在整个科技圈，高喊“AI将改变一切”的声音从未停歇。但最近一份由麻省理工学院发布的报告却给这一浪潮泼上了一盆冷水：在对300个企业AI落地案例的调研中，有多达95%的公司表示，AI投资并未带来财务回报。
这份报告指出，问题并不在模型本身的能力有多强，而在于落地过程中的“学习断层”：AI工具难以适应企业的实际环境、缺乏反馈机制、与既有流程割裂。有意思的是，其中回报率较高的项目往往是聚焦于某一个“痛点”操作，而非大而全的AI战略。
在这样的背景下，作为核心数据训练与标注服务提供商的 Scale AI，在行业风暴中扮演了颇具代表性的角色。2025年6月，Meta向 Scale 投资约 143 亿美元，获得其 49% 股权，并将其估值推至约 290 亿美元。创始人 Alexandr Wang 随即转向 Meta 担纲其超智能实验室，而原本的战略总监 Jason Droege 被任命为 Scale 的临时 CEO。
在接任后，Droege 经过公开采访一再强调：Meta 虽是股东，但不会拥有特殊待遇，Scale 仍对所有客户一视同仁。他将焦点转移到一个相对不那么为人所知的路径——帮助各类型企业构建自身专属的数据集和 AI 工具，尤其聚焦那些人工低效但流程重复的任务类型。正是为了挑战“AI落地无回报”的行业刻板印象。
Droege 指出，理解 AI 能做什么、不能做什么至关重要。他认为，AI 的真正优势在于处理人类“慢、易错、耗时”的环节，比如快速阅读多页文件、自动摘要病历、辅助审批流程。在医疗、保险、政府审批等领域，Scale 已与 Mayo Clinic、美国国防部、卡塔尔政府等机构展开合作。
当然，业界对 Scale 未来的质疑也不少。部分大型客户在 Meta 投资后据报已撤回部分合作项目，对其是否能维持独立性产生顾虑。此外，业内也普遍判断，真正让 AI 工具在企业内部“赚钱”可能还需要数年时间。正如一位分析师所言，“在组织级别全面落地的 AI 工具，实现广泛的营收与节支，将是未来几年的挑战。”
即便如此，Droege 对未来看得较为乐观。他认为，在 AI 从“工具”向“平台”过渡的过程中，那些既懂 AI 架构又理解业务场景的公司，有机会在这一阶段赢得先机。正如 MIT 的报告也暗示：那些成功的 AI 项目，多数借助外部工具、跨界合作、专注落地场景。
在 AI 行业从风口走向深耕的拐点上，Scale AI 的进退也许可看作这一轮 AI 热潮的一个缩影。真正能够变成“赚钱机器”的 AI，并非源自模型本身，而是链接业务与数据的那条隐形链条。对于多数仍在探索期的企业来说，选择切入点与执行路径，比盲目跟风更重要。
