Meta⋆ и Nvidia вложили $15 млрд в Scale AI: сдвиг от данных к RL-средам
Scale AI превращается из поставщика данных в архитектора симуляций, куда Meta и Nvidia вложили более 15 млрд долларов, чтобы научить ИИ-агентов действовать автономно.
Scale AI, Inc. — американская технологическая компания, основанная в 2016 году в Сан-Франциско (Калифорния). С самого начала Scale AI позиционировала себя как ключевого партнера для разработчиков искусственного интеллекта, предоставляя услуги по разметке данных и оценке моделей машинного обучения. Сегодня компания вышла за рамки простой аннотации, став важным игроком в сфере обеспечения безопасности, надежности и эффективности крупных языковых моделей (LLM) и других ИИ-систем.
Инновационные направления и исследовательская деятельность
С момента своего основания Scale AI активно развивает свои исследовательские возможности. В частности, компания создала лабораторию Safety, Evaluation and Alignment Lab, занимающуюся проблемами выравнивания, тестирования и этической безопасности ИИ. Одним из знаковых проектов стал Humanity's Last Exam — бенчмарк, направленный на всестороннюю оценку продвинутых ИИ-систем по таким параметрам, как логическое мышление, безопасность и соответствие человеческим ценностям.
Кроме того, Scale AI участвует в разработке и внедрении специализированных метрик и тестов, таких как EnigmaEval, MultiChallenge и MASK, которые позволяют детально анализировать поведение и эффективность современных моделей ИИ.
Подразделения и технологии
Для выполнения задач по разметке данных Scale AI использует два ключевых подразделения:
- Remotasks — платформа для удалённой разметки данных, сосредоточенная на компьютерном зрении и автономных транспортных средствах. Компания имеет представительства в Юго-Восточной Азии и Африке.
- Outlier — специализированная платформа для работы с данными, предназначенными для генеративного ИИ и тонкой настройки LLM.
Эти платформы обеспечивают масштабируемость и точность при подготовке обучающих наборов данных, что делает возможным развитие передовых ИИ-технологий.
Клиенты и партнеры
К числу коммерческих клиентов Scale AI относятся такие мировые гиганты, как Etsy, General Motors, OpenAI, PayPal, Pinterest, Samsung, Toyota и Uber. Кроме того, компания сотрудничает с правительствами, включая США, где работает над рядом оборонных проектов, а также с Катаром, помогая оптимизировать социальные программы через применение ИИ.
В феврале 2025 года было объявлено о подписании пятилетнего соглашения между Scale AI и правительством Катара, предусматривающего внедрение аналитических и автоматизированных решений для госуправления.
Участие в военных и государственных проектах
Scale AI играет заметную роль в оборонных инициативах США. В числе её достижений — первый в истории запуск LLM (Donovan) на закрытой сети армии США, участие в программе Thunderforge (совместно с Anduril Industries и Microsoft), а также контракт с Defense Innovation Unit для применения ИИ в планировании логистики военных операций.
Также компания стала независимым оценщиком моделей ИИ для U.S. AI Safety Institute, демонстрируя высокий уровень доверия к своей экспертизе.
Развитие и вызовы
За свою историю Scale AI прошла путь от стартапа до одного из лидеров рынка ИИ-инфраструктуры. В июне 2025 года Meta⋆ Platforms приобрела долю в размере 49% за $14,8 млрд, что знаменовало начало нового этапа развития компании. Однако сделка вызвала реакцию со стороны других крупных клиентов, включая Google, который заявил о намерении прекратить сотрудничество.
На пути роста компания столкнулась с юридическими и этическими вызовами: в конце 2024 года и начале 2025 года к Scale AI были предъявлены иски от бывших сотрудников по вопросам нарушения трудового законодательства и психологического воздействия на работников, связанных с обработкой травматичного контента.
Сдвиг фокуса: от данных к инфраструктуре обучения
Рынок искусственного интеллекта переживает фундаментальное изменение: акцент смещается с простого накопления данных на создание сложных сред для обучения агентов. Если раньше ключевым активом считались размеченные датасеты, то сейчас ценность приобретает инфраструктура, позволяющая моделям тренироваться в симуляциях, имитирующих реальные сценарии. Компании, такие как Scale AI, трансформируются из поставщиков аннотаций в разработчиков сред обучения с подкреплением (RL-среды). Эти инструменты необходимы для того, чтобы ИИ-агенты могли безопасно совершать ошибки, обучаться на них и выполнять сложные задачи, от написания кода до управления ресурсами, без риска для реальных бизнес-процессов.
