實驗室中從 0 到 95%，和現實中從 95% 到 99%，不同階段的 AI 對數據的要求顯然也不一樣。

實驗室中從 0 到 95%，和現實中從 95% 到 99%，不同階段的 AI 對數據的要求顯然也不一樣。

「你們的客戶有哪些？」「這個不能細說，很多簽了保密協議。不過……」Testin 云測 CMO 張鵬飛停頓了下，手指下意識地敲了敲桌面：「我們的客戶覆蓋智能駕駛、智慧城市、新零售、金融等領域。」他繼續補充道：「還有越來越多的智能化轉型的傳統行業客戶，選擇采用我們的數據標注服務」。

創建于 2011 年的 Testin 云測在移動互聯網時代從應用測試業務出發，順勢而起并成為企業服務明星企業。經過行業前瞻判斷，積極布局定制化數據標注業務領域，成立了云測數據品牌。在數據標注領域，云測數據已然是國內的第一梯隊。

人工智能正迅速向應用人工智能發展，擁抱產業的人工智能對數據標注的門檻在不斷提高。「比如在自動駕駛領域，現在主流的是多傳感器融合方案，從攝像頭增加到激光雷達，從二維圖像數據發展到三維圖像數據，多模態的數據幫助算法模型更好的訓練，只是由于激光雷達的價格比較高，所以很少會有人去使用和標注。」但未來硬件成本的下降是必然的，而在 Waymo、Uber 等較早做自動駕駛的企業中，也已經可以看到三維圖像增加的趨勢。

AI 訓練的「蛋白粉」

數據采集和標注都不是新鮮的事情，伴隨著 AI 興起，約在 2011 年相應的商業生態也隨之而生，2015 年行業進入快速增長期，但許多問題也同時爆發——「魚龍混雜」，可以這樣形容早期采集和標注的數據。

「2015 年時，數據的標注需求很簡單，可能客戶就說，我這有批圖片，人臉拉框，盡量貼合，這個需求文檔就已經描述完了，而今年，我們發現同樣是做人臉標記的企業需求，一張 A4 紙都沒辦法把所有的要求寫完。」對于這樣復雜的標記任務，云測數據在做之前首先要小范圍實驗，然后需要開會由專人講解，并在標注過程中隨時做抽查，看標注員的理解是否正確：「精度會有多高呢？一張人臉需要你準確地在內眼角上標注人臉關鍵點，在圖片上，內眼角也就不到 100 像素，而任務還會精確到標注到具體哪個像素上。」

工作人員正在講解人像標注 | 圖片來源：云測數據

具體到 AI 數據服務中，以 AI 企業數據增強需求為例。在云測數據的數據場景實驗室中，綠色的幕布前，一位群眾演員站在中央擺出不同的表情，正對著攝像機拍攝，演員的周圍布滿了光源，讓其面部沒有任何死角。對 AI 企業來說，拍攝這樣的一張「純凈數據「，可以拓展更多的數據價值。當然，搭建這樣的采集環境，對 AI 數據服務商有著光線，被采樣本等條件的嚴格要求。

表情采集講解中 | 圖片來源：云測數據

「我們在前兩年做人臉的采集時，對背景、光線還沒有什么要求。」賈宇航說，在過去兩年，AI 企業對數據的采集和標注都變得更具有策略性：「比如說自動駕駛，以前恨不得天天都在采集，把數據都標上，現在就要是在雨天、雪天去采集，要去人流密集、或者是很多卡車、三輪車的特定場景，非常細化。」

而這也是 AI 真實落地的必由之路，以往粗放式采集、大批量標記的模式逐漸被定制化采集、高精度標記模式取代，要到趨近 AI 產品落地前的水平，高質精準數據對 AI 企業來說，就像蛋白粉對于職業運動員一樣必不可少。

行業洗牌在即

數據標注行業發展早期，由于門檻較低，讓這個行業魚龍混雜，同質化競爭嚴重，甚至出現了以往傳統行業常見的多道販子。，而供過于求的市場和過去數年 AI 企業對數據質量的相對不重視，以及數據標注員被稱為 AI 從業人員的底層，讓這個行業進一步陷入了低價低質的怪圈。

大量勞動密集型的數據標注工廠在 AI 產業爆發初期，為中國人工智能企業的崛起做出了巨大的貢獻。隨著人工智能產業的發展與進化，數據標注行業開始朝著專業化、精細化、定制化方向發展。AI 企業在逐步落地過程中發現，所需要的數據維度和復雜度正變得越來越高，數據服務的眾包模式以及通用數據集已經難以滿足 AI 企業的數據需求。「精準優質」、「安全獨立」的數據被認為是 AI 企業落地前的剛需。

2018 年初，甲子光年曾報道稱，BAT 和 AI 企業占到了數據標注任務來源的約 7 成，但隨著 AI 落地到傳統行業，這個比例正發生變化。「比如銀行、保險、汽車這些行業，在引入人工智能時有很大的勢能。」賈宇航用車內的疲勞檢測來舉例，雖然市面上有不少開源或付費的數據集，企業也可以比較容易地獲取算法然后進行訓練，但作為整車廠，關心的并不是模擬器上的準確度，而是具體在自己某一型號的汽車上，在后視鏡或是中控臺上擺放的攝像頭的具體效果，如果數據不是真實地在這個環境下采集，很難實際論證。

一開始就定位定制化采集和高精度標準的云測數據，采取的是自建基地模式，全職雇傭數據服務人員。從商業模式上來看，比起歐美逐漸成熟的如 Scale AI 的眾包模式，云測數據想的會更遠一些，自建基地模式要更穩定高效，另一方面，也能更規范性地保護數據隱私。

Testin 云測 CMO 張鵬飛補充道「從整體看來，AI 數據行業關于安全、隱私等方面并沒有統一的標準和強調重視。但從我們長遠角度出發，一直在隱私和安全防護角度下大力氣服務行業、樹立數據質量標桿，只有以這種負責的態度來服務客戶，我們的行業才能『良幣驅除劣幣』，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」。

「安全」和「獨立」顯然密不可分。據了解，云測數據堅持獨立第三方的立場，與所有數據采集的用戶都簽訂數據授權協議（包括支持歐盟 GDPR 協議），對客戶定制的數據交付后不留底全部刪除，并建立了從防火墻到內部信息系統管護、各終端不聯網、USB 接口封死等數據保障機制來保證數據安全。

為了盡量提升效率和保證數據質量和數據安全，云測數據在華北、華東、華南建立數據標注基地。一般 AI 產品在發布前一個月就需要拿到標注好的數據進行訓練，而數據訓練前一個月就應該完成數據的采集，對追求速度的 AI 企業來說是分秒必爭的。「我們現在千人規模的全職的數據人員，但還是遠遠不夠。」

不久前 IDC 聯合量子位發布的《AI 落地白皮書》中稱，中國在全球人工智能市場占比 12%，位居第二，但增速 64% 位居全球第一，云測數據在數據采集和標準的市場還有龐大的增長空間，賈宇航認為，未來他們會更加深入 AI 細分領域和場景，并會考慮在未來進一步開拓國際市場。