新基建驅(qū)動AI加速落地，也讓它背后的“糧草”——AI數(shù)據(jù)標注產(chǎn)業(yè)進入發(fā)展快車道。

不久前，今年首場國家級重大國際經(jīng)貿(mào)活動服貿(mào)會的成果發(fā)布環(huán)節(jié)上，數(shù)據(jù)標注領域的頭部企業(yè)云測數(shù)據(jù)首次對外展示了一項成果，其數(shù)據(jù)項目的最高交付精準度竟然達到了99．99%。

這個決定AI產(chǎn)品落地水平的領域里，99．99%的精準度刷新了一個行業(yè)記錄，按照實際AI項目的需要，AI客戶可選擇的服務標準跨越到了一個新的時代。

事實上，在多元化的人工智能場景落地背景下，更高標準的AI數(shù)據(jù)質(zhì)量已成為AI的剛需。這次服貿(mào)會上，數(shù)據(jù)標注的頭部企業(yè)所進行的99．99%的成果展示，其背后也隱含著行業(yè)高階進化的改變，最突出的就是“勞動密集”的標簽，可能要被徹底撕掉了。

高精度，成就數(shù)據(jù)標注的“差異化”？

AI數(shù)據(jù)標注產(chǎn)業(yè)是人工智能鏈條上最偏“人工”的部分，早期的低門檻使得市面上存在著大大小小的企業(yè)、工作室，泥沙俱下，良莠不齊。

但現(xiàn)如今，我們已經(jīng)看到這一現(xiàn)狀正在發(fā)生變化，AI數(shù)據(jù)服務行業(yè)隨著AI產(chǎn)業(yè)需求進行著優(yōu)勝劣汰。現(xiàn)在，當行業(yè)頭部企業(yè)將最高項目交付精準度提升到一個“頂尖”時，馬太效應突出，差異化趨勢愈發(fā)明顯。

1、表面同質(zhì)化服務下，數(shù)據(jù)精度推動數(shù)據(jù)標注企業(yè)獲得“差異化認知”

在過去很長一段時間內(nèi)，AI企業(yè)多根據(jù)自身項目需求為導向來選擇數(shù)據(jù)標注服務商，AI數(shù)據(jù)行業(yè)內(nèi)并沒有太多嚴謹?shù)囊?guī)則。可以說，過去的數(shù)據(jù)標注，是一個有些缺乏“差異化認知”的行業(yè)，A企業(yè)和B企業(yè)到底怎么區(qū)分，沒有明確的標準。

當頭部企業(yè)從自身出發(fā)首次規(guī)范行業(yè)標準，將最高99．99%的數(shù)據(jù)標注精準度進行正式發(fā)布，實際上就等于給行業(yè)設定了一個可行的認知標準，這樣的AI數(shù)據(jù)才是高質(zhì)量數(shù)據(jù)。

至此，不管是AI企業(yè)客戶還是業(yè)界人士，或都可以借助精準度對數(shù)據(jù)標注行業(yè)進行企業(yè)與企業(yè)的區(qū)分，而不是在認知上一鍋燴。

而這，當然也來源于99．99%這個精確度與其他諸如92%、95%、98%之類的數(shù)字存在著跨越時代級別的差異。

這某種程度上也表明數(shù)據(jù)標注產(chǎn)業(yè)在伴隨AI發(fā)展多年后，自身開始趨向成熟，頭部玩家強者恒強，產(chǎn)業(yè)內(nèi)優(yōu)勢資源和技術得到有效聚集，朝著無限接近100%進發(fā)，99．99%更像是一個里程碑，將加快人工智能時代的到來。

2、用高精度切中AI發(fā)展需求，數(shù)據(jù)標注企業(yè)更容易獲得“差異化競爭優(yōu)勢”

跳出普通人“認知”方面的驅(qū)動力，高精度數(shù)據(jù)的另一重差異化價值是切中AI發(fā)展需求。

隨著AI的持續(xù)深度發(fā)展，場景落地已經(jīng)代替技術研究成為主旋律，數(shù)據(jù)標注的服務方向從“AI產(chǎn)品訓練”走向“AI產(chǎn)品落地”，這意味著AI項目試錯空間相較于技術研究大幅下降，要求更高的精確度來滿足用戶體驗。

更進一步看，新基建中的重要版塊AI新基建，生來就帶有強烈的落地應用導向——要驅(qū)動各大產(chǎn)業(yè)升級，也必須更貼近落地。

在數(shù)據(jù)質(zhì)量決定AI算法的精度、算法的精度又決定產(chǎn)品質(zhì)量的關聯(lián)邏輯下，更注重落地的AI項目會更積極主動尋找那些數(shù)據(jù)質(zhì)量（精確度）更高的供應商，數(shù)據(jù)標注行業(yè)將會形成過去沒有的梯度，發(fā)布最高99．99%精確度標準的頭部企業(yè)云測數(shù)據(jù)，還將藉此獲得“差異化競爭優(yōu)勢”吸引更多產(chǎn)業(yè)客戶，如果沒有更多企業(yè)跟隨上來，則將一直保持唯一的“第一梯隊”。

