摘要：數(shù)據(jù)加工包含數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、數(shù)據(jù)審核等，本質(zhì)上是提升數(shù)據(jù)資源質(zhì)量的過程，數(shù)據(jù)資源的質(zhì)量越高其價(jià)值越大。由于非結(jié)構(gòu)化數(shù)據(jù)占比越來越大，對(duì)于數(shù)據(jù)標(biāo)注行業(yè)的需求穩(wěn)定提升，已經(jīng)形成一個(gè)穩(wěn)定成長的行業(yè)，市場標(biāo)注行業(yè)市場規(guī)模不斷擴(kuò)大，圖像類和語音類需求占比超八成。2022年中國數(shù)據(jù)標(biāo)注行業(yè)市場規(guī)模約為51億元。

一、定義及分類

數(shù)據(jù)標(biāo)注是指借助特定軟件標(biāo)注工具以人工的方式將圖片、語音、文本、視頻等數(shù)據(jù)內(nèi)容打上特征標(biāo)簽，使計(jì)算機(jī)通過大量學(xué)習(xí)這些帶有特征標(biāo)簽的數(shù)據(jù)，最終具備自主識(shí)別特征的一種行為。數(shù)據(jù)標(biāo)注技術(shù)作為提供訓(xùn)練數(shù)據(jù)的必經(jīng)環(huán)節(jié)，促進(jìn)了人工智能的快速發(fā)展。常見的數(shù)據(jù)標(biāo)注按照數(shù)據(jù)類型可以分為圖像標(biāo)注、文本標(biāo)注及語音標(biāo)注。

二、商業(yè)模式

1、眾包模式

現(xiàn)在數(shù)據(jù)標(biāo)注通常采取眾包的模式，眾包模式的優(yōu)點(diǎn)就是成本較低響應(yīng)較快。這種式適用較簡單的項(xiàng)目如點(diǎn)點(diǎn)拉框等項(xiàng)目。發(fā)布者往往將任務(wù)詳細(xì)介紹和題目一同發(fā)送到平臺(tái)上供廣大數(shù)據(jù)標(biāo)注兼職人員作答。但眾包模式有一個(gè)很明顯的問題就是質(zhì)量較難把控，每個(gè)人對(duì)規(guī)則的理解不盡相同且不可避免的會(huì)有一部分對(duì)任務(wù)亂答一通，影響項(xiàng)目質(zhì)量。為此各平臺(tái)也會(huì)使用一些方式減少問題的產(chǎn)生提高項(xiàng)目質(zhì)量。比如增加改判環(huán)節(jié)一道題在答完之后會(huì)由他人進(jìn)行改判如若判錯(cuò)則不獲得任務(wù)報(bào)酬，此外為防止錯(cuò)判維護(hù)答題人員利益還會(huì)設(shè)置申訴環(huán)節(jié)使答題人員對(duì)有疑問的題目進(jìn)行申訴。設(shè)置標(biāo)注人員級(jí)別，標(biāo)注人員任務(wù)正確率較高答題數(shù)較多則能慢慢提高等級(jí)解鎖更多任務(wù)獲得更多的任務(wù)報(bào)酬且有機(jī)會(huì)進(jìn)入改判環(huán)節(jié)成為改判員。

