在經(jīng)歷了一段時期的野蠻生長之后，人工智能基礎(chǔ)數(shù)據(jù)服務行業(yè)進入成長期，行業(yè)格局逐漸清晰。人工智能基礎(chǔ)數(shù)據(jù)服務方的上游是數(shù)據(jù)生產(chǎn)和外包提供者，下游是AI算法研發(fā)單位，人工智能基礎(chǔ)數(shù)據(jù)服務方通過數(shù)據(jù)處理能力和項目管理能力為其提供整體的數(shù)據(jù)資源服務，不過AI算法研發(fā)單位和AI中臺也可提供一些數(shù)據(jù)處理工具，產(chǎn)業(yè)上下游普遍存在交叉。

2018年中國人工智能基礎(chǔ)數(shù)據(jù)服務市場規(guī)模為25.86億元，其中數(shù)據(jù)資源定制服務占比86%，預計2025年市場規(guī)模將突破113億元。市場供給方主要由人工智能基礎(chǔ)數(shù)據(jù)服務供應商和算法研發(fā)單位自建或直接獲取外包標注團隊的形式組成，其中供應商是行業(yè)主要支撐力量。

數(shù)據(jù)安全、采標能力、數(shù)據(jù)質(zhì)量、管理能力、服務能力等仍是需求方的痛點，需要人工智能基礎(chǔ)服務商有明確具體的安全管理流程、能夠深入理解算法標注需求、可提供精力集中且高質(zhì)量的服務、能夠積極配合、快速響應需求方的要求。

隨著算法需求越來越旺盛，依賴人工標注不能滿足市場需求，因此增強數(shù)據(jù)處理平臺持續(xù)學習能力，由機器持續(xù)學習人工標注，提升預標注和自動標注能力對人工的替代率將成趨勢。遠期，越來越多的長尾、小概率事件所產(chǎn)生的數(shù)據(jù)需求增強，機器模擬或機器生成數(shù)據(jù)會是解決這一問題的良好途徑，及早研發(fā)相應技術(shù)也將成為AI基礎(chǔ)數(shù)據(jù)服務商未來的護城河。

人工智能基礎(chǔ)數(shù)據(jù)服務行業(yè)概述

人工智能基礎(chǔ)數(shù)據(jù)服務定義

意指為AI算法訓練及優(yōu)化提供數(shù)據(jù)采集和標注等形式的服務

人工智能基礎(chǔ)數(shù)據(jù)服務指為AI算法訓練及優(yōu)化提供的數(shù)據(jù)采集、清洗、信息抽取、標注等服務，以采集和標注為主。人工智能概念爆發(fā)伊始，算法、算力、數(shù)據(jù)就作為最重要的三要素被人們樂道，進入落地階段，智能交互、人臉識別、無人駕駛等應用成為了最大的熱門，AI公司開始比拼技術(shù)與產(chǎn)業(yè)的結(jié)合能力，而數(shù)據(jù)作為AI算法的“燃料”，是實現(xiàn)這一能力的必要條件，因此，為機器學習算法訓練、優(yōu)化提供數(shù)據(jù)采集、標注等服務的人工智能基礎(chǔ)數(shù)據(jù)服務成為了這一人工智能熱潮中必不可少的一環(huán)。如果說計算機工程師是AI的老師，那基礎(chǔ)數(shù)據(jù)服務就是老師手中的教材。

