近年來，隨著不同大模型在語言理解及生成等領域的出色表現(xiàn)，大模型別后的規(guī)模規(guī)律不斷強化數(shù)據(jù)在要提升AI性能上的關鍵作用，AI數(shù)據(jù)服務可加速高質量數(shù)據(jù)的獲取與標注，推動AI算法的創(chuàng)新與持續(xù)優(yōu)化，是AI產業(yè)發(fā)展的基礎。加速高質量數(shù)據(jù)的獲取與標注，推動AI算法的創(chuàng)新與持續(xù)優(yōu)化，是未來人工智能行業(yè)發(fā)展的大勢所趨。

AI數(shù)據(jù)服務三大核心產品：標準數(shù)據(jù)集、定制數(shù)據(jù)集、配套產品工具服務

標貝科技是專注于為各行業(yè)的AI算法訓練與調優(yōu)提供AI數(shù)據(jù)服務的公司。標貝科技通過提供標準數(shù)據(jù)集、定制數(shù)據(jù)集和配套產品工具服務，為眾多人工智能廠商提供支持互聯(lián)網(wǎng)、大模型、智能駕駛等各領域的AI技術發(fā)展的有力支撐。

A. 數(shù)據(jù)集按內容格式可分為文本、圖像、視頻、語音等類型，核心數(shù)據(jù)集生產流程主要包括方案設計、數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)標注和數(shù)據(jù)質檢等五個關鍵環(huán)節(jié)。標準數(shù)據(jù)集是由如標貝科技等類似的數(shù)據(jù)服務廠商研發(fā)并可多次銷售的統(tǒng)一標準化的數(shù)據(jù)集；

B. 定制數(shù)據(jù)集是依據(jù)客戶需求制作特定數(shù)據(jù)集，數(shù)據(jù)的知識產權歸客戶所有；

C. 配套產品工具服務包括標注工具、實訓平臺及AI模型評測等軟硬件工具服務，用于滿足高效標注數(shù)據(jù)、培訓數(shù)據(jù)標注、評估AI能力效果等不同層次的客戶需求，輔助和延展數(shù)據(jù)服務廠商的相關業(yè)務。

AI數(shù)據(jù)服務****服務場景——通用大模型

大模型AI數(shù)據(jù)服務，數(shù)據(jù)量更大、維度更加多元，標注方式及質量評判標準也更為復雜多樣

通用大模型的算法模型從理論到實踐的應用過程需要大量的訓練數(shù)據(jù)未訓練模型的穩(wěn)定性和精準性。廠商提供的訓練數(shù)據(jù)數(shù)據(jù)量越多、越完整、標注質量越高，大模型推演的結果就越可靠。就目前業(yè)內最知名的大模型-ChatGPT在2022年11月上線以來，掀起了AI乃至社會經濟各領域對大模型的研討與應用的熱潮。與傳統(tǒng)AI相似，大模型依然需要大量優(yōu)質數(shù)據(jù)為維持其模型的穩(wěn)定性，且大模型所需訓練數(shù)據(jù)的數(shù)據(jù)量更大、數(shù)據(jù)維度更加多元，標注方式及質量評判標準也更為復雜多樣。

AI數(shù)據(jù)服務服務場景——自動****駕駛

AI基礎數(shù)據(jù)服務與AI算法研發(fā)相互促進，共同推動著自動駕駛的實現(xiàn)

自動駕駛是目前人工智能應用最為成功、成熟的行業(yè)之一，在訓練模型和端到端的技術加持下，自動駕駛的智能化程度不斷提升，智能駕駛的性能已成為部分消費者在購車時的重要考慮因素。在高級別的自動駕駛系統(tǒng)中，主要依賴攝像頭和激光雷達兩大核心傳感器采集的數(shù)據(jù)進行駕駛模型訓練。這兩類傳感器中，主要采集數(shù)據(jù)場景如下：

