开启全新「智能时代」，云测数据在AI落地的背后做支撑

纽约大学教授 Gary Marcus 在他 2019 年的新书《Rebooting AI》中，将深度学习的问题重新归纳为 3 点，其中第一点就是“对数据的极度贪婪和依赖”。

近年来，大数据和AI就和之前的云计算一样，不管是媒体还是企业都言必称大数据，似乎这样就能站在行业的风口浪尖上。实际上部分企业获取到 PB 量级的数据，可能只能做简单的回归分析，要么标签太稀疏，要么缺失，或者在收集上存在主动或被动的错误，给实际业务带来了不小的麻烦。

根据美国高德纳咨询公司报道，质量差的数据使企业在 2017 年平均损失了 1500 万美元。《麻省理工学院斯隆管理评论》进一步证实了这些发现，该报告指出，脏数据使业务平均损失了 15％ 至 25％。如此惊人的比例，让企业对数据的质量愈发重视起来。

因此，如果仅仅获得第一手数据，就“万事俱备，只差一个程序员了”，那就大错特错了。数据获取只是第一步，只有经过高效专业处理的数据，才能对趋势预测、统计分析或聚类分类等项目有优质的产出，为提升效率、节约成本或高层决策带来有利支持。

IT 界有这么句话“Garbage in, garbage out”。只有投入高质量的数据，才能得到有意义的结果，对垃圾数据的反复计算迭代，就好比在锅里面对石头进行不断翻炒，即使时间再长加上再多调料也不能吃。低质量的数据将造成资源浪费、生产力增速下甚至是直接影响企业发展方向判断，同时，低质数据也会失去客户的信任，影响企业的竞争力。

随着 AI 公司对高质量数据的需求不断加大，数据标注处理等数据服务开始形成一个行业，在 AI 发展中担当越来越重要的作用。那么对于这个过程，我们有应该如何选择处理方式，才能迎接 AI 时代风起云涌的浪潮呢？

AI数据服务趋势：专业AI数据服务商、众包比例逐渐超越企业自处理

为了获取更多的AI数据，体量大的企业的依靠自己庞大的用户量进行收集，有的使用爬虫，还有些直接购买，但是要获取符合业务需求的有效数据并不容易。qualia.AI 的合伙人 Iason Demiros 曾经在社交网络上表示：AI 行业最贵的就是数据收集、清洗和数据标注。要获得更多收益，就要思考如何把数据处理的成本降低，把困难的东西做简单。

目前，行业内常见的AI数据服务方案有下面几种：

针对企业内部AI数据特点，团队内部或聘请专人来对其进行清洗标注和分析交给专业AI数据服务商来处理交给众包平台

然而这几种方案各有长短，由企业内部自行对AI数据进行处理，需要很高的内部人力成本；交给专业AI数据服务商，则又会有安全方面的担忧；而交给众包平台虽然便宜，但质量和信息安全可能得不到保障。

从近几年的报道来看，无论是国外的 Amazon MTurk 、Crowdflower 等，还是国内的百度众包、京东众智，甚至是一些院校“强制”学生进行实习等，保持着流水线工人一样的低成本高劳动密集的特点，其背后的管理模式、信息安全和时效都有很大的不确定性。

据云测数据总经理贾宇航介绍，现阶段 AI 数据有着三个大趋势：

第一，场景的多元化。基于产品落地场景，AI数据需要尽可能覆盖丰富多样的特定场景条件，如：光线强度、拍摄角度、噪声要求、室内室外等，乃至是长尾场景的AI数据需求。

第二，样本的多样性。以声音的AI数据为例，就分不同的年龄、地区、性别等等，除此之外还涉及广泛的AI数据类型，包括图片、视频、音频、文本数据。如果想要发挥人工智能的普惠性，用AI产品服务好各种人群，就需要丰富多样化的样本。

第三，数据的多维化。随着技术和行业的发展，以智能驾驶领域AI数据需求为例，业界已逐渐从单摄像头过渡到多摄像头的方案。但是 2D 图像对于物体的测距仍有着很大的局限性，因此也出现了与激光雷达、超声波雷达等 3D 传感器的融合。通过更多维度的AI数据融合加速人工智能场景的落地。

因此，随着人工智能的落地需求的场景和专业化程度的增加，AI数据本身的复杂度和种类也不断提升，行业亟需场景化、专业化、高质量的AI数据服务，对于数据标注的管理和操作人员的专业性也有了更高的要求。

