AI數據服務行業呈現四大趨勢

姜紅德

影響人工智能發展的三大要素分別是數據、算法、算力，在經歷了算法研究、技術擴張和商業落地的發展之后，AI對數據提出了更高要求。未來3～5年，更加精細化、場景化、專業化的數據采集標注才能滿足日益增長的人工智能細分場景、專業垂直的賦能需求。

2021年AI數據服務行業發展趨勢顯示，高精度數據將成人工智能訓練階段追逐熱點，人工智能對長尾場景的數據需求進一步擴大，場景化數據將擁有更廣闊的增量空間，底層技術+服務能力將愈發重要直至成為核心競爭點，人工智能更需要能提供一體化數據解決方案的服務商。

趨勢一：高精度數據成為追逐熱點

在算法訓練階段，需要通過更高質量的數據對已有算法的準確率、魯棒性等能力進行優化。從產品終端體驗來看，在人工智能概念熱度和巨大的市場前景背后，國內消費者對AI應用的期待值大幅提升，但AI應用卻出現同質化嚴重等問題。當前，人工智能算法模型經過多年的打磨，基本達到階段性成熟，一個成功的AI應用與其他應用的差異化對比，更多的來自于精準大量的訓練數據。

隨著人們對人工智能算法識別準確的要求更上一個臺階，具有更高精準度的數據也將成為訓練階段的主流需求。云測數據在數據采集標注領域的重要優勢之一，就是能提供足夠精準的訓練數據，因此其最高99.99%的精準度可較好的應對人工智能數據精準度提升的情況，行成企業護城河。對于人工智能數據采集標注服務商來講，將提高數據標注精準度作為業務追求，才能用存量市場和增量市場“兩條腿”穩健前行，而那些低質量的AI數據服務商在未來將面臨淘汰或轉型其他業務。

趨勢二：場景化數據增長前景廣闊

在算法落地階段，經過研發與訓練之后，人工智能應用從理論走向市場，對細分場景化的數據準確度提出了更高要求。從細分結構來看，隨著人工智能技術的不斷成熟，更多的場景和行業開始嵌入使用人工智能技術，AI行業應用場景逐漸趨于長尾和碎片化，產生了大量新興垂直領域的數據需求，如疫情期間的口罩識別應用等；同時，從AI應用迭代、用戶體驗完善的角度來看，AI應用需要更加貼合具體使用場景的數據進行迭代更新。

這些數據采集需求相對復雜、聚焦，難度較大，對AI數據服務商的場景化采集能力提出了很高的要求。隨著人工智能對長尾場景的數據需求進一步擴大，未來，場景數據將擁有更廣闊的增量空間，具有相關采集工具、資源、能力的數據采集標注服務商將擁有極大的競爭優勢。以云測數據為例，為進一步滿足場景化數據的需求，首創了“數據場景實驗室”進行相應的場景化數據生產。

隨著“底層技術+服務能力” 更受數據需求方重視，數據服務商應提前布局。縱觀國內外人工智能數據服務廠商，各家企業在模式、技術、服務等方面各有差異，但綜合人工智能發展需求和服務廠商的情況來看，“技術+服務”將成為重要競爭核心。

趨勢三：技術能力將成為核心競爭力

技術層面來講，隨著AI訓練數據需求多樣化，以及復雜程度的提升，客戶類型豐富、數據需求多樣、并發項目眾多等因素對廠商的能力和效率提出了更高要求。如云測數據就擁有一套自主研發貫通創建任務、分配任務、數據處理、質檢/抽檢和數據安全管理等各環節于一體，并且能對圖像、文本、語音、視頻以及點云數據做到一站式加工處理的管理和執行一體化平臺。這是AI數據服務商技術實力的集中體現，也是快速確立行業地位的關鍵一步。

其中，由于部分行業領域具有較高的數據敏感性，那些自主研發能力強、技術水平高、可向需求方提供私有化部署服務，或將自身平臺與需求方系統兼容，來保證數據的隱私安全等能力，將成為人工智能數據服務商形成差異化競爭的關鍵。

趨勢四：對一體化數據解決方案服務商需求更加強烈

服務能力屬于數據服務商的一項軟實力，具體表現為能夠積極配合、快速響應需求方的數據要求。通過對數據需求方的調查研究，除了對精細化、質量、安全性、效率等業務層面的核心關注點之外，具備更深刻的行業領域知識、更懂場景、更懂技術、更具行業前瞻性，甚至為需求方提出采標優化建議的服務能力，將成為未來數據需求方選擇合作企業的重要參考指標。

尤其在人工智能應用場景落地階段，常規的數據采集或者數據標注已經不具備競爭優勢。可以提供集調研、咨詢、設計、采集、標注于一體的人工智能訓練數據解決方案的服務商，在擴大人工智能數據服務的業務邊界的同時，還將在開拓業務市場、行業地位的確立上具備更多的主動性。人工智能對數據提出更高需求，展現了在人工智能產業化落地進程中，數據發揮的重要作用。場景化、高精度的數據和專業化、技術化的服務，將成為未來3～5年人工智能全速發展的重要突破口，驅動人工智能深化發展。人工智能的發展加速各領域智能化的到來，而中國龐大的數據量又為人工智能技術在各個場景落地生長提供了肥沃土壤。疊加向好的政策、大力的技術研發投入和積極擁抱新技術的消費者，人工智能產業未來發展強勁，數據采集標注服務將成為主要拉力，并持續處于上升期，行業前景良好。