PK高精度后，是時候放棄對數(shù)據(jù)標注“勞動密集”偏見了？

勞動密集是之前業(yè)界對AI數(shù)據(jù)標注的主要評價，或者說刻板印象，AI界的“富士康”之類的說法揭示出這個產(chǎn)業(yè)的外在尷尬形象。

但這一切，隨著更高精度的數(shù)據(jù)標注成果出現(xiàn)而開始改變。

一個普通的草臺班子數(shù)據(jù)標注團隊可能也能實現(xiàn)及格線上的AI數(shù)據(jù)精確度，這是機械式的人力操作天然具備的能力，畢竟數(shù)據(jù)標注確實主要靠的是人力的勞動。但再要提升精度，尤其是無限往100%靠近，就必須更多依賴各種技能的支撐，不斷進行高位再優(yōu)化，榨取精度提升的空間。

數(shù)據(jù)標注的精準度越高，再次上升（并保證配套服務質(zhì)量）能夠從“人力”中獲得的支持越少，從“技能”獲得的支持越多。

因此，當數(shù)據(jù)標注產(chǎn)業(yè)出現(xiàn)99．99%這類高精度成果時，也意味著技能的成分可能超越了人力的成分，行業(yè)已經(jīng)走向了各類前沿技術支撐的“技能密集”階段。

這種支撐高精確度的“技能密集”，應當包括四個方面：

1、專業(yè)人才技能：需求專業(yè)化倒逼數(shù)據(jù)標注人才素養(yǎng)提升

專業(yè)、垂直類的數(shù)據(jù)標注，比泛化的數(shù)據(jù)標注更需要技能支撐，尤其在需要獲得高精準度的情況下，單純的體力勞動已經(jīng)不可能完成。

一是特殊的數(shù)據(jù)標注類型，例如，云測數(shù)據(jù)的主要服務場景之一自動駕駛，常常會有激光雷達傳感器產(chǎn)生的數(shù)據(jù)需要標注。一般車載攝像頭的數(shù)據(jù)標注，比較“體力化”，框出指定的元素教會算法識別即可：

而激光雷達的數(shù)據(jù)則與人類現(xiàn)實世界差距甚遠：

這時候，云測數(shù)據(jù)不得不要求人工對雷達數(shù)據(jù)有豐富的知識技能和處理經(jīng)驗，可能還牽扯很多物理學方面的知識，絕不再是簡單地體力勞動了。

二是，專業(yè)領域的數(shù)據(jù)標注。這方面較為典型的是垂直領域的語音、文本類數(shù)據(jù)標注，例如金融、家居領域，這些數(shù)據(jù)標注的需求不亞于這些領域一線的業(yè)務人員（需要深度理解業(yè)務，才能標注好包括專業(yè)詞匯、邏輯等數(shù)據(jù)），因此，像云測數(shù)據(jù)這類平臺培養(yǎng)了金融、家居等領域的“專才”，甚至于，在為一些金融機構(gòu)服務時，還要按照需求提供達到素質(zhì)要求的標注隊伍進行作業(yè)。

2、復雜工具技能：數(shù)據(jù)標注本身也在進行某種數(shù)字化升級

高精度的實現(xiàn)，除了數(shù)據(jù)標注人員由流水線工人轉(zhuǎn)化為有特定技能的專業(yè)人才之外，隨著業(yè)務量的擴大，還配套有滲透全流程的各種數(shù)字化工具來提高準確率、效率，這就如同一個制造業(yè)企業(yè)進行了數(shù)字化、智能化升級來應對嚴苛的市場競爭一樣。

從云測數(shù)據(jù)的案例看，99．99%的準確率背后是一大堆技術工具在支撐。

標準API接口的數(shù)據(jù)處理平臺支持各種主流格式，跟眾多AI企業(yè)可以做到短時間無縫銜接，省略線下做導入導出的繁瑣步驟。數(shù)據(jù)生產(chǎn)過程通過模板化的任務創(chuàng)建，數(shù)據(jù)采集，清洗到標注全部線上流轉(zhuǎn)，傳統(tǒng)線下流轉(zhuǎn)可能面臨的信息丟失、失真問題得到解決。

此外，云測數(shù)據(jù)引入了基于規(guī)則的機器篩查方式，在人工校驗流程前根據(jù)所標注內(nèi)容要求引入相關查錯規(guī)則，這種數(shù)字化輔助直接提升了數(shù)據(jù)精度和效率。

事實上，強化工具能力一直是各數(shù)據(jù)標注平臺在做的事，甚至AI本身的發(fā)展也反過來支撐數(shù)據(jù)標注工作。云測數(shù)據(jù)這類扎根行業(yè)的企業(yè)這些年投入了大量資源在工具開發(fā)上，打個不恰當?shù)谋确剑@就好比富士康不斷增加工廠智能化水平、引入大量智能機械一樣，朝著“高端制造”前進一樣。

