高质量数据是实现高性能AI的关键。研究发现，数据集的策展质量比规模更能影响模型性能，因此业界愈发重视数据管理实践。调查显示，当前AI研究人员将大量时间投入在数据准备与组织任务上。
瓦汉·彼得罗相（Vahan Petrosyan）和蒂格兰·彼得罗相（Tigran Petrosyan）兄弟在大学训练算法时，深切体会到海量数据管理的痛点。瓦汉甚至在攻读图像分割博士学位期间，开发了一款数据管理工具。
几年后，瓦汉发现开发者乃至企业都愿意为类似工具付费，于是兄弟俩创立了SuperAnnotate来构建这一平台。
瓦汉表示：“2023年模型和多模态AI创新爆发，对高质量数据集的需求更加严格，每个组织都有多种专用数据用例。我们看到了机会，可以构建一个易于使用的低代码平台，打造现代AI训练数据的‘瑞士军刀’。”
SuperAnnotate的客户包括Databricks和Canva，帮助用户创建并追踪大型AI训练数据集。该初创公司最初专注于标注软件，现已提供用于微调、迭代和评估数据集的工具。
通过SuperAnnotate平台，用户可连接本地及云端数据源创建项目，并与团队协作。在仪表板中，用户能比较不同训练数据下模型的性能表现，并在就绪后将模型部署至各类环境。
此外，SuperAnnotate还为企业提供众包劳动力市场以完成数据标注任务。标注即标记数据含义或模型训练所需的文本片段，作为模型的“指南针”，教导其区分事物、地点和概念。
值得注意的是，Reddit上曾出现多篇关于SuperAnnotate对待数据标注员方式的帖子，评价并不友好。部分标注员抱怨存在沟通不畅、期望不明确及薪酬过低等问题。
对此，SuperAnnotate声称支付公平的市场费率，且对标注人员的要求未超出行业常态。该公司已就运营细节作出回应，表示在快速扩张期间曾面临沟通挑战，随后已改进标注员与平台的交互方式及沟通流程。
人工智能数据管理领域竞争激烈，Scale AI、Weka和Dataloop等均为主要竞争对手。然而，总部位于旧金山的SuperAnnotate依然站稳脚跟，近期完成了由Socium Ventures领投，Nvidia、Databricks Ventures和Play Time Ventures参投的3600万美元B轮融资。
此轮融资使SuperAnnotate总融资额超5300万美元，资金将用于扩充约100人的团队、产品研发以及拓展拥有约100家客户的客户群。
瓦汉表示：“我们的目标是构建一个能完全适应企业不断变化需求，并在数据微调方面提供广泛定制能力的平台。”