新基建带动AI加速落地，也让背后的“粮草”——AI数据标注行业进入发展快车道。不久前，在今年首个国家重大国际经贸盛会——服贸会成果发布会上，数据标注领域龙头企业云测数据首次展示了成果。其数据项的最高交付准确率已达到99.99%。在这个决定AI产品落地水平的领域，99.99%的准确率刷新了行业记录。根据实际AI项目需求，AI客户可选择的服务标准进入新时代。事实上，在人工智能场景多样化落地的背景下，更高标准的人工智能数据质量已经成为人工智能的刚需。在本届服贸会上，99.99%的龙头企业以数据为标志展示的成果，也暗示着行业高层演进的变化。最突出的是“劳动密集型”的标签，这个标签可能要被彻底撕掉。高精度，实现数据标注的“差异化”？AI数据标注行业是人工智能产业链中最“人工”的??一环。前期门槛低，导致市场上存在大大小小的公司和工作室，良莠不齐。但现在，我们看到这种情况正在发生变化，AI数据服务行业正在伴随着AI行业的需求进行优胜劣汰。现在，当行业龙头企业将最高项目交付精度提升到“顶峰”时，马太效应凸显，差异化趋势越来越明显。1、服务表面同质化下，数据准确性促使数据标注企业获得“差异化认知”。过去很长一段时间，AI企业大多根据自身项目需求选择数据标注服务商。没有太多严格的规定。可以说，过去的数据标注是一个缺乏“差异化认知”的行业。如何区分A公司和B公司并没有明确的标准。当一家龙头企业首次从自身角度对行业标准进行标准化，并正式发布99.99%的最高数据标注准确率时，实际上相当于为行业制定了一个可行的认知标准。这样的AI数据是高质量的数据。.到目前为止，无论是AI企业客户还是业内人士，都可以通过准确度来区分数据标注行业的企业，而不是依赖认知。而这，当然也源于99.99%的准确率与92%、95%、98%等其他数字的跨时代不同。这在一定程度上也说明，数据标注行业在经过AI多年的发展后，已经开始走向成熟。强者恒强，行业内的优势资源和技术得到有效聚集，朝着无限接近100%、99.99%的方向迈进，更像是一个里程碑，将加速人工智能时代的到来。2、用高精度满足AI的发展需求，数据标注企业更容易获得“差异化竞争优势”，跳出普通人“认知”的驱动力。高精度数据的另一个差异化价值是满足人工智能的发展需求。随着AI的不断深入发展，场景落地已经取代技术研究成为主旋律，数据标注的服务方向也从“AI产品培训”转向“AI产品落地”，这意味着AI的空间与技术研究相比，人工智能项目的试错率大幅下降，需要更高的精度来满足用户体验。细看，AI新基建作为新基建的重要组成部分，其应用导向性很强——要带动主要产业升级，也必须更接近落地。在数据质量决定AI算法准确度、算法准确度决定产品质量的关联逻辑下，更注重落地的AI项目会更积极寻找数据质量（准确度）更高的供应商，数据标注行业将形成过去不存在的梯度，以99.99%的最高准确度标准发布龙头企业云测数据，也将以此获得“差异化竞争优势”，吸引更多行业客户。如果更多的企业不跟进，它仍将是唯一的“第一梯队”。PK高精度之后，是不是该放弃对数据标注的“劳动密集型”偏见了？劳动密集型是此前业内对AI数据标注的主要评价，或者刻板印象，AI界的“富士康”暴露了这个行业对外的尴尬形象。但随着更高精度的数据标注结果的出现，这一切开始发生变化。一个普通的草根数据标注团队，或许也能做到AI数据的精准度及格线上。这是机械人操作的天然能力。毕竟数据标注确实主要还是靠人工。但是想要提升准确度，尤其是在无限接近100%的时候，就必须更多的依靠各种技能的支持，继续进行高阶的再优化，抽取准确度提升的空间。数据标注的准确率越高，越能得到“人力”的支持，越能得到“技能”的支持。因此，当数据标注行业出现99.99%这样的高精度结果时，也意味着技能成分或将超越人的成分，行业进入各种前沿技术支撑的“技能密集型”阶段.这种支撑高精度的“技能密集型”应该包括四个方面：1.专业人才技能：需要专业化的力量数据标注人才，提升专业垂直数据标注的质量，这比广义数据标注更需要技能支持，尤其是需要高精度的时候，纯手工劳动已经不行了。一种是特殊类型的数据标签。例如，在云测数据的主要服务场景之一——自动驾驶中，往往会有激光雷达传感器产生的数据需要标注。一般车载摄像头的数据标注比较“物理”，框出指定元素，教算法识别就可以了；而激光雷达的数据与人类的真实世界相距甚远：此时，云测量数据必须由雷达手动分析。数据在处理上有着丰富的知识、技能和经验，可能还涉及到很多物理学方面的知识，不再是简单的体力劳动。二是专业领域的数据标注。