人工智能基礎(chǔ)數(shù)據(jù)服務發(fā)展歷程

行業(yè)進入成長期，行業(yè)格局逐漸清晰

伴隨國內(nèi)人工智能熱潮爆發(fā)，大量的AI公司拿到融資，為了不斷提高算法精度，數(shù)據(jù)采標需求也空前爆發(fā)，一度催生了行業(yè)的繁榮。但早期的AI基礎(chǔ)數(shù)據(jù)服務門檻較低，玩家魚龍混雜，使行業(yè)標準模糊、服務質(zhì)量參差不齊。隨著競爭加快，AI公司對訓練數(shù)據(jù)的質(zhì)量要求也不斷提高，并且當產(chǎn)業(yè)落地成為主旋律，需求方對垂直場景的定制化數(shù)據(jù)采標需求成為主流，眾多小型AI基礎(chǔ)數(shù)據(jù)服務公司從數(shù)據(jù)質(zhì)量和采標能力上達不到要求，或被淘汰，或依附大平臺，行業(yè)格局逐漸清晰，頭部公司實力逐漸凸顯。隨著算法需求越來越旺盛，目前機器輔助標注、人工主要標注的手段需要改進提升，增強數(shù)據(jù)處理平臺持續(xù)學習和自學習能力，增加機器能夠標注維度、提升機器處理數(shù)據(jù)的精度，由機器承擔主要標注工作將成為下一階段的行業(yè)重心。未來，越來越多的長尾、小概率事件所產(chǎn)生的數(shù)據(jù)需求增強，人機協(xié)作標注的模式性價比不足，機器模擬或機器生成數(shù)據(jù)會是解決這一問題的良好途徑，及早研發(fā)相應技術(shù)也將成為AI基礎(chǔ)數(shù)據(jù)服務商未來的護城河。

人工智能基礎(chǔ)數(shù)據(jù)服務的行業(yè)價值

目前有監(jiān)督的深度學習是主流，標注數(shù)據(jù)是其學習根本

人工智能是研究如何通過機器來模擬人類認知能力的科學，機器學習是現(xiàn)階段實現(xiàn)人工智能的主要手段。機器學習方法通常是從已知數(shù)據(jù)中學習規(guī)律或者判斷規(guī)則，建立預測模型，其中，深度學習可以通過對低層特征的組合，形成更加抽象的高層屬性類別，自動從信息中學習有效的特征并進行分類，而無需人為選取特征。憑借自動提取特征、神經(jīng)網(wǎng)絡結(jié)構(gòu)、端到端學習等優(yōu)勢，深度學習在圖像和語音領(lǐng)域?qū)W習效果最佳，是當今最熱門的算法架構(gòu)。在實際應用中，深度學習算法多采用有監(jiān)督學習模式，即需要標注數(shù)據(jù)對學習結(jié)果進行反饋，在大量數(shù)據(jù)訓練下，算法錯誤率能大大降低?，F(xiàn)在的人臉識別、自動駕駛、語音交互等應用都采用這類方法訓練，對于各類標注數(shù)據(jù)有著海量需求，可以說數(shù)據(jù)資源決定了當今人工智能的高度。由于應用有監(jiān)督學習的AI算法對于標注數(shù)據(jù)的需求遠大于現(xiàn)有的標注效率和投入預算，無監(jiān)督或僅需要少量標注數(shù)據(jù)的弱監(jiān)督學習、小樣本學習成為了科學家探索的方向，但目前無論從學習效果和使用邊界來看，均不能有效替代有監(jiān)督學習，人工智能基礎(chǔ)數(shù)據(jù)服務將持續(xù)釋放其對于人工智能的基礎(chǔ)支撐價值。

