对话U30 | 打造AI 时代的数智核心基建——最终序列（上海）科技有限公司创始人殷晓晗

18岁，外出求学，生活的画卷才真正展开。离开家乡，南下进学，在改变他性格的同时，逐步积累起丰富的社会经验。渐渐地，殷晓晗领悟到，生活这幅画卷远比他眼前所见、心中所感的要深邃和宽广。

毕业前夕，在北京的清华同衡设计研究院做助理设计师的殷晓晗，获得了曼彻斯特大学的offer，继续深造显然是一条“计划内人生路径”。然而，一系列意料之外的事件让他意识到他骨子里追求的不是一份稳定的工作或是高学历后的研究岗位，而是能够在这样快速变化的时代中，找到自己的价值和位置。

2011年，恰是国内互联网高速发展的时段，带着对未知世界的憧憬和兴奋，殷晓晗决定投身创业。互联网的浪潮让他看到了一种不可逆的强大力量，科技迅速革新在改变着世界，他想参与到这场变革之中。2014年，他联合一批大学校友踏上了首次创业的征途。作为新媒体营销领域的先驱者，他们从代理运营业务起步，逐步扩展到组织各类线下社群活动、发起各类竞赛，乃至涉足网红经济和直播领域。一系列的实践活动使他们逐渐构建起以用户为中心的思维方式，深刻领悟到满足场景需求和用户诉求的关键性。

在随后的发展中，他们决定战略转型，开发一款名为“XTONE”的圈层社交软件。该软件试图通过整合线下社群和俱乐部资源来拓展其应用场景，然而，由于投资缺乏规划和秩序，导致这次创业最终未能达到预期。

第一次创业经历如同跌宕起伏的“大航海”故事，虽然未能抵达预期的彼岸，却极大地拓宽了殷晓晗的认知边界，磨砺了他作为创业者的坚韧意志。2015年下半年，他希望补足更多的知识和认知盲区参与了创业营，很幸运地结识了SaaS领域的团队并共谋发展。在社区SaaS基础上，他们深耕社区O2O项目，并于2016年7月获得PRE-A轮融资后被收购。

2019年，殷晓晗加入阿里系工作，与众多行业精英共事，让他接触到尖端技术与管理理念。尽管大厂提供了稳定的职业发展和学习资源，他仍渴望追逐更具影响力的事业，这一次，他选择远赴新加坡南洋理工大学深造，系统性地拓宽自己的专业知识和思考视野。

这一次，他在AI智能发展和数据业务价值链条上找到了新的方向。2023年4月，殷晓晗从新加坡南洋理工大学毕业回国，8月创立“最终序列”，志在打造类似硅谷独角兽Scale AI类型的企业。

深入探索并融入人工智能行业后，殷晓晗对该领域的未来持积极态度，预见未来数年内将涌现更多创新成果。例如，硅谷新秀Scale AI等公司已证明智能数据处理和分析能显著提升客户业务效率与成效，即通过人工智能API支持客户在各自的领域内实现更高效的数据处理和应用，他们的成功案例凸显了AI在数据管理实际应用中的潜力。

在中国这个无比庞大的市场，人工智能在制造、医疗、教育、金融等多个领域的应用前景尤为广阔。殷晓晗预计，在未来几年内，AI技术将更广泛地融入社会，成为推动社会发展的重要动力。AI正逐步在智能化服务、自动化生产、精准医疗等关键领域扮演着至关重要的角色，助力我们解决长期悬而未决的挑战。而且，在中国，得益于政府对科技创新的坚定支持和庞大的市场需求，为AI的广泛应用和创新商业模式的涌现提供了肥沃的土壤。

时代潮流，浩浩荡荡。殷晓晗立志将其创立的公司打造成为人工智能领域具有深远影响力的领军企业，不仅在技术创新上取得重大突破，更在应用实践上不断推陈出新。

对于企业在数据处理与分析方面的难题，他认为，在国内市场与国际AI技术存在差距的现实下，不仅要解决技术研发层面的不足，更要充分利用国内丰富的数据资源和应用场景。为此，他选择了AI数据智能化系统的研发（AI数据机器人）+全职的专业人力工程产线，自研方法论的作业流程作为战略方向，专注于利用先进的机器学习算法和自然语言处理技术，实现数据治理流程的自动化和智能化，构建高效且具备自我优化能力的人工智能数据处理平台，打造更为高效、可迭代的AI智能数据处理工具。

通过整合高效的数据处理流水线和专业的数据工程团队，致力于在数据预处理、质量控制、元数据管理等关键环节实现最优化处理。该流程深度整合于AI产业链，确保在模型训练、算法优化以及多样化AI应用开发中，实现对数据的精准处理和分析，从而显著提升AI系统的认知能力和决策效率。目标是缩小与全球领先技术的差距，并为AI技术在各个领域的智能化转型提供强有力的数据支持和技术赋能。