而解决AI数据问题需要从数据源出发，其过程涉及AI数据的采集、清洗、建立公司标准的企业处理模式，甚至需要对数据进行问责制度，同时需要建立协同机制，避免出现数据孤岛。因此，越来越多的人工智能企业开始选择专业的AI数据服务公司进行合作，以获得更加高质量、高效率的AI数据。

云测数据：AI数据服务的最高精度支持 99.99%

云测数据具有全领域的AI数据服务标注能力，涉及视觉图像、语音语义理解、自然语言处理等；拥有具备自主知识产权的数据标注平台，并不断优化工具易用性和扩展性，以提升标注的效率，同时自研质检工具，确保标注和审核结果的高质量输出，其数据标注的最高交付质量精度可达到 99.99%。

据悉，云测数据拥有自建的数据标注基地和业内首创的数据场景实验室，不管是数据生产效率、数据质量保证、数据隐私安全，还是实力规模、数据交付经验、帮助传统企业智能化转型等方面，都有着不可替代的优势。其合作客户涵盖汽车、安防、驾驶、手机、互联网、金融、新零售、工业等领域的上百家企业和研究机构。

首先，云测数据对AI数据作业的流程进行了严格的规范化，以标准化服务为抓手，前期明确客户的AI数据标准后，经过试标注验收合格之后，才开始规模化作业，标注之后还有几轮质检和交叉审核，用来确保数据的高质量输出，并且项目经理全程跟踪数据作用流程，全力保障数据交付质量。此外，云测数据在流程设置上也进行了优化和管理，确保各环节衔接通畅，实现保证质量的情况下的高效输出。

为了让高质量 AI 数据成为企业的核心壁垒，云测数据以高质、专业、高效、丰富、安全的优势展示了自己的AI数据业务布局。

安全性：数据的安全主要在于数据安全、隐私和版权的保障上。为保证AI数据的隐私安全，云测数据设置了一系列严格措施。其中一条核心原则就是数据绝不复用，当数据合格交付后从不留底，会清毁相关数据；其二，所有和云测数据进行数据采集的用户都会签订数据授权协议，从来源上确保企业用于训练的数据合法合规；同时，云测数据内部还设定了数据隔离、质量保障等一系列数据安全流程和技术。

云测数据总经理贾宇航也曾多次公开表示，无论是 AI 公司还是数据服务公司，眼光都要长远一些，采用未经授权的数据当然可以控制成本，野蛮发展终究会造成不良后果。

高效率高质量：云测数据具有自建的标注基地，支持图像、音视频以及 3D 点云类标注，多重审核，保证准确率。其行业首创的数据场景实验室可支持定制化场景数据的采集，覆盖智能驾驶、智能家居、智慧城市、智能金融等应用场景。同时云测数据具有自研标注平台，扩展性高，具有多年经验和实践打磨，交互流畅。此外，在必要的情况下，云测数据还将提供私有化部署和驻场作业服务。

面对企业自身落地场景和算法模型需要，云测数据做到了模板化的任务创建，并支持不同种类标注类型和标注方法。结合自身业务处理方式及经验，持续迭代标注平台工作业务流及标注方法，效能逐年提升。

云测数据对产业赋能，提供的是一体化服务，从平台自研、场景实验室建立、自建数据交付中心的建立、自身专业工作人员积累，采用高效的组织协同方式。同时，自建数据交付中心以及自有员工，人员专业稳定，为需要特定领域知识积累的AI数据处理内容，做到了有力的保证。

AI数据服务产业前景乐观，向规范化技术密集型产业转型

智研发布的数据标注行业报告指出，2018 年我国数据标注与审核行业规模达到 52.55 亿元，其中 34% 左右的业务量流向专业做数据采标的第三方公司。在《互联网周刊》联合eNet研究院共同发布的《2020 年数据标注公司排行》中，云测数据位列榜首。

随着行业发展和国家的大力支持，AI数据服务也开始从劳动密集向技术密集型发展。而目前数据驱动文化（即人和业务流程）也正在慢慢改变，也会有越来越多的企业向数据驱动转型。此外，AI数据服务行业也将越来越规范化。品牌AI数据服务商在品牌效益、技术实力、服务意识以及业务能力等方面优势明显，而这些品牌服务商也将成为这一领域中的核心玩家。

云测数据的的高质量数据采集、数据标注业务，将在已有的领域继续深耕，同时拓展到更多领域，为更多人工智能产业化提供AI数据支撑。而有了这些AI数据的助力，会在 AI 领域催生出更多令人兴奋应用和场景，把我们带入一个全新的「智能时代」！