人工智能基礎(chǔ)數(shù)據(jù)服務的主要產(chǎn)品形式

定制服務為主要服務形式，數(shù)據(jù)集產(chǎn)品集中于語音類賽道

目前，國內(nèi)AI基礎(chǔ)數(shù)據(jù)服務主要為數(shù)據(jù)集產(chǎn)品和數(shù)據(jù)資源定制服務，數(shù)據(jù)集產(chǎn)品往往是AI基礎(chǔ)數(shù)據(jù)服務商根據(jù)自身積累產(chǎn)出的標準數(shù)據(jù)集，以語音數(shù)據(jù)集為主，主體偏普通話語音、英文語音、方言語音等；為保證算法優(yōu)勢，客戶更多采用定制化服務，由客戶提出具體需求，數(shù)據(jù)服務商或直接對客戶提供的數(shù)據(jù)進行標注、或?qū)?shù)據(jù)進行采集并標注。大型的需求方，為保障數(shù)據(jù)的安全，往往提供Web形式的自有標注平臺給執(zhí)行方，以此對整體項目進行把控，也有一些AI基礎(chǔ)數(shù)據(jù)服務商向客戶提供私有化平臺建設(shè)服務，或?qū)⒆陨砥脚_與甲方系統(tǒng)兼容；除以上兩種形式外，部分AI基礎(chǔ)數(shù)據(jù)服務商還向算法服務進行拓展，提供算法訓練、模型搭建等服務。

人工智能基礎(chǔ)數(shù)據(jù)服務的發(fā)展背景

人工智能經(jīng)濟崛起為基礎(chǔ)數(shù)據(jù)服務提供長期向好的基本面

2010年語音識別和計算機視覺領(lǐng)域產(chǎn)生重大突破，國內(nèi)開始萌生AI概念。到2015年，國內(nèi)迎來人工智能創(chuàng)業(yè)熱潮，獨角獸不斷涌現(xiàn)，融資記錄被不斷打破。2012年-2019年8月人工智能領(lǐng)域共發(fā)生2787件投融資事件，總?cè)谫Y額達4740億元，人工智能成為最炙手可熱的融資熱點，百度、阿里、騰訊、京東、華為等科技企業(yè)也紛紛加注。2017年至今，產(chǎn)業(yè)落地成為AI行業(yè)的主流，人工智能賦能實體經(jīng)濟保持高速發(fā)展態(tài)勢，涉及行業(yè)包括安防、金融、零售、交通、教育、醫(yī)療、營銷、工業(yè)、農(nóng)業(yè)、企服等眾多領(lǐng)域。下游的爆發(fā)式增長為人工智能基礎(chǔ)數(shù)據(jù)服務的發(fā)展提供了長期向好的基本面。

數(shù)據(jù)量呈指數(shù)式增長，非結(jié)構(gòu)化數(shù)據(jù)的應用依賴于清洗標注

PC、互聯(lián)網(wǎng)、消費級移動設(shè)備的興起宣告了數(shù)據(jù)時代的來臨，物聯(lián)網(wǎng)的發(fā)展更使線下業(yè)務產(chǎn)生的大量數(shù)據(jù)被采集起來，數(shù)據(jù)量呈指數(shù)式增長，據(jù)IDC統(tǒng)計，全球每年生產(chǎn)的數(shù)據(jù)量將從2016年的16.1ZB猛增至2025年的163ZB，其中80%-90%是非結(jié)構(gòu)化數(shù)據(jù)。過去計算機主要處理結(jié)構(gòu)化數(shù)據(jù)，人工智能模型卻以處理非結(jié)構(gòu)化數(shù)據(jù)見長，但“玉不琢不成器”，數(shù)據(jù)經(jīng)過清洗與標注才能被喚醒價值，這就產(chǎn)生了源源不斷的清洗與標注需求。在我國，每年需要進行標注的語音數(shù)據(jù)超過200萬小時，圖片則有數(shù)億張。

人工智能基礎(chǔ)數(shù)據(jù)服務市場現(xiàn)狀

人工智能基礎(chǔ)數(shù)據(jù)服務產(chǎn)業(yè)鏈

AI基礎(chǔ)數(shù)據(jù)服務方是行業(yè)核心環(huán)節(jié)