3、綜合研發(fā)技能：“解決方案”輸出下的采集、標注一體化

隨著AI技術深入到各個細分領域，企業(yè)對AI在商業(yè)化落地中的表現(xiàn)要求越來越高。在很多領域，客戶企業(yè)對服務供應商會提出更多樣化的需求，這時候，“解決方案”式的合作方式不可能避免出現(xiàn)在數(shù)據(jù)標注產(chǎn)業(yè)中，在拿出99．99%精準度的同時，云測數(shù)據(jù)還對外發(fā)布了智慧城市、智能家居、智能駕駛、智慧金融這四個場景的“全鏈條的AI訓練數(shù)據(jù)服務方案”。

這些解決方案，簡單說，就是過去合作的拓寬、拓深，為了同樣保證超高精準度，這個過程必然伴隨大量專業(yè)技術性的工作。

在數(shù)據(jù)標注產(chǎn)業(yè)鏈上，采集與標注不分家，華東、華北、華南設有數(shù)據(jù)交付中心和數(shù)據(jù)場景實驗室的云測數(shù)據(jù)，在給出的四個場景解決方案中，都十分強調(diào)場景化的數(shù)據(jù)采集服務。

例如，智慧城市數(shù)據(jù)解決方案的一個重要亮點或者說價值，是為客戶企業(yè)提供“長尾場景數(shù)據(jù)”——如不同光線下人員檢測、危險動作檢測等長尾情形，都需要不斷充實長尾場景，來提升“智慧”的覆蓋能力（處理、統(tǒng)計一些城市管理任務）。

云測數(shù)據(jù)建立的“數(shù)據(jù)場景實驗室”，通過還原場景、研究長尾場景的特點完成對應傳感器下的場景數(shù)據(jù)采集工作，這種行為，本質(zhì)上相當于數(shù)據(jù)標注企業(yè)為智慧城市AI項目完成特定規(guī)則下的知識圖譜搭建。

類似的，還有智能家居場景中，在各類復雜語音背景下采集語音數(shù)據(jù)，實驗室開發(fā)底噪、混響、方言、語種等特殊要求下的數(shù)據(jù)采集;此外，在智能駕駛場景中，云測數(shù)據(jù)為了更加貼近真實場景，甚至通過改造轎車、標定傳感器這種參照智能駕駛汽車行駛場景的方式來采集所需要的AI數(shù)據(jù)。

顯然，這些方式方法都遠遠超出了“勞動密集”的范疇。

4、安全技能：被忽視的數(shù)據(jù)標注“硬核”技術能力

AI越往深處走，數(shù)據(jù)資產(chǎn)的重要性就越高，尤其是AI數(shù)據(jù)更加立體和豐富、精準度到達一個新的高度后，AI數(shù)據(jù)的價值變得更高，數(shù)據(jù)安全就更加成為客戶企業(yè)的剛需。

從數(shù)據(jù)標注產(chǎn)業(yè)的演變來看，對安全的重視，導致不少數(shù)據(jù)標注企業(yè)至少在數(shù)據(jù)安全維護方面擁有可圈可點的技術耕耘，甚至不輸于其他被打上技術公司標簽的巨頭。

一個現(xiàn)實是，像云測數(shù)據(jù)這樣的頭部企業(yè)，即便擁有行業(yè)內(nèi)最專業(yè)的全職團隊，能夠保證高質(zhì)量數(shù)據(jù)也能夠?qū)崿F(xiàn)高效的作業(yè)效率，甚至不斷引導行業(yè)的規(guī)范化發(fā)展，這些地位、價值或者優(yōu)勢，也都是建立在數(shù)據(jù)隱私安全的原則之上。

數(shù)據(jù)精準度做得越高，云測數(shù)據(jù)這種企業(yè)就更看重數(shù)據(jù)隱私安全的保護。這些年，除了流程和工作方式的嚴格控制，云測數(shù)據(jù)內(nèi)部還開發(fā)了數(shù)據(jù)隔離、質(zhì)量保障等一系列數(shù)據(jù)安全方面的技術，這也使得數(shù)據(jù)標注企業(yè)的“技術”標簽更加濃厚。

Testin云測CMO張鵬飛也強調(diào)，“從目前看來，AI數(shù)據(jù)行業(yè)關于安全、隱私等方面并沒有統(tǒng)一的標準。但從我們長遠角度出發(fā)，一直在隱私和安全防護角度下大力氣服務行業(yè)、樹立數(shù)據(jù)質(zhì)量標桿，只有以這種負責的態(tài)度來服務客戶，我們的行業(yè)才能‘良幣驅(qū)除劣幣’，真正讓人工智能成為新一輪技術革命，改變整個社會和人類進程”。

結(jié)語

99．99%的AI數(shù)據(jù)精準度雖然是云測數(shù)據(jù)技術實力和服務能力積累的產(chǎn)物，但它也是行業(yè)發(fā)展到一定程度向更高階段躍遷的標志。

更進一步看，企業(yè)將精準度推高到接近100%的動作，本質(zhì)上也代表著數(shù)據(jù)標注產(chǎn)業(yè)正在走出“勞動密集”，轉(zhuǎn)入“技能密集”發(fā)展階段，這是與精準度一樣重要的行業(yè)發(fā)展里程碑。數(shù)據(jù)標注最終將撕掉舊有偏見下的標簽，走入與AI同行的強技術服務產(chǎn)業(yè)行列。