A. 攝像頭主要用于捕捉二維圖像，通過攝像頭捕捉的圖像數(shù)據(jù)具有高分辨率和豐富的色彩細節(jié)等特點；

B. 激光雷達則是通過發(fā)射和接收激光脈沖生成高精度的三維點云立體空間數(shù)據(jù)，三維點云立體空間數(shù)據(jù)能夠精確測量物體與車之間的距離、物體的尺寸和相對位置，且其受光照等外界條件影響較小。

以上為用于自動駕駛不同數(shù)據(jù)類型的兩類傳感器詳細介紹，在以上兩種傳感器中，攝像頭和激光雷達具有不同的數(shù)據(jù)類型采集優(yōu)勢，但又互為補充，標貝科技類似的數(shù)據(jù)服務廠商在數(shù)據(jù)標注時需對來自不同傳感器的數(shù)據(jù)標簽對齊和交叉驗證工作。

AI基礎數(shù)據(jù)服務是支撐自動駕駛、通用大模型等AI算法模型訓練、研發(fā)的數(shù)據(jù)基礎和關鍵因素，AI算法模型的穩(wěn)定性和精準度，也反向驗證了AI數(shù)據(jù)服務在人工智能場景化落地的重要性，為數(shù)據(jù)服務行業(yè)的發(fā)展注入了提供了新的落地案例。數(shù)據(jù)與AI彼此支撐、相互促進，共同推動著自動駕駛的實現(xiàn)。

目前****AI基礎數(shù)據(jù)服務商的市場結構分析

自建團隊與品牌數(shù)據(jù)服務商主導市場，中小服務商的市場份額大幅下滑

目前國內的AI數(shù)據(jù)服務市場數(shù)據(jù)服務廠商主要分為需求方自建團隊、品牌數(shù)據(jù)服務商、中小數(shù)據(jù)服務三類。其中，需求方自建團隊最為特殊，因其所提供的數(shù)據(jù)是針對其所屬集團內部AI算法研發(fā)部門的需求所采集、標注、訓練的，也有可能這部分數(shù)據(jù)服務可能由外部的品牌和中小數(shù)據(jù)服務商等后兩種團隊承接。在目前標貝科技速收集到市場份額統(tǒng)計中，相比4年的市場份額情況，中小數(shù)據(jù)服務商的整體市場份額下滑約41%，需求方自建團隊上升36%，品牌數(shù)據(jù)服務商上升5%；

傳統(tǒng)AI數(shù)據(jù)標注市場嚴重內卷，數(shù)據(jù)服務廠商競爭激烈，通用大模型、自動駕駛等新興項目行業(yè)前景較好，其數(shù)據(jù)需求量較大，但由于數(shù)據(jù)采集和標注的專業(yè)性和穩(wěn)定性要求，需要數(shù)據(jù)供給方具備較強的綜合服務能力。疊加外界環(huán)境影響，較多中小數(shù)據(jù)服務商實際已退出數(shù)據(jù)服務市場；在新興AI算法模型及對應標注方式快速迭代的時期，為追求更高的算法開發(fā)效率、信息安全保障，較多數(shù)據(jù)需求方通過自建團隊滿足企業(yè)內部的數(shù)據(jù)服務需求；未來隨著品牌數(shù)據(jù)服務商的數(shù)據(jù)版權的豐富、專業(yè)能力的提升、標注方法的成熟，品牌數(shù)據(jù)服務商將承接更多的數(shù)據(jù)服務需求。

標貝科技作為國內最早一批AI數(shù)據(jù)服務廠商，可滿足不同AI新興項目的數(shù)據(jù)需求體量大、數(shù)據(jù)標注方式復雜等需求，標貝科技擁有自研自動化數(shù)據(jù)標注軟件以及多個專業(yè)標注基地進一步鞏固了其在數(shù)據(jù)服務市場的競爭力，面對在行業(yè)集中度不斷提升的市場行情，標貝科技基于自動化平臺不斷強化項目運營及資源整合能力、深刻理解行業(yè)需求，積極應用前沿算法、積累高質量數(shù)據(jù)集版權為人工智能行業(yè)持續(xù)不斷輸出高質量、高穩(wěn)定性的訓練數(shù)據(jù)。

審核編輯 黃宇