人工智能基礎(chǔ)數(shù)據(jù)服務產(chǎn)業(yè)圖譜

產(chǎn)業(yè)上下游普遍存在交叉

AI基礎(chǔ)數(shù)據(jù)服務方的上游是數(shù)據(jù)生產(chǎn)和外包提供者，下游是AI算法研發(fā)單位，AI基礎(chǔ)數(shù)據(jù)服務方通過數(shù)據(jù)處理能力和項目管理能力為其提供整體的數(shù)據(jù)資源服務。 AI基礎(chǔ)數(shù)據(jù)服務方整體有兩大類，一種是具備自有的標注基地或全職標注團隊，這類企業(yè)也參與產(chǎn)業(yè)上游部分直接提供產(chǎn)能資源，另一種是依靠眾包或外包模式，專注于數(shù)據(jù)產(chǎn)品的開發(fā)與項目執(zhí)行。下游部分AI公司擁有自己的標注工具，也可通過AI中臺獲取一些通用標注工具，同時一些數(shù)據(jù)需求大的企業(yè)還孵化了自己的數(shù)據(jù)服務團隊。整體而言，產(chǎn)業(yè)上下游普遍存在交叉關(guān)系。

人工智能基礎(chǔ)數(shù)據(jù)服務行業(yè)投融資

融資規(guī)模集中于千萬量級，早期融資項目居多

從融資規(guī)模來看，人工智能基礎(chǔ)數(shù)據(jù)服務市場的融資多集中在千萬級別。從時間維度來看，2015年人工智能基礎(chǔ)數(shù)據(jù)服務商獲得的融資金額相對較高，標志著行業(yè)初露頭角，受到資本的認可。從獲得融資的企業(yè)數(shù)量來看，目前獲得融資的玩家并不多，資本市場表現(xiàn)的活躍度不高。從融資輪次來看，大部分融資仍然集中于早期融資，目前上市的企業(yè)僅掛牌新三板的數(shù)據(jù)堂一家（不考慮科技公司內(nèi)部孵化的基礎(chǔ)數(shù)據(jù)服務商）。人工智能基礎(chǔ)數(shù)據(jù)服務毛利率普遍較高，但為保持與人工智能市場前沿算法的匹配，需要投入大量研發(fā)成本進行數(shù)據(jù)處理平臺與工具的研發(fā)升級，因此對融資仍有較強依賴。

人工智能基礎(chǔ)數(shù)據(jù)服務行業(yè)商業(yè)模式

生產(chǎn)、獲客、部署合力驅(qū)動發(fā)展

人工智能基礎(chǔ)數(shù)據(jù)服務行業(yè)是典型的To B型業(yè)務，商業(yè)模式較為穩(wěn)定。在生產(chǎn)方面，主要通過自建標注基地或標注團隊、搭建眾包平臺、采購供應商外包服務（BPO）等模式實現(xiàn)生產(chǎn)運營，大多企業(yè)主要采取眾包與外包模式，百度數(shù)據(jù)眾包、倍賽等企業(yè)自建標注基地或全職標注團隊，對于培訓較高素質(zhì)工作人員、完善團隊管理有積極意義；在獲客方面，主要通過口碑傳播、學術(shù)會議與展會及代理渠道等模式進入市場，對銷售人員熟悉市場趨勢、客戶需求的要求較高；在實施交付方面，有私有化部署和公有部署兩類，能夠較為靈活地應對客戶對數(shù)據(jù)安全、交付周期與成本的個性化需求。

人工智能基礎(chǔ)數(shù)據(jù)服務市場規(guī)模

2025年市場規(guī)模將突破百億，行業(yè)年復合增長率為23.5%

2018年中國人工智能基礎(chǔ)數(shù)據(jù)服務市場規(guī)模為25.86億元，其中數(shù)據(jù)資源定制服務占比86.2%，數(shù)據(jù)集產(chǎn)品占比12.9%，其他數(shù)據(jù)資源應用服務占比0.9%；行業(yè)年復合增長率為23.5%，預計2025年市場規(guī)模將突破110億元。從整體增速來看，行業(yè)發(fā)展較為穩(wěn)健，下游人工智能行業(yè)持續(xù)發(fā)力將形成長期利好。

人工智能基礎(chǔ)數(shù)據(jù)服務細分結(jié)構(gòu)

