Encord 获得新资金，以发展其 AI 数据开发工具

标签和注释平台可能不会像新式生成式 AI 模型那样受到关注。但它们却必不可少。许多模型训练所依据的数据必须经过标记，否则模型将无法在训练过程中解释这些数据。

注释是一项艰巨的任务，需要对正在使用的更大、更复杂的数据集进行数千到数百万次注释。为了减轻负担，Eric Landau 和 Ulrik Hansen 创立了Encord，他们将其描述为一个“数据开发”平台，供公司管理和准备用于 AI 模型的数据。

现在，由于 Next47 领投的 B 轮融资，该公司的资金又增加了 3000 万美元。Landau 告诉 TechCrunch，这笔新资金将使 Encord 的资金达到 5000 万美元，用于在未来六个月内将 Encord 的产品、工程和 AI 研究团队的规模扩大一倍，并扩大该公司在旧金山的办事处。

“到今年年底，我们预计团队人数将从目前的 70 人增加到 100 人，”他补充道。“我们现在在伦敦和旧金山设有两个总部，团队成员遍布全球。”

兰道最初在斯坦福大学读本科时就开始研究大数据系统，研究粒子物理学。汉森则在摩根大通的全球市场部门工作，负责新兴市场衍生品的交易。

Encord 获得新资金，以发展其 AI 数据开发工具

汉森说，Encord 的萌芽是在他攻读伦敦帝国理工学院计算机科学硕士课程期间从事数据密集型人工智能项目时萌生的。汉森对数据管理和标记耗时的性质感到沮丧，于是与他在伦敦创业圈认识的兰道见面，商讨如何共同解决数据问题。

Landau说：“我们将 Hansen 的软件开发专业知识与我从定量研究中获得的见解结合起来，以实现数据开发的自动化，于 2021 年春季在 Y Combinator 期间推出了 Encord 产品的第一个版本。”“Encord 平台为企业提供了工具，以准备用于 AI 的数据，并评估这些数据对其模型的支持效果。”

到 2027 年，数据注释和标签市场规模预计将增长到 36 亿美元，Encord 是众多争夺合同的供应商之一。除了Scale AI之外，还有Datasaur等初创公司，该公司允许客户根据标签集自动创建模型；Heartex正在构建一个开源数据“开发”平台；以及数据注释工具提供商Dataloop。

兰道表示，Encord 凭借其平台的多功能性而脱颖而出。

使用 Encord，团队可以探索和可视化从私有云和公共云存储中提取的数据集（包括图像、视频和语音数据集），并比较在同一组数据集上训练的不同模型的性能。该平台试图检测模型准确性问题，并建议有助于纠正这些问题的其他训练数据。

Landau 表示：“与仅解决数据堆栈特定部分的零碎解决方案不同，Encord 可让您将所有数据工作流整合到一个平台上。通过这种整合，公司可以获得可追溯性，从而揭示通常不透明的 AI‘黑匣子’，帮助理解模型做出特定决策的原因。”

Encord 获得新资金，以发展其 AI 数据开发工具

Encord 的战略目前看来效果不错。该公司拥有 120 个客户，包括飞利浦、热门 AI 初创公司Synthesia以及医疗保健提供商 Cedars-Sinai 和 Northwell Health，此外还与未具名的军事和政府机构签订了合同。Landau 声称，Encord 去年的收入增长了 4 倍，如果不继续增加员工人数，到 2025 年，其现金流可能会为正。

“我们感觉与经济放缓相反，”兰道说。“话虽如此，我们了解更广泛的市场状况，并采取了保守的资本配置方式。”

新一轮融资的其他参与者包括 Y Combinator、CRV 和 Crane Venture Partners。