新兴模型实验室和前沿实验室从业者的访谈或文字反馈。作者据此认为，RL 环境已成为前沿 AI 实验室训练模型的重要基础设施。正如 Andrej Karpathy 在 2025 年回顾中所言，通过在多样化、可验证的任务环境中训练 LLM，这些模型「自发地发展出人类看起来像『推理』的策略」。
Scale 的 RL 环境产品覆盖消费者、企业和领域特定场景，允许模型构建者在高度逼真的模拟系统中训练和测试智能体，而无需承担在生产环境中部署未经验证行为的风险。模型在环境中产生操作记录，评分器再检查任务是否完成。这为训练提供了动态反馈，补充了静态的标注数据。
专家判断、任务设计和质量控制，成为新的竞争重点
Meta-Scale 交易加快了客户重新选择供应商的过程。与此同时，模型训练方式的变化，也在给数据服务带来三类新需求：
数量之外，还要控制质量。 数据量仍然重要，但复杂训练任务也要求供应商保证准确性、一致性和可验证性。Kili Technology 的行业分析强调了多层质量控制。对客户而言，关键是这些流程能否减少错误数据，而非供应商声称有多大标注规模。
从通用标注到专家判断。 传统的图像框选、情感标签仍有需求，但部分前沿训练任务需要更专业的判断，例如「这个量子物理问题的解答是否正确」「这份法律合同的条款是否合理」。Amplify Partners 在分析中提出，AI 标注服务难以无限扩张——因为模型越强，需要的标注者就越专业，而专业人才是稀缺的。
人类反馈之外，增加可交互任务。 RLHF 仍用于模型对齐，RL 环境则支持更长的操作过程，让模型在任务中探索和学习。两者可以结合，并非前者被后者整体替代。RLAIF（基于 AI 反馈的强化学习）作为 RLHF 的补充方案也在快速兴起，AI 系统作为「裁判」对模型输出进行评分，再由人类按任务需要复核。FutureAGI 介绍的「LLM-as-judge + 人类验证采样」是一种组合方案，能否节省成本并保持质量，取决于评分器的可靠性和抽检设计。
数据能力能否支持广告和模型研发，仍需分别衡量
Forbes 的分析还把 Scale 的数据能力与 Meta 已有的平台业务联系起来。这是一种商业判断，需要与交易本身已披露的效果区分。
2026 年 Q1，Meta 报告营收 563 亿美元，同比增长 33%，其中广告收入约 550 亿美元。Meta 将 AI 列为改善广告效果的重要因素：GEM 根据广告内容和用户互动等数据训练，再帮助下游系统优化广告投放。公司在 2025 年初的官方培训资料中已披露，每月使用至少一种生成式 AI 广告创意工具的广告主超过 400 万；到 2026 年一季度财报说明时，这一工具使用人数已超过 800 万。公司还称，当季 GEM 和 Lattice 的改进使落地页浏览广告的转化率提高了超过 6%。
Forbes 据此提出，模型普及后，平台和数据服务可能获得更多商业价值。按这一观点，Scale 组织专家、交付训练数据的能力具有吸引力。不过，Meta 的广告增长不能直接归因于这笔投资，数据服务的价值也不意味着模型研发不再重要。
Epoch AI 等机构对可用训练文本供给的讨论，也让人工数据和合成数据受到关注。这些分析涉及未来需求与供给的预测，并不代表现在所有高质量数据都已耗尽。对 Meta 而言，数据服务能否改善模型、广告和具体应用，需要各自的效果指标来检验。
交易效果要看客户留存、新业务收入和交付质量
一年过去，Meta-Scale 交易的故事远未结束。
Scale 在 Jason Droege 的领导下仍在努力重建客户基础。Scale 年度回顾称，2025 年新增业务超过 10 亿美元；新增业务签约额与当年确认收入是不同口径。其国际公共部门业务在 2025 年翻倍，预计 2026 年将再次翻倍。
Surge AI 等竞争者在争取新客户，但前述最高 10 亿美元的融资计划还需要后续披露确认。订单增长能否转化为稳定收入，同样取决于交付能力和客户留存。
Mercor 等新供应商也在从匹配标注人员，扩展到设计评估体系和 RL 环境。它们需要证明，专家网络能持续提供高质量任务，并让客户的模型表现得到改善。
这些变化让数据服务的竞争更具体：谁能找到合适专家、设计有效任务、稳定控制质量，谁就更有机会获得长期订单。资金可以支持扩张，但组织和验证这些工作的能力仍需要积累。
143 亿美元交易带来的客户迁移已经可见。它能为 Meta 和 Scale 带来多大长期回报，则要看新业务收入、客户留存和实际训练效果。
来源：
- Forbes, "Why Meta Paid $14.3B For Scale AI And Alexandr Wang's Data Empire," 2026-06-16. https://www.forbes.com/sites/jonmarkman/2026/06/16/why-meta-paid-143b-for-scale-ai-and-alexandr-wangs-data-empire
- TechCrunch, "Scale AI confirms 'significant' investment from Meta," 2025-06-13. https://techcrunch.com/2025/06/13/scale-ai-confirms-significant-investment-from-meta-says-ceo-alexandr-wang-is-leaving
- Sacra, "Scale AI revenue, valuation & funding." https://sacra.com/c/scale-ai
- Computerworld, "Meta's $14.3B stake triggers Scale AI customer exodus." https://www.computerworld.com/article/4009714/metas-14-3b-stake-triggers-scale-ai-customer-exodus-could-be-a-windfall-for-rivals-like-mercor.html
- Reuters, "Scale AI's bigger rival Surge AI seeks up to $1 billion capital raise," 2025-07-01. https://www.reuters.com/business/scale-ais-bigger-rival-surge-ai-seeks-up-1-billion-capital-raise-sources-say-2025-07-01
- Scale AI, "The Next Frontier of Data Training: RL Environments." https://scale.com/blog/rl-environments
- Epoch AI, "An FAQ on Reinforcement Learning Environments." https://epoch.ai/gradient-updates/state-of-rl-envs
- TSG Invest, "Scale AI Stock: $29B Valuation — Is It a Buy?" https://tsginvest.com/scale-ai
- Kili Technology, "The Best Data Labeling Services in 2026 (Reviewed)." https://kili-technology.com/blog/the-best-data-labeling-services-in-2026-reviewed
- FutureAGI, "Human vs LLM Annotation 2026: Accuracy, Cost, Tools." https://futureagi.com/blog/human-vs-llm-annotation-2025
- Amplify Partners, "Annotation for AI doesn't Scale." https://amplifypartners.com/blog-posts/annotation-for-ai-doesnt-scale