純標注服務為主體，由供應商提供服務占79%

2018年中國人工智能基礎(chǔ)數(shù)據(jù)服務市場以語音、視覺、NLP領(lǐng)域的標注服務為主，同時提供采集與標注服務占比較少，這是由于生數(shù)據(jù)由需求方提供的情況較多，但這并不意味著市場中數(shù)據(jù)采集需求弱，相反，人工智能技術(shù)落地后產(chǎn)生了大量新興垂直領(lǐng)域的數(shù)據(jù)需求，然而這些數(shù)據(jù)采集難度大，能夠提供相關(guān)采集工具和服務的供應商將獲取競爭優(yōu)勢。市場供給方主要由企業(yè)自建或直接獲取外包團隊的形式以及供應商組成，又以供應商為行業(yè)主要支撐力量，占比79%。

人工智能基礎(chǔ)數(shù)據(jù)服務市場格局

行業(yè)將提升至較高集中度，CR5占26%市場份額

目前人工智能基礎(chǔ)數(shù)據(jù)服務行業(yè)CR5占26%市場份額，行業(yè)集中度較為適中，既非寡占型市場也非充分競爭市場，這一方面是由于百度數(shù)據(jù)眾包、海天瑞聲、數(shù)據(jù)堂等企業(yè)進入市場較早，積累了較多客戶資源，另一方面則是由于下游企業(yè)之前多采用公開數(shù)據(jù)集訓練模型，對數(shù)據(jù)的高精度要求由來尚短，受生態(tài)傳導效應滯后影響，市場門檻還不顯著，資金與研發(fā)實力較為薄弱的中小企業(yè)還有較強的發(fā)展土壤。然而未來，隨著下游企業(yè)發(fā)展壯大，直接使用外包團隊成本低廉、數(shù)據(jù)安全可控性強，一些基礎(chǔ)性需求將由下游企業(yè)自給自足，外部的數(shù)據(jù)服務商現(xiàn)有的存量市場面臨下降，因此必須承擔高難度、前沿獨特性任務，這就要求其自身投入高精度、專業(yè)化數(shù)據(jù)處理工具的研發(fā)和人工智能算法基礎(chǔ)研究，以把握客戶需求，開拓增量市場，因此資金與研發(fā)實力成為較高行業(yè)門檻，同時受近年資本市場冷卻影響，一批中小型廠商面臨業(yè)務收縮，再者部分廠商如倍賽開始在業(yè)內(nèi)并購，參考海外數(shù)據(jù)服務市場發(fā)展情況（海外行業(yè)巨頭Appen多次并購其他企業(yè)），并購也將成為市場趨勢，多種因素疊加影響下，行業(yè)集中度將提升。

人工智能基礎(chǔ)數(shù)據(jù)服務場景分析

視圖基礎(chǔ)數(shù)據(jù)服務市場現(xiàn)狀

人像與OCR數(shù)據(jù)是視圖基礎(chǔ)數(shù)據(jù)服務的主流

在不考慮自動駕駛的前提下，2018年視圖基礎(chǔ)數(shù)據(jù)服務市場達到6.6億元，人像與OCR數(shù)據(jù)是視圖基礎(chǔ)數(shù)據(jù)服務的主流，尤其人像數(shù)據(jù)占市場的42.9%。OCR占27%，其他的人體識別數(shù)據(jù)、商品識別數(shù)據(jù)、工業(yè)質(zhì)檢數(shù)據(jù)、醫(yī)學影像數(shù)據(jù)及其他新場景數(shù)據(jù)等較為分散，合計占市場30.1%。