公司推出的Awesome AI项目迅速获得市场认可。

一年多过去，最终序列的成绩斐然。

公司的核心项目Awesome AI在AI领域取得了显著成就，荣获多项殊荣，包括2023年的创业黑马AI30、“松湖杯”50强先锋奖AI组第一名等。

最终序列的定位和愿景是致力于Ai时代的核心数智基建，核心产品Awesome AI是基于自主研发的私有化AI数据引擎+人工数据产线加持的“AI数智生命体”；结合自有人工数据产线的数据治理和标注及清洗业务能力的加持，更高效的挖掘各领域专业类目非标的私有数据、弥补私有数据AI可用数据的空白，循环并且最大限度将参数输入到AI数智生命体自适应学习，高频次的智能化的数据分析训练，使得AI生命体得到快速的AI能力成长，做到强分析，高智能，精输出；专注于提供专业类目私有数据的“AI+人工”的深层次数据治理和智能分析标注服务，提炼高净值各领域私有化AI可用数据，致力于构建人工智能和机器学习应用程序所需的高价值AI数智基建。

Awesome AI分为双层架构；一层架构：私有化AI数据引擎（AI数据机器人）：Awesome AI开发了自适应学习的自动化工具智能体，是一款私有化AI数据引擎的系统开发，用“AI机械臂”将企业或者个人的分散且非结构数据结构化，运用AI算法驱动的私有化数据引擎能力和自学习的AI智能体达到高效数据整理分析和训练学习叠加AI能力；形成私有数据中心；基于可以帮助加速数据AI可用化，数据的AI智能学习及理解，治理标注、聚合分析和清洗等全流程作业过程，提高私有化非标数据价值挖掘效率和精准性。结合AI技术能力，场景需求，为客户提供全链路行业专业类目的私有化AI数智处理解决方案。进一步推动了AI技术的发展和应用。

殷晓晗重点提到的二层架构：是Awesome AI的人工数据产线架构。目前最终序列已经拥有了超过100人的数据标签产线，使用自研的方法论和产品流程结合系统进行数据标签和数据精洗；目前行业仅有最终序列拥有超过百人的自有人工产线规模。据了解，从用于构建AI/ML模型的数据标签和注释开始，到清洗各类型的数据，Awesome AI都能提供高质量的数据标注服务。“数据标记和数据注释涉及用于训练ML模型的标记数据集的相关信息或元数据。要训练和构建任何机器学习算法，模型都需要基于正确标记的准确数据集。帮助客户标注和清洗各种类型的数据，无论是图像、文本还是音频数据，Awesome AI都能够提供专业的标注服务，以支持客户的AI系统和机器学习模型的训练需求。”殷晓晗介绍说。

毫无疑问，殷晓晗必须面对技术挑战、市场波动与资方期望等多重考验。得益于过往创业经验与深入的市场调查，最终序列的项目迅速赢得业界认可和资本青睐。

在打造AI数据管理解决方案的过程中，团队不仅追求算法的精确性，更致力于将技术无缝融合于客户的业务流程。这就要求驱使他们深刻洞察客户需求，并促使技术团队敏捷迭代产品，以迎合市场动态需求。尽管挑战重重，但团队因此得以迅速成长，增强了对市场变化的适应能力。同时，他们也需要直面资本市场的实际要求。在初期获得资金支持的基础上，如何平衡短期成果与长远发展，这构成了他们在财务和战略规划方面所要应对的双重挑战。

此次创业的征途中，殷晓晗深刻认识到技术创新与商业模式创新的至关重要，以及在迅猛发展的行业中持续学习和适应的能力。尽管前路未知且挑战重重，他坚信，凭借不懈的探索和创新，他们能够克服困难，实现个人价值和社会意义的双重目标。

在殷晓晗早期的创业征途中，尝试跨越了新媒体营销、社交软件开发及SaaS服务等多个领域。尽管挑战重重，但每一次的困境都孕育了新的洞见与成长。新媒体营销教会了他吸引并保持用户关注的技巧；市场趋势的多变性让他在激烈的竞争中为客户创造价值；社交软件的开发则让他深刻理解了用户体验的重要性及其对项目成功的关键作用。这些经历虽未直接成就商业成功，却锻炼了他解决问题的能力，并让他学会了如何在逆境中捕捉成长的机会，为未来的创业之路铺就了坚实的基础。

殷晓晗深知，合伙人在创业旅程中扮演着至关重要的角色。在经历一系列尝试与探索之后，维护初创伙伴的热情与共同成长至关重要，同时，吸引新的志同道合者，确保价值观与执行力的高度一致性，是构建强大团队的基石。这样的团队能够迅速启动项目，并在概念验证、市场推广等关键步骤中展现出旺盛的活力。每一次面临的挑战，最终都转化为团队成长的宝贵经验。

这些经历深刻印证了团队协作的力量，并揭示了创业成功的决定性因素：持续学习、谦逊求教、坚韧不拔。与杰出人士的互动和协作，不仅促进了个人技能的快速提升，也为职业道路积累了珍贵的人脉资源和合作网络。

在创业的征途中，殷晓晗也深刻认识到决策与目标设定不能仅凭一时的激情与热情，而应以理性为主导，以免情怀和理想蒙蔽了决策与判断。毕竟，创业是一场严肃的挑战，需要对投入的时间和信赖自己的团队成员负责。此外，持续提升自我学习能力是避免停滞不前、突破个人发展瓶颈的关键。

