AGENTIC COMMONSAI 產業簡報

繁中EN

標籤Meta出版

返回文章列表

Meta 入主 Scale AI 後:OpenAI 終止合作、Google 傳跟進

摘要: Meta 於 2025 年 6 月 12 日宣布以 143 億美元取得 Scale AI 49% 無投票權股權,創辦人 Alexandr Wang 則加入 Meta 的超智能團隊。OpenAI 在 6 月 18 日到 19 日證實逐步終止與 Scale AI 的資料合作,並說明過去六到十二個月已持續降低依賴、決定未受 Meta 合作案影響;Reuters 也報導最大客戶 Google 計劃跟進。Scale 改由 Jason Droege 擔任臨時執行長並強調政府與企業客製應用,客戶則擔心 Meta 入股後供應商能否維持中立。

2025 年 6 月 12 日,Meta 宣布以 143 億美元取得 Scale AI 49% 的無投票權股權,並把創辦人暨執行長 Alexandr Wang 納入旗下的超智能團隊;Wang 在員工備忘錄中證實離開,公司由原首席策略長 Jason Droege 接任臨時執行長。交易本身已經夠震撼,但真正的餘震出現在客戶端。

6 月 18 日到 19 日,OpenAI 證實正在逐步終止與 Scale AI 的資料合作;Reuters 同步報導,Scale 最大客戶 Google 也計畫跟進切斷關係。短短一週內,一筆大型投資把 AI 資料供應鏈的競合關係翻了一遍,也讓「中立性」成為這個產業的新定價項目。

OpenAI 證實逐步撤出

OpenAI 發言人向 CNBC 說明,公司過去六到十二個月已持續降低對 Scale 的依賴,並強調這項決定「並未受 Meta 合作案影響」。發言人解釋,Scale 只占 OpenAI 整體資料需求的一小部分,團隊一直在尋找更能跟上創新腳步、理解最新模型需要的資料供應商。

Fortune 的報導補上細節:OpenAI 內部判斷,Scale 在進階資料的專業度上已經不是最佳選擇,因此轉向 Mercor 等供應商,尋找更適合前沿模型的專業資料。值得玩味的是,OpenAI 財務長 Sarah Friar 才在巴黎 VivaTech 大會上表示,「不會因為併購發生就凍結生態系」,如今公司實際做法明顯轉向。公開說法與內部盤算之間的落差,正是這輪風波最誠實的註解。

從資料營運的角度看,這次撤退並不突然:前沿模型的資料需求已經從大批次的通用標記,轉向高專業度、小批次的專家資料。供應商能不能跟上這樣的演進,客戶比誰都清楚,也更換得快。

Google 傳跟進,中立性成疑

Reuters 引述知情人士說法,作為 Scale 最大客戶的 Google 也計畫在 Meta 交易後切斷資料供應關係;Google 對此拒絕評論。客戶們共同的疑慮很直接:Meta 入股之後,Scale 會不會讓 Meta 有機會看見其他客戶的 AI 開發動態?資料供應商的價值建立在「同時服務所有人」之上,這個前提一旦鬆動,合作基礎就跟著鬆動。 尤其是規模最大的那幾家客戶,轉身也最快——它們最買得起替代方案。

Scale 的法務長為此公開發文滅火,承諾 Meta 不會獲得偏好待遇、無法接觸其他客戶的機密資訊,Wang 也不參與公司日常營運。TechCrunch 則觀察到另一面:Scale 的競爭對手迎來客戶詢問潮,各家模型開發商急忙尋找「中立」的資料夥伴。商業條款可以白紙黑字,但信任不容易寫進合約。

Scale 的回應與新路線

面對客戶流失傳聞,臨時執行長 Jason Droege 對員工與客戶強調,公司並未「逐步收縮」,未來將把重心加倍投入為政府與企業打造客製化 AI 的應用業務。這句話等同宣示:資料標記本業之外,應用業務才是 Scale 接下來的成長故事。

對 Scale 而言,這是一次定位重選:繼續當所有人的資料後勤,或轉型成政府與企業的 AI 解決方案供應商。Wang 帶走的不只是自己,還有部分員工,以及市場對公司獨立性的想像。Droege 接手後的第一課,是在兩大客戶相繼離場的同時,說服剩下的客戶留下來。

這兩件事同時進行並不容易,卻是 Droege 唯一的選項:應用業務的營收可以補上資料標記流失的缺口,而客戶信任則決定本業還剩多少。

對 AI 資料供應鏈的意義

這輪風波突顯 AI 資料產業的結構性問題:資料標記公司同時服務多家前沿實驗室,一旦其中一家客戶以巨額投資綁定公司與創辦人,其餘客戶對中立性的假設就會動搖。股權換來的錢是一次性的,客戶流失卻是持續性的——Scale 未必不知道這筆帳怎麼算,只是當 Meta 出手時,它沒有太多選擇權。

從更大的格局看,這也預告了資料供應市場的整併方向:當模型實驗室開始用投資綁定供應商,獨立的資料公司會愈來愈少,中立性會變成明碼標價的稀缺品。

對開發者與企業採購方來說,2025 年 6 月的教訓很具體:評估資料供應商時,股權結構已經和資料品質、交付能力一樣重要。Scale 用一週時間替整個產業上了一堂中立性定價課,而這堂課的學費,是由它的客戶名單支付的。

參考來源

AGENTIC COMMONS由 PHLEGON LABS 經營
分享X電郵
支持我們

相關閱讀

  1. Meta 自導式測試時訓練:讓 LLM 自己挑該學的長上下文證據

    Meta AI 提出自導式測試時訓練 S-TTT,先讓模型自行挑選與問題相關的證據段落、再只對這些段落做適應訓練,在 LongBench-v2 與 LongBench-Pro 上帶來最高 15% 的相對準確率提升。

    Meta

  2. Meta 向 Google 租 TPU:自建雲巨頭回頭當對手的客戶

    2026 年 2 月 26 日,路透社報導 Meta 簽下數十億美元多年期協議,租用 Google Cloud TPU 訓練下一代模型,並洽談購買數百萬顆 TPU 自行部署。本文解析交易動機與對 Nvidia 的衝擊。

    Meta

  3. Thinking Machines 大地震:共同創辦人全數出走,500 億募資卡關

    NYT 長篇揭露 Thinking Machines 內鬥:三位早期核心逼宮失敗,CTO Barret Zoph 遭 Murati 解職後 OpenAI 立即收編;Meta 收購探詢破局,500 億美元估值的新輪募資陷入苦戰,AI 人才戰爭的代價浮上檯面。

    OpenAI