視圖基礎(chǔ)數(shù)據(jù)服務技術(shù)趨勢

針對算法研發(fā)方向判斷數(shù)據(jù)需求，挖掘增量市場

按照數(shù)據(jù)使用方向，可以劃分為新算法模型搭建與研發(fā)、在已有算法基礎(chǔ)上增加新模塊、解決方案交付過程中定制優(yōu)化等三類，其中新算法模型搭建與研發(fā)和在已有算法基礎(chǔ)上增加新模塊類型的數(shù)據(jù)需求是可以根據(jù)相應機器視覺算法的前沿研發(fā)方向來判斷預測的。例如，就智慧城市場景而言，針對漢族的人臉識別和視頻結(jié)構(gòu)化已較為成熟，在實際應用場景中還需針對少數(shù)民族和其他人種進行優(yōu)化以提升整體算法準確率，此外，跨鏡追蹤成為場景研發(fā)熱點，相應的跨攝像頭數(shù)據(jù)如何標注對算法訓練也會產(chǎn)生較大影響，再及，深度相機可以幫計算機讀懂三維立體的監(jiān)控視頻，還能夠較好地解決復雜光照條件下視圖數(shù)據(jù)采集的問題，也將在未來成為重要的研發(fā)方向，綜上，多民族、多人種數(shù)據(jù)、跨攝像頭數(shù)據(jù)、3D數(shù)據(jù)的采集與標注服務將為視圖基礎(chǔ)數(shù)據(jù)服務市場的發(fā)展帶來增量空間，OCR、手機、零售等其他領(lǐng)域也同理可針對算法研發(fā)方向挖掘增量市場。

自動駕駛基礎(chǔ)數(shù)據(jù)服務應用場景

算法尚未成熟，對數(shù)據(jù)有長期需求，且缺口仍在

L3級別以上的自動駕駛系統(tǒng)主要有感知、定位、預測、決策和控制五部分，其對于計算機視覺技術(shù)的需求度遠高于ADAS，系統(tǒng)需要對雷達、攝像頭等傳感器采集的點云和圖像數(shù)據(jù)進行抽取、處理和融合，構(gòu)建車輛行駛環(huán)境，為預測和決策做依據(jù)，這對于算法的準確性和實時性有極大考驗。目前自動駕駛的視覺技術(shù)主要應用有監(jiān)督的深度學習，是基于已知變量和因變量推導函數(shù)關(guān)系的算法模型，需要大量的標注數(shù)據(jù)對模型進行訓練和調(diào)優(yōu)。在世界級無人駕駛大賽中，主辦方往往提供近億張圖片、數(shù)十萬張標注圖片供參賽團隊訓練使用；在路測或真實道路駕駛時，如人車混雜、分布稠密、行為多變等復雜環(huán)境問題更需要海量的真實路況數(shù)據(jù)不斷對算法進行優(yōu)化，才能保障無人駕駛車輛正?？捎?。如今國內(nèi)自動駕駛飛速發(fā)展，AI公司、科技公司、高精地圖廠商、車廠等參與者眾多，該領(lǐng)域的數(shù)據(jù)采集和標注需求已經(jīng)成為AI基礎(chǔ)數(shù)據(jù)服務的主要項目之一，且自動駕駛算法應用仍待優(yōu)化，數(shù)據(jù)需求缺口仍在，市場遠未飽和。

自動駕駛基礎(chǔ)數(shù)據(jù)服務市場現(xiàn)狀

2025年采標規(guī)模將超24億，科技公司和車廠是主要需求方

自動駕駛基礎(chǔ)數(shù)據(jù)主要是道路交通圖像、障礙物圖像、車輛行駛環(huán)境圖像等，需求方以科技公司、汽車廠商和高精地圖廠商為主，2018年自動駕駛行業(yè)基礎(chǔ)數(shù)據(jù)服務規(guī)模為5.76億元，預計2025年將超24億元，三方規(guī)模占比分別為49%、47.2%和3.8%，行業(yè)數(shù)據(jù)總?cè)蝿樟砍粌|張，2D圖像標注與3D點云標注任務量基本為2:1。其中高精地圖廠商算法較為成熟，數(shù)據(jù)自動化標注程度可達90%左右，外包需求較少；以百度、圖森未來為代表的自動駕駛科技公司一直是該領(lǐng)域基礎(chǔ)數(shù)據(jù)服務的主要買方，平均各家算法訓練圖像數(shù)據(jù)累積需求在千萬級以上，隨著落地項目進程加快，將會有更多細分場景的需求產(chǎn)生；近幾年，汽車廠商在ADAS和自動駕駛方向的投入明顯，上汽、吉利等廠商年投入均可達數(shù)億元，對于數(shù)據(jù)的采集和標注需求也逐年增加，預計未來3年中，汽車廠商將成為需求主力。

