«Новая золотая жила» для молодежи: великолепный поворот бизнеса по обработке данных с использованием ИИ и капитальный бум
Краткое содержание
Статья рассказывает о грандиозных изменениях в отрасли: бизнес по обработке данных для обучения ИИ, ранее считавшийся «низкоуровневым аутсорсингом», теперь переосмысливается молодыми предпринимателями (родившимися после 1995 и 2000 годов), имеющими опыт работы в крупных компаниях, и быстро превращается в объект большого интереса для венчурных инвесторов (VC).
Раньше процесс маркировки данных сводился к использованию недорогой рабочей силы; порог входа в этот бизнес был низким, а прибыль — незначительной, поэтому инвесторы его не ценили. Однако сейчас, с повышением требований к качеству данных для больших моделей ИИ и появлением новых потребностей (например, в использовании сред для обучения методом усиленного обучения), компании, занимающиеся обработкой данных, уже не просто продают «корпус текстов», а предлагают «инфраструктуру для интеллектуального обучения».
В качестве примера приводится стартап, оцененный в 2,5 миллиарда долларов, который скоро получит инвестиции от Sequoia, Alibaba и Tencent. Такие компании, предлагая высококачественные экспертные данные и создавая проверяемые среды для обучения, добиваются перехода от бизнеса, основанного на потоках денежных средств, к технологическим компаниям с высокой оценкой. Хотя простая продажа данных имеет свои ограничения, молодые предприниматели пытаются преодолеть эти ограничения с помощью SaaS-сервисов, глубокого вовлечения в рабочие процессы клиентов и исследования технологий, таких как RSI (рекуррентное самосовершенствование), превращая свои компании в поставщиков необходимых ресурсов для развития ИИ и даже в создателей собственных моделей.
---
Глубокий анализ: пять аспектов новой логики бизнеса по обработке данных с использованием ИИ
1. Изменение статуса: от «дешевой рабочей силы» к экспертам из престижных вузов
Простое объяснение:
Раньше маркировка данных ассоциировалась с людьми из третьих и четвертых районов городов, получающими низкую зарплату за работу с изображениями на экране. Это был типичный пример бизнеса, основанного на количестве рабочих ресурсов, где ценился тот, кто стоил дешевле.
Но сейчас ситуация изменилась. Среди тех, кто обрабатывает данные для ИИ, много выпускников китайских университетов, докторов медицинских наук и стажеров из крупных компаний (например, Alibaba Tongyi, Moon’s Dark Side). Они называют себя «руководителями команд по обработке данных», но их работа сильно отличается от прежней.
Почему произошло изменение?
Потому что ИИ стал гораздо более требовательным к качеству данных. Теперь ему необходимы не просто большие объемы данных, а качественные и точные информационные элементы.
- Раньше: достаточно было сказать ИИ, что это кошка, и он сам научился распознавать ее.
- Сейчас: ИИ должен уметь программировать, действовать как юрист или врач. Для этого необходимы профессиональные знания и навыки.
Часовая стоимость работы таких экспертов достигает 500–1000 долларов и даже больше. Их участие не только повышает качество данных, но и позволяет лучше понимать потребности самой модели. Они умеют формулировать задачи для обучения, очищать данные и помогать ИИ улучшать свои способности в процессе многократных попыток. Это превращает ранее однообразную работу в техническую задачу с элементами исследований и разработок. Инвесторы ценят именно их экспертизу.
2. Улучшение требований к данным: от простого предоставления информации к созданию сред для обучения
Простое объяснение:
Раньше обучение ИИ напоминало кормление ребенка: нужно было показать ему тысячу изображений кошек, чтобы он научился их распознавать. Это называлось «надзорным обучением», где данные использовались как примеры для обучения.
Сейчас ИИ должен действовать самостоятельно, как человек. Для этого необходимы более сложные среды обучения.
Что такое среда для обучения методом усиленного обучения?
Представьте, что вы хотите научить ИИ программированию на фронтенде. В старом подходе вы просто говорите ему, что код хорош или плох. В новом подходе вы предоставляете ему реальную среду, где он может сам писать код и проверять его работу. Если страница не открывается, система сообщает об ошибке; если страница работает корректно — система сообщает об успешном выполнении. ИИ учится на основе множества попыток, как в игре. Такие среды обучения очень дорогие и редки. Компании, занимающиеся их созданием (например, OpenAI и Anthropic), вкладывают большие средства в их развитие (OpenAI планирует расходовать на данные около 8 миллиардов долларов к 2030 году). Те, кто может предоставить такие среды, контролируют развитие ИИ.