2、外包模式

外包模式與眾包模式相對(duì)是將任務(wù)外包給專門的數(shù)據(jù)標(biāo)注公司和團(tuán)隊(duì)，在項(xiàng)目一開始會(huì)對(duì)項(xiàng)目整體進(jìn)行評(píng)估然后針對(duì)項(xiàng)目整體進(jìn)行報(bào)價(jià)由數(shù)據(jù)標(biāo)注公司自行安排培訓(xùn)安排人手，只需要保證在項(xiàng)目截止日期前保質(zhì)保量交付數(shù)據(jù)即可。這種模式的優(yōu)勢就是數(shù)據(jù)質(zhì)量和項(xiàng)目周期有保證。但是響應(yīng)速度較慢成本較高，因?yàn)橐婚_始需要安排競標(biāo)且平臺(tái)需要安排專門的項(xiàng)目人員進(jìn)行項(xiàng)目對(duì)接和項(xiàng)目跟進(jìn)?，F(xiàn)如今國內(nèi)專門做數(shù)據(jù)標(biāo)注的團(tuán)隊(duì)較多，但是大多數(shù)只是以工作室和幾十人的小團(tuán)隊(duì)為主且業(yè)務(wù)類型集中在簡單的拉框圖像標(biāo)注上。也有一些的較大型的公司如貴州的夢動(dòng)科技已經(jīng)形成產(chǎn)業(yè)化帶動(dòng)了當(dāng)?shù)氐陌l(fā)展。又或者是“點(diǎn)我科技”他們自建有平臺(tái)可以自研工具同時(shí)擔(dān)任著數(shù)據(jù)標(biāo)注平臺(tái)和數(shù)據(jù)標(biāo)注公司兩種角色。

三、行業(yè)政策

隨著數(shù)據(jù)要素市場不斷壯大，數(shù)據(jù)要素市場的各個(gè)參與主體都投入到市場運(yùn)作中。政府作為數(shù)據(jù)要素市場的管理者，將發(fā)揮政策扶持和積極引導(dǎo)作用，推動(dòng)公共數(shù)據(jù)擴(kuò)大開放，構(gòu)建數(shù)據(jù)開放平臺(tái)。相關(guān)政策文件的密集出臺(tái)推動(dòng)我國數(shù)據(jù)產(chǎn)業(yè)迅速發(fā)展，技術(shù)不斷進(jìn)步，基礎(chǔ)設(shè)施不斷完善，融合應(yīng)用不斷深入。2024年1月國家數(shù)據(jù)局等17部門發(fā)布《“數(shù)據(jù)要素×”三年行動(dòng)計(jì)劃（2024-2026年）》中指出：《行動(dòng)計(jì)劃》選取工業(yè)制造、現(xiàn)代農(nóng)業(yè)、商貿(mào)流通、交通運(yùn)輸、金融服務(wù)、科技創(chuàng)新、文化旅游、醫(yī)療健康、應(yīng)急管理、氣象服務(wù)、城市治理、綠色低碳等12個(gè)行業(yè)和領(lǐng)域，推動(dòng)發(fā)揮數(shù)據(jù)要素乘數(shù)效應(yīng)，釋放數(shù)據(jù)要素價(jià)值。

四、行業(yè)壁壘

1、技術(shù)能力壁壘

隨著大模型時(shí)代的到來，數(shù)據(jù)標(biāo)注行業(yè)對(duì)技術(shù)能力的要求越來越高。企業(yè)需要具備強(qiáng)大的數(shù)據(jù)處理能力，包括數(shù)據(jù)閉環(huán)工具鏈的智能化水平、對(duì)大模型/AI算法的理解、數(shù)據(jù)工程化能力以及基礎(chǔ)設(shè)施建設(shè)等。這些技術(shù)能力的缺乏會(huì)限制企業(yè)的發(fā)展，尤其是在自動(dòng)化標(biāo)注和處理復(fù)雜數(shù)據(jù)集方面。

2、場景資源壁壘

數(shù)據(jù)標(biāo)注服務(wù)需要緊密結(jié)合具體的應(yīng)用場景，這意味著企業(yè)必須擁有高質(zhì)量的場景數(shù)據(jù)和相應(yīng)的領(lǐng)域?qū)＜一蛏疃扔脩簟＿@些資源的獲取和維護(hù)需要大量的時(shí)間和成本投入，對(duì)于新進(jìn)入者來說，缺乏這些資源會(huì)成為進(jìn)入市場的障礙。