智能交互基礎(chǔ)數(shù)據(jù)服務市場現(xiàn)狀

遠場語音交互成為主流需求，中文類數(shù)據(jù)仍占據(jù)市場核心

2018年語音交互相關(guān)數(shù)據(jù)服務市場規(guī)模達到13.5億元。語音交互主要分為近場交互、中場交互和遠場交互，以智能影音家居、可交互機器人和車機為代表的中遠場交互類數(shù)據(jù)服務需求合計占到智能交互基礎(chǔ)數(shù)據(jù)服務的68%，成為當前智能交互基礎(chǔ)數(shù)據(jù)服務的主流需求，因此針對遠場語音交互的低噪聲環(huán)境服務具有較強發(fā)展?jié)摿妥h價能力。在服務語種上，中文（含方言）服務占據(jù)71%的市場份額，外語種資源相對稀缺，采集和標注難度較大，成本相對更高，目前占29%的市場份額。

智能交互基礎(chǔ)數(shù)據(jù)服務技術(shù)趨勢

實現(xiàn)跨語音識別、語義理解的復合數(shù)據(jù)標注

目前企業(yè)在智能交互系統(tǒng)的建設(shè)中，對單純的語音識別或合成方面技術(shù)能力相對較完善，而在上下文理解、多輪對話、情緒識別、模糊語義識別、意圖判斷等方面的研發(fā)痛點更強，根據(jù)智能交互系統(tǒng)算法的發(fā)展，迭代并設(shè)計符合算法需求的NLP數(shù)據(jù)產(chǎn)品，有助于從數(shù)據(jù)層面推動智能交互系統(tǒng)的發(fā)展。特別的，對話系統(tǒng)的效果對標注數(shù)據(jù)的質(zhì)量和規(guī)模依賴性很強，但目前受標注數(shù)據(jù)和模型能力的雙重制約，對話流程還無法對語音、語義整個交互流程打通，而實現(xiàn)跨語音識別、語義理解的復合數(shù)據(jù)標注可以幫助減輕語音信息與文本信息之間的信息誤傳導，對整個對話流程效果增強能夠產(chǎn)生積極影響，將增加智能交互基礎(chǔ)數(shù)據(jù)服務探索的可能性。

人工智能基礎(chǔ)數(shù)據(jù)服務需求分析

人工智能基礎(chǔ)數(shù)據(jù)服務客戶定位

客戶分為AI公司、科技公司、科研機構(gòu)、行業(yè)企業(yè)四類

從需求方來看，AI公司和科技公司占主要份額，AI公司更聚焦于視覺、語音等某一類型的基礎(chǔ)數(shù)據(jù)服務，而科技公司結(jié)合集團優(yōu)勢，向人工智能整體發(fā)力，不同部門會產(chǎn)生多類型數(shù)據(jù)需求，科研機構(gòu)需求占比較小。此外傳統(tǒng)意義上的行業(yè)企業(yè)，如汽車廠商、手機品牌商、安防廠商等傳統(tǒng)企業(yè)圍繞自身業(yè)務進行技術(shù)拓展，也開始產(chǎn)生AI基礎(chǔ)數(shù)據(jù)需求，并且量級逐漸增大，未來將釋放更多市場空間。