Важный нюанс: Отсутствие результатов модели GPT-5.5 в бенчмарке MCP Atlas от Scale AI указывает на то, что высокая точность ответов в тестах не гарантирует способность модели эффективно управлять внешними инструментами и оркестровать сложные рабочие процессы.
Этот тренд подтверждается инвестиционной активностью. Nvidia, понимая, что без качественных данных и сред обучения чипы не раскроют потенциал, вложила $1 млрд в Scale AI. Это вложение направлено на обеспечение доступа к инфраструктуре, критически важной для обучения новых поколений моделей. Аналогично, Meta⋆⋆, приостановив прямой найм сотрудников в сфере ИИ, сделала ставку на стратегическое приобретение. Компания выделила $14,3 млрд на покупку 49% акций Scale AI, что позволило ей мгновенно получить доступ к ключевым технологиям и кадрам, минуя длительные процессы адаптации новых команд.
Конкуренция за кадры и технологический суверенитет
Подход крупных технологических игроков к решению кадрового дефицита демонстрирует расхождение в стратегиях. Microsoft отказалась от гонки зарплат, сделав ставку на строгий отбор и командную культуру. В то же время Meta⋆⋆ и другие гиганты используют крупные сделки по слиянию и поглощению (acquihire) для привлечения специалистов. Покупка части Scale AI за $14,3 млрд — яркий пример такой стратегии, позволяющей мгновенно усилить команду и получить контроль над критической технологией.
Для российского рынка эти процессы формируют важный сигнал. Глобальный переход к сложным RL-окружениям означает, что стандартные методы разметки данных устаревают. Российским компаниям, разрабатывающим ИИ, необходимо учитывать, что будущие конкурентные преимущества будут зависеть от способности создавать собственные симуляторы и среды обучения, а не только от наличия вычислительных мощностей. Зависимость от зарубежных платформ для тренировки агентов может стать существенным ограничением в условиях технологической изоляции.
Экономическая эффективность и новые стандарты качества
Внедрение новых моделей, таких как GPT-5.5, требует пересмотра экономики использования. Рост цен на токены может быть оправдан только в том случае, если сокращается количество итераций, необходимых для выполнения задачи. Однако, как показывает практика тестирования, лидерство в автономной работе с кодом и терминалом пока удерживают другие решения, например, модель Claude Opus 4.7, показавшая результат 79,1% в специализированных тестах. Это создает ситуацию, где более дорогая модель не всегда является более эффективной для конкретных бизнес-кейсов.
Стоит учесть: Инвестиции в создание RL-сред становятся основным драйвером стоимости для компаний, разрабатывающих ИИ-агентов, так как именно качество симуляции определяет скорость и надежность обучения моделей в реальных условиях.
Рынок движется к модели, где стоимость ошибки в обучении агента становится критическим фактором. Компании, способные предоставить безопасные и реалистичные среды для тренировок, получают преимущество перед теми, кто полагается только на статические данные. Для бизнеса это означает необходимость оценки не только точности модели, но и её способности к автономному действию в неопределенной среде.
Ключевые игроки и их стратегии:
- Scale AI: Переход от аннотации данных к созданию RL-сред и инфраструктуры для обучения агентов; получение инвестиций от Nvidia и стратегическое партнерство с Meta⋆⋆.
- Meta⋆⋆: Приостановка прямого найма в пользу крупных приобретений (инвестиция $14,3 млрд в Scale AI) для ускорения развития суперинтеллекта.
- Nvidia: Расширение экосистемы через венчурные инвестиции, включая вложение $1 млрд в инфраструктуру данных и обучения.
- Microsoft: Отказ от гонки зарплат в пользу формирования сплоченных команд и строгого отбора кандидатов.
Итогом этих процессов становится формирование новой экосистемы, где ценность смещается от самих моделей к инфраструктуре, позволяющей им обучаться и действовать автономно. Для участников рынка, включая российских разработчиков, это сигнал о необходимости инвестиций в создание собственных симуляторов и сред обучения, чтобы не отстать в гонке за технологическое лидерство.
🤖 Сводка сформирована нейросетью на основе фактов из Календаря. Мы обновляем аналитический дайджест при необходимости — факты и хронология всегда доступны в Календаре ниже для проверки и изучения.
📅 Последнее обновление сводки: 14 июня 2026.