这方面比较典型的是垂直领域的语音和文本数据标注，比如金融、家居领域。等数据），因此，云测数据等平台培养了金融、家居等领域的“专家”，甚至，在为一些金融机构服务时，也需要提供符合标准的标注团队。质量要求开展作业。2、复杂的工具技能：数据标注本身也在进行一些数字化升级和高精度化。除了数据标注人员从流水线工人转变为具有特定技能的专业人员外，随着业务量的扩大，还有配套渗透的各种数字化工具贯穿整个流程，以提高准确性和效率，就像制造企业经历了数字化智能化升级，应对严酷的市场竞争。从云测数据的案例来看，99.99%的准确率背后是大量技术工具的支持。标准API接口的数据处理平台，支持多种主流格式，短时间内可与多家AI企业无缝对接，省去线下导入导出的繁琐步骤。通过模板化任务创建数据生产过程，数据采集、清洗、标注全部在线流转，解决了传统线下流转可能面临的信息丢失和失真问题。此外，云测数据引入了基于规则的机器筛选方式，在人工验证过程之前，根据标注内容的要求引入相关的查错规则。这种数字辅助直接提高了数据的准确性和效率。事实上，加强工具能力一直是各个数据标注平台都在做的事情，甚至AI本身的发展也反过来支持数据标注工作。多年来，像云测数据这样的行业根基公司在工具开发上投入了大量资源。打个不恰当的比方，这就好比富士康不断提升工厂智能化水平，引进大量智能机器。和前进一样。3、综合研发能力：“方案”输出下的采集与标注一体化。随着人工智能技术向各个细分领域渗透，企业对人工智能在商业化方面的表现要求越来越高。在很多领域，客户企业会对服务商提出更加多元化的需求。这时候，数据标注行业就绕不开“解决方案”式的合作。在提供99.99%准确率的同时，云测数据还针对智慧城市、智能家居、智能驾驶、智慧金融四大场景发布了“全链条AI训练数据服务方案”。这些解决方案，简单来说，就是对以往合作的拓宽和深化。为了同样保证超高精度，这一过程必须伴随着大量的专业技术工作。在数据标注产业链中，采集与标注是密不可分的。华东、华北、华南设有云测数据数据交付中心和数据场景实验室。在给出的四个场景解决方案中，都强调场景化的数据采集服务。例如，智慧城市数据解决方案的一个重要亮点或价值就是为客户提供“长尾场景数据”——比如不同光照条件下的人员检测、危险动作检测等长尾场景，需要不断的丰富，提高“智慧”覆盖率（部分城市管理任务的处理统计）。云测数据成立的“数据场景实验室”，通过对场景的还原，研究长尾场景的特征，完成相应传感器下的场景数据采集工作。规则下的知识图谱构建。同样，在智能家居场景中，采集各种复杂语音背景下的语音数据，实验室开发背景噪声、混响、方言、语言等特殊需求下的数据采集；此外，在智能驾驶场景中，云端为了更贴近真实场景，实测数据甚至参考智能驾驶汽车的驾驶场景，通过改装汽车、标定传感器等方式采集所需的AI数据。显然，这些方法远远超出了“劳动密集型”的范畴。4、安全技能：被忽视的数据标签“硬核”技术能力AI越深入，数据资产的重要性就越高，尤其是AI数据更加立体化、丰富化之后，其准确性达到了一个新的高度。随着AI数据价值越来越高，数据安全成为客户企业更加刚需。从数据标签行业的演进来看，对安全性的重视，使得很多数据标签公司至少在数据安全维护方面有着可圈可点的技术功夫，甚至不逊色于其他标榜为科技公司的巨头。一个现实是，像云策数据这样的头部企业，即使拥有业内最专业的专职团队，也能保证高质量的数据，实现高运营效率，甚至持续引导行业的规范化发展。这些地位、价值或优势也是基于数据隐私和安全的原则。数据的准确性越高，像云测数据这样的公司就会越注重数据隐私和安全的保护。近年来，云策数据除了严格控制流程和工作方式外，还研发了数据隔离、质量保证等一系列数据安全技术，这也让数据标注企业的“技术”标签更加牢固。Testin云测CMO张鹏飞也强调，“从目前来看，AI数据行业在安全和隐私方面没有统一的标准。但从长远来看，我们一直在努力努力从隐私和安全保护的角度为行业服务。数据质量标杆，只有以这种负责任的态度服务客户，我们的行业才能“良币驱逐劣币”，真正让人工智能成为新一轮的技术革命，改变整个社会和人类进步。”结语AI数据99.99%的准确率虽然是云测数据技术实力和服务能力的产物，但也是行业发展到一定程度，正在向更高阶段过渡的标志。进一步看，企业将准确率提高到接近100%的举动，也从本质上代表着数据标注行业正在走出“劳动密集型”，进入“技能密集型”的发展阶段。这是一个与精度发展里程碑一样重要的行业。数据标签化终将撕掉旧偏见下的标签，进入与AI齐头并进的强技术服务行业行列。