回头来看，从早期在不同领域的摸索与失败，到与合适的合伙人共同成长，再到在知名企业的实践和海外学术的深造，每一步都为殷晓晗后来专注于人工智能领域的创业奠定了坚实的基础。殷晓晗坚信，只要持续追求创新，勇敢面对挑战，就能在人工智能领域中开拓出属于自己的道路。

“我们致力于开发高效且稳定的人工智能解决方案，以助力客户优化业务流程和提高运营效率。在未来的发展中，将专注于人工智能技术的持续进步，包括算法模型的创新、扩展服务范围以及与行业领军企业的深度合作，共同推动AI技术在多个领域的广泛应用和发展。努力加速技术创新的步伐，为行业发展贡献力量。”殷晓晗说，未来数年，人工智能领域将面临前所未有的机遇与挑战，这不仅是个人实现自我价值的征程，更是在新一轮技术创新的浪潮中贡献力量的机遇。他期盼在这个充满活力的行业中不断进步，与志趣相投的合作伙伴携手，共同推进人工智能技术向前发展，创造更大的社会价值和影响力。

殷晓晗：近期，我们正在进行空间智能的多模态研究。空间智能的概念是今年4月由AI教母李飞飞提出来的，国内外的科研院所也在研究一些相关技术，大多数基于空间数据量的训练，最终想要达成一个大模型的状态。

最终序列应该是国内比较早期将空间智能模型应用于商用的公司。一个重要的结合场景是具身智能，给机器人提供新的识别模块，希望它能够拥有像人一样的视觉神经，不仅可以看到，还能够做出分析和判断。我们还将模型开放，做成开发者平台。当机器人企业采购我们的视觉模块之后，就可以开发自己的私有域，训练自己的专有数据。

拥有AI视觉模块的机器人有着非常有趣的应用。举个例子，现在酒店里使用的机器人，大多只能将物品送到指定的房间。而拥有视觉和判断能力的机器人会在电梯里观察乘客的身高、穿着、风格，随后主动进行个性化的聊天。

此外，具身智能可以将视觉与触感结合起来，通过“AI眼睛”来判断需要面前是什么东西，从而决定使用多大的力道去抓握。

当然，这种基于空间智能的视觉模块还可以应用在工业机器人、自动驾驶、无人机等领域，从而拓展更多的应用领域。

殷晓晗：我们最早切入机器人的点是数据。对于机器人来说，无论是触感、行走，还是视觉判断，都需要高质量数据来完成作业。过去，我们依赖标注去完成这个工作，但每个人的经验不一样、认知不一样，标注就会不一样，反而成为一个非常不标准化的过程。我们用AI模型去记录人的行为逻辑和标注过程，然后复制这个数字人的标注行为，形成了一定的标准。这也给我们带来了一些新的业务。

对于空间智能大模型，我们让其更加精简、更加直接，重点在模型训练和逻辑推演，而不是花大力气在数据收集上。我们发现空间智能没有绝对的大模型，模型的应用场景都要考虑到隐私问题。数据出处的不同取决于的场景的不同。我们将基于空间的多维度的数据进行流程化，从数据标注到模型训练，从模型调用到模型包下载，都依托于应用场景。

比如，在化工厂无人机巡检时，以前都是编排了一个固定的算法，在固定的区域内飞行，收集数据之后回传。拥有空间智能的无人机，在看到地面之后，就会认出所处的是什么地方，这个区域的职能又是什么？同时，它会自我安排相关的工作，并做出请示。

殷晓晗：一是，在创业中保持心态非常重要，面对压力要有自己的松弛感。二是需要有顽强的生命力，只有活得够久才有更多机会。

出生于军人家庭的殷晓晗，花名殷尚，曾就职于阿里系，骨子里就带着坚韧不拔的精神。

追求在快速变化的时代中，找到自己的价值和位置的他，经历过不同方向的尝试，每一次经历的得失，都化作了他人生旅途中的珍贵财富，为他未来的创业征途打下了坚实的基石。在追逐梦想的漫长道路上，他始终未曾停歇。殷晓晗也是无数热血青年创业者不断探索、勇于挑战的真实缩影。

2023年，殷晓晗从新加坡南洋理工大学硕士毕业回国，没有再回到大厂就职，当年8月，他创立“最终序列”，投身于人工智能行业，志在打造类似硅谷独角兽Scale AI+MEN AI结合型的AI企业。

2024年，最终序列获得知名大厂战略投资，同时获得头部大厂，国央企千万级订单。

这一次，殷晓晗站上了风口。

上海市科技经济融合发展学会（简称“上海市科经会”）是在上海市民政局登记，上海市科学技术协会主管的市级非营利社团法人。上海市科经会致力于构建科技经济融通生态，精准高效对接创新资源，探索科技经济融合创新机制，推动科技经济深度融合，为上海市乃至全国的科技经济发展提供智力支持和决策参考。