人工智能基礎(chǔ)數(shù)據(jù)服務核心需求類型

AI應用三大階段，對基礎(chǔ)數(shù)據(jù)服務產(chǎn)生差異化需求

企業(yè)應用人工智能算法要經(jīng)歷研發(fā)、訓練和落地三個階段，不同階段對于AI基礎(chǔ)數(shù)據(jù)服務也有差異化需求。研發(fā)需求是新算法研發(fā)拓展時產(chǎn)生的數(shù)據(jù)需求，一般量級較大，初期多采用標準數(shù)據(jù)集產(chǎn)品訓練，中后期則需要專業(yè)的數(shù)據(jù)定制采標服務；訓練需求是通過標注數(shù)據(jù)對已有算法的準確率、魯棒性等能力進行優(yōu)化，是市場中的主要需求，以定制化服務為主，對算法的準確性有較高要求；落地場景的業(yè)務需求中算法較為成熟，涉及的數(shù)據(jù)采集和標注更貼合具體業(yè)務，如飛機保養(yǎng)中的涂料識別數(shù)據(jù)等，對于標注能力和供應商主動提出優(yōu)化意見的服務意識有較強要求。

人工智能基礎(chǔ)數(shù)據(jù)服務需求痛點

五大需求痛點決定AI基礎(chǔ)數(shù)據(jù)服務商的服務標準

目前需求方在選擇數(shù)據(jù)服務時往往會遇到數(shù)據(jù)安全、采標能力、數(shù)據(jù)質(zhì)量、管理能力、服務能力等痛點。對于數(shù)據(jù)安全，需求方希望基礎(chǔ)數(shù)據(jù)服務商有明確具體的安全管理流程，對數(shù)據(jù)傳輸、存儲，以及結(jié)項后的數(shù)據(jù)銷毀等環(huán)節(jié)比較重視。在采標能力方面，需求方算法越來越貼近業(yè)務，希望數(shù)據(jù)服務商對于自動駕駛、工業(yè)等有一定門檻的領(lǐng)域有采集能力，并且能理解客戶意圖，配合標注，甚至可以提出標注建議；根據(jù)市場反應，大多數(shù)數(shù)據(jù)服務公司首次交付項目時，數(shù)據(jù)的準確率普遍偏低，都需要一到兩次的返工，故需求方對無效數(shù)據(jù)少、準確率高的公司更加青睞。對于執(zhí)行效率，一般AI基礎(chǔ)數(shù)據(jù)服務商都能在項目周期內(nèi)完成，但管理能力較弱的公司很難在兼顧多個項目時做到精力集中、高質(zhì)量地服務客戶，同時執(zhí)行團隊的素養(yǎng)與信譽也是重要影響因素。服務意識是一項軟實力，需要AI基礎(chǔ)數(shù)據(jù)服務商能夠積極配合、快速響應需求方要求。

人工智能基礎(chǔ)數(shù)據(jù)服務趨勢及建議

人工智能基礎(chǔ)數(shù)據(jù)服務發(fā)展建議

企業(yè)由被動執(zhí)行向主動服務的意識躍遷

單純依據(jù)客戶各個項目的訴求進行數(shù)據(jù)采集和標注屬于被動執(zhí)行，主觀能動性低、行業(yè)邊界有限，各家公司的產(chǎn)品和服務趨于同質(zhì)化、競爭呈膠著狀態(tài)，制約著AI基礎(chǔ)數(shù)據(jù)服務的發(fā)展。通過對需求方的研究，發(fā)現(xiàn)除安全性、質(zhì)量、效率等核心關(guān)注點之外，越來越多的需求方對數(shù)據(jù)服務公司產(chǎn)生了主動服務的需求，希望數(shù)據(jù)公司能夠更懂算法技術(shù)、更懂需求場景，甚至能參與到算法的研發(fā)中來，給出數(shù)據(jù)采標方面的優(yōu)化建議，這也為數(shù)據(jù)服務商形成差異化競爭帶來了契機，尤其是在AI落地階段，在垂直場景中能夠形成一套集調(diào)研、咨詢、設(shè)計、采集、標注為一體的AI基礎(chǔ)數(shù)據(jù)整體解決辦法，將在收入和業(yè)務邊界上實現(xiàn)突破。