3. Особенности предпринимателей: бывшие сотрудники крупных компаний, стремящиеся к богатству
Простое объяснение:
Эти предприниматели имеют особый опыт: они работали в крупных компаниях, занимающихся разработкой ИИ-моделей (например, DeepSeek, Kimi, Alibaba), и знают все недостатки традиционных подходов к аутсорсингу. Они понимают, что именно нужно моделям для эффективного обучения, и знают, как организовать весь процесс производства данных.
Почему инвесторы их ценят?
1. Низкий риск: они хорошо разбираются в технологиях, поэтому инвесторам не нужно объяснять основы методов усиленного обучения или процесса очистки данных.
2. Компактные команды: такие команды могут состоять всего из нескольких человек, но каждый из них обладает комплексными навыками (исследования, инженерия, бизнес-анализ).
3 Больший потенциал для роста: зарубежные аналоги этих компаний (например, Scale AI, Mercor, AfterQuery) уже являются миллиардерами в возрасте 20 с лишним лет. Китайские инвесторы видят в них подобные возможности и готовы вкладывать большие суммы.
4. Проблемы бизнеса: ограничения и пути их преодоления
**Простое объяснение:
Хотя бизнес по обработке данных кажется перспективным, инвесторы понимают, что простая продажа данных не позволяет достичь высокой оценки компании.
Основные проблемы:
- Низкая прибыль: большая часть доходов (60–70%) уходит на оплату услуг экспертов. Чем больше масштабы компании, тем выше управленческие затраты.
- Нестабильность заказов: поставки данных происходят единовременно, и оплата осуществляется после их проверки. Если качество данных не соответствует стандартам, клиент может отказаться от заказа. В отличие от SaaS-сервисов, где плата взимается на постоянной основе.
- Ограничения на рост: в Китае компании, занимающиеся обработкой данных, часто ограничены в возможностях для выхода на рынок ценных бумаг или слияний.
Как преодолеть эти проблемы?
Молодые предприниматели переходят от продажи данных к предоставлению комплексных решений и сервисов:
1. Сервисы на базе платформ: они предлагают системы для работы с данными, а не просто данные. Например, помогают банкам и больницам создавать интеллектуальные процессы. Таким образом они становятся долгосрочными партнерами клиентов.
2 Глубокая специализация: например, в области финансовых прогнозов. Они предоставляют проверяемые системы для прогнозирования и взимают плату за их использование через API. Это делает их услуги более привлекательными для клиентов.
3 Становление поставщиками инфраструктуры для обучения: данные и опыт, накопленные компаниями, могут использоваться для создания собственных моделей. Инвесторы видят в них не только текущий источник дохода, но и потенциал для разработки новых моделей в будущем.
5. Технология RSI и бесконечные возможности для развития
**Простое объяснение:
RSI (рекуррентное самосовершенствование) — это технология, позволяющая ИИ самостоятельно улучшать свои способности. Сейчас такие возможности доступны только крупным компаниям (OpenAI, Anthropic).
Как компании, занимающиеся обработкой данных, могут воспользоваться этой технологией?
Многие компании начинают использовать частично автоматизированные системы для обработки данных. Они создают системы, которые позволяют автоматизировать некоторые этапы процесса (например, генерацию данных и оценку их качества). Таким образом они становятся поставщиками необходимых ресурсов для развития ИИ.
Перспективы для инвесторов:
Инвесторы смотрят не только на текущий доход, но и на потенциал компаний в области технологий, способствующих развитию ИИ. Если компания может ускорить самосовершенствование моделей, она становится важным элементом в этом процессе. Это позволяет предоставлять высокие оценки для своих акций, поскольку перспективы развития ИИ бесконечны.
Вывод:
Для молодых предпринимателей бизнес по обработке данных — это способ быстро заработать и накопить капитал, а также путь к участию в ключевых сферах разработки ИИ. Как говорят инвесторы: «Если команда может одновременно зарабатывать и накапливать необходимые навыки и знания, это очень интересно».