3、行業(yè)經(jīng)驗(yàn)壁壘

數(shù)據(jù)標(biāo)注行業(yè)的發(fā)展需要積累豐富的行業(yè)經(jīng)驗(yàn)，這包括對(duì)客戶需求的深刻理解、數(shù)據(jù)標(biāo)注流程的優(yōu)化以及與客戶的長期合作關(guān)系建立。新進(jìn)入者缺乏這些經(jīng)驗(yàn)，難以快速適應(yīng)市場變化和客戶需求，從而在競爭中處于不利地位。

五、產(chǎn)業(yè)鏈

數(shù)據(jù)標(biāo)注位于產(chǎn)業(yè)鏈中游，是AI商業(yè)化應(yīng)用中重要的一環(huán)。行業(yè)的上游為數(shù)據(jù)源與數(shù)據(jù)產(chǎn)能，多元數(shù)據(jù)包括個(gè)人數(shù)據(jù)、企業(yè)數(shù)據(jù)、政府?dāng)?shù)據(jù)等，產(chǎn)能醫(yī)院供應(yīng)方包括標(biāo)注自愿提供方和硬件資源供應(yīng)商。中游為數(shù)據(jù)標(biāo)注廠商，包括AI基礎(chǔ)數(shù)據(jù)服務(wù)商，如海天瑞聲等。下游則是人工智能的應(yīng)用，涉及智慧政務(wù)、金融、工業(yè)、自動(dòng)駕駛等領(lǐng)域。其中，處于中游的AI基礎(chǔ)數(shù)據(jù)服務(wù)商主要進(jìn)行數(shù)據(jù)的采集與標(biāo)注，面向AI的數(shù)據(jù)治理平臺(tái)服務(wù)商則使用數(shù)據(jù)治理的各組件管治多源異構(gòu)數(shù)據(jù)，使其形成數(shù)據(jù)資產(chǎn)，提高數(shù)據(jù)質(zhì)量。二者處理后的數(shù)據(jù)可直接提供給下游用于AI訓(xùn)練，從而加速AI落地。

數(shù)據(jù)標(biāo)注行業(yè)產(chǎn)業(yè)鏈

AI基礎(chǔ)數(shù)據(jù)服務(wù)商

甲骨文(中國)軟件系統(tǒng)有限公司

微軟(中國)有限公司

北京人大金倉信息技術(shù)股份有限公司

北京聚源銳思數(shù)據(jù)科技有限公司

萬得信息技術(shù)股份有限公司

杭州安恒信息技術(shù)股份有限公司

廣州巨杉軟件開發(fā)有限公司

北京安信通網(wǎng)絡(luò)技術(shù)有限公司

北京奧星貝斯科技有限公司

天津南大通用數(shù)據(jù)技術(shù)股份有限公司

服務(wù)器

紫光股份有限公司

浪潮電子信息產(chǎn)業(yè)股份有限公司

四川長虹電子控股集團(tuán)有限公司

曙光信息產(chǎn)業(yè)股份有限公司

軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司

拓維信息系統(tǒng)股份有限公司

IDC廠商

上游

北京云測信息技術(shù)有限公司

北京深度搜索科技有限公司

數(shù)據(jù)堂（北京）科技股份有限公司

北京安捷智合科技有限公司

中游

計(jì)算機(jī)視覺

智能語音

自然語言

下游

六、行業(yè)現(xiàn)狀

數(shù)據(jù)加工包含數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、數(shù)據(jù)審核等，本質(zhì)上是提升數(shù)據(jù)資源質(zhì)量的過程，數(shù)據(jù)資源的質(zhì)量越高其價(jià)值越大。具體分環(huán)節(jié)看：企業(yè)標(biāo)配的能力，基本在數(shù)據(jù)收集存儲(chǔ)環(huán)節(jié)就已經(jīng)完成；數(shù)據(jù)標(biāo)注：由于非結(jié)構(gòu)化數(shù)據(jù)占比越來越大，對(duì)于數(shù)據(jù)標(biāo)注行業(yè)的需求穩(wěn)定提升，已經(jīng)形成一個(gè)穩(wěn)定成長的行業(yè)，市場標(biāo)注行業(yè)市場規(guī)模不斷擴(kuò)大，圖像類和語音類需求占比超八成。2022年中國數(shù)據(jù)標(biāo)注行業(yè)市場規(guī)模約為51億元。

七、發(fā)展因素

1、有利因素

（1）人工智能技術(shù)的飛速發(fā)展

隨著人工智能（AI）技術(shù)的不斷進(jìn)步，尤其是計(jì)算機(jī)視覺和自然語言處理等領(lǐng)域的應(yīng)用日益廣泛，對(duì)高質(zhì)量、專業(yè)化的數(shù)據(jù)標(biāo)注需求急劇增加。數(shù)據(jù)標(biāo)注作為AI技術(shù)發(fā)展的基礎(chǔ)，其市場需求隨之增長。例如，圖像和視頻標(biāo)注的復(fù)合年增長率接近17%，預(yù)計(jì)到2024年數(shù)據(jù)標(biāo)注市場的價(jià)值將達(dá)到486億美元。

（2）大模型時(shí)代的來臨

大模型（如GPT-3等）的開發(fā)和應(yīng)用需要大量的高質(zhì)量數(shù)據(jù)作為訓(xùn)練基礎(chǔ)。數(shù)據(jù)標(biāo)注服務(wù)貫穿大模型的全生命周期，上下游合作關(guān)系更為緊密，這為數(shù)據(jù)標(biāo)注行業(yè)帶來了新的增長點(diǎn)。大模型范式的涌入使得自動(dòng)化標(biāo)注效率進(jìn)一步提升，同時(shí)也對(duì)標(biāo)注人才提出了更高的要求，如高學(xué)歷多領(lǐng)域成為硬指標(biāo)。

（3）政策支持和市場需求

中國政府對(duì)人工智能產(chǎn)業(yè)的大力支持，以及各行各業(yè)對(duì)智能化轉(zhuǎn)型的需求，為數(shù)據(jù)標(biāo)注行業(yè)提供了廣闊的市場空間。例如，智能駕駛、醫(yī)療健康、金融科技等領(lǐng)域?qū)?shù)據(jù)標(biāo)注的需求不斷增長，推動(dòng)了行業(yè)的擴(kuò)張。此外，合成數(shù)據(jù)作為新興賽道，其增速最高，為數(shù)據(jù)標(biāo)注行業(yè)帶來了新的增長動(dòng)力。例如《數(shù)據(jù)經(jīng)濟(jì)促進(jìn)共同富裕實(shí)施方案》、《深入實(shí)施“東數(shù)西算”工程加快構(gòu)建全國一體化算力網(wǎng)的實(shí)施意見》、《“數(shù)據(jù)要素×”三年行動(dòng)計(jì)劃（2024-2026年）》等政策。

2、不利因素

（1）行業(yè)洗牌與競爭加劇

隨著市場規(guī)模的擴(kuò)大，更多的參與者進(jìn)入數(shù)據(jù)標(biāo)注行業(yè)，導(dǎo)致市場競爭日益激烈。由于行業(yè)準(zhǔn)入門檻相對(duì)較低，許多中小規(guī)模的數(shù)據(jù)服務(wù)供應(yīng)商涌現(xiàn)，這導(dǎo)致市場飽和，使得中小型供應(yīng)商面臨嚴(yán)峻的生存壓力。同時(shí)，行業(yè)內(nèi)部會(huì)出現(xiàn)一波“洗牌期”，那些無法適應(yīng)市場變化、提升技術(shù)水平和服務(wù)質(zhì)量的企業(yè)會(huì)被淘汰。

（2）技術(shù)門檻提升與人力成本增加

隨著AI企業(yè)對(duì)數(shù)據(jù)標(biāo)注的需求變得更加高質(zhì)量、精細(xì)化和定制化，數(shù)據(jù)標(biāo)注行業(yè)的技術(shù)門檻也在提高。這要求數(shù)據(jù)服務(wù)供應(yīng)商具備更強(qiáng)的技術(shù)實(shí)力和精細(xì)化管理能力。同時(shí)，人力成本的上升也對(duì)數(shù)據(jù)標(biāo)注企業(yè)構(gòu)成了壓力，尤其是在勞動(dòng)力密集型的標(biāo)注任務(wù)中，成本控制成為企業(yè)需要重點(diǎn)關(guān)注的問題。

（3）數(shù)據(jù)安全與隱私保護(hù)問題

數(shù)據(jù)標(biāo)注涉及大量敏感信息的處理，如何確保數(shù)據(jù)的安全性和隱私保護(hù)成為行業(yè)的一個(gè)重要挑戰(zhàn)。在眾包、轉(zhuǎn)包模式下，數(shù)據(jù)的安全性難以得到充分保障，存在數(shù)據(jù)泄露的風(fēng)險(xiǎn)。此外，對(duì)于金融機(jī)構(gòu)和政府部門等特殊行業(yè)的需求方來說，數(shù)據(jù)的安全性尤為重要，數(shù)據(jù)標(biāo)注企業(yè)需要建立完善的數(shù)據(jù)安全防護(hù)機(jī)制，以避免潛在的法律風(fēng)險(xiǎn)和信譽(yù)損失。

八、競爭格局

AI行業(yè)的蓬勃發(fā)展，對(duì)數(shù)據(jù)的需求呈井噴式增長，數(shù)據(jù)標(biāo)注行業(yè)是伴隨著AI的興起而產(chǎn)生的一個(gè)新興行業(yè)。目前，我國國內(nèi)市場越來越多的互聯(lián)網(wǎng)巨頭公司開始組建自己的數(shù)據(jù)標(biāo)注平臺(tái)，京東（京東眾智）、百度（百度眾測）都已經(jīng)擁有自己的標(biāo)注平臺(tái)和工具。頭部公司之外，國內(nèi)近年興起眾多數(shù)據(jù)標(biāo)注公司，如龍貓數(shù)據(jù)、Testin云測、倍賽BasicFinder、數(shù)據(jù)堂等，這些公司僅次于第一梯隊(duì)，都具有相當(dāng)?shù)囊?guī)模。

海天瑞聲是我國領(lǐng)先的訓(xùn)練數(shù)據(jù)專業(yè)提供商。自2005年成立以來，公司致力于為AI產(chǎn)業(yè)鏈上的各類機(jī)構(gòu)提供算法模型開發(fā)訓(xùn)練所需的專業(yè)數(shù)據(jù)集。公司所提供的訓(xùn)練數(shù)據(jù)覆蓋智能語音（語音識(shí)別、語音合成等）、計(jì)算機(jī)視覺、自然語言等多個(gè)核心領(lǐng)域，全面服務(wù)于人機(jī)交互、智能駕駛、智能家居、智慧城市等多種創(chuàng)新應(yīng)用場景。2023年上半年公司收入為0.74億元。

九、發(fā)展趨勢

置信度分?jǐn)?shù)最高的片段用于對(duì)標(biāo)簽的初始化，呈現(xiàn)給標(biāo)注者。標(biāo)注者可以從機(jī)器生成的多個(gè)候選標(biāo)簽中為當(dāng)前片段選擇合適的標(biāo)簽，或者對(duì)機(jī)器未覆蓋到的對(duì)象添加分割段。AI輔助標(biāo)注技術(shù)的應(yīng)用，能夠極大地降低人力成本并使標(biāo)注速度大幅提升。目前，已經(jīng)有一些數(shù)據(jù)標(biāo)注公司開發(fā)了相應(yīng)的半自動(dòng)化工具，但是從標(biāo)注比例來看，機(jī)器標(biāo)注占30%左右，而人工標(biāo)注占比達(dá)到70%左右。因此，數(shù)據(jù)標(biāo)注工具的發(fā)展趨勢是開發(fā)以人工標(biāo)注為主機(jī)器標(biāo)注為輔的半自動(dòng)化標(biāo)注工具，同時(shí)減少人工標(biāo)注的比例，并逐步提高機(jī)器標(biāo)注的占比。