毫無疑問，數(shù)據(jù)量的飆升是AI產(chǎn)業(yè)爆發(fā)的原因之一。很快我們可以發(fā)現(xiàn)，將數(shù)據(jù)采集、整理、清洗、標(biāo)注再輸送給AI企業(yè)用作模型訓(xùn)練，已經(jīng)成為了一條運行流暢的產(chǎn)業(yè)鏈。

很長一段時間以來，數(shù)據(jù)服務(wù)都處于一種粗放原始的狀態(tài)之中，甚至出現(xiàn)了一種“數(shù)據(jù)農(nóng)場”的說法：數(shù)據(jù)服務(wù)從業(yè)者們從各種公開數(shù)據(jù)集或移動互聯(lián)網(wǎng)產(chǎn)品中獲取數(shù)據(jù)，以幾乎零門檻的形式聘請大量廉價勞動力進(jìn)行簡單的清洗標(biāo)注工作，例如勾選出一張照片中哪里是天空哪里是大地。最后再將這些粗糙處理過的數(shù)據(jù)一股腦地投入神經(jīng)網(wǎng)絡(luò)的黑箱之中。

但現(xiàn)如今，我們已經(jīng)看到這一現(xiàn)狀正在發(fā)生變化，AI企業(yè)對于數(shù)據(jù)的應(yīng)用需求逐漸開始分化，以往一味粗放的處理模式已經(jīng)不能滿足他們的需求，也因此攪動了AI數(shù)據(jù)服務(wù)市場，潮水從奔騰到平靜，讓泥沙沉淀，清流上涌。云測旗下的AI數(shù)據(jù)服務(wù)品牌“云測數(shù)據(jù)”的出現(xiàn)，就是一個典型案例。

這一次，我們采訪了云測數(shù)據(jù)的總經(jīng)理賈宇航，聽他來談?wù)劊壑械臄?shù)據(jù)服務(wù)中場戰(zhàn)事。

風(fēng)起云涌的數(shù)據(jù)服務(wù)戰(zhàn)場

如果說數(shù)據(jù)是AI的養(yǎng)料，那么養(yǎng)料的營養(yǎng)含量，自然也決定了AI的強壯程度。算法模型的精準(zhǔn)與否、對不同環(huán)境的適應(yīng)性究竟如何等等能力，幾乎都來自于原始數(shù)據(jù)的累積。

最先發(fā)生變化的，是AI產(chǎn)業(yè)。清華大學(xué)發(fā)布的《2018年中國人工智能發(fā)展報告》顯示，去年中國人工智能產(chǎn)業(yè)市場規(guī)模達(dá)到237億元，同比增長67%。據(jù)預(yù)計2019年一年中，中國人工智能行業(yè)的增長率高達(dá)75%。

產(chǎn)業(yè)規(guī)模的爆發(fā)式增長，意味著競爭將進(jìn)一步嚴(yán)峻。面對這種競爭，AI企業(yè)對于數(shù)據(jù)的需求必然發(fā)生變化。

比如，企業(yè)正在渴望更精細(xì)和定制化的數(shù)據(jù)。

現(xiàn)實場景的環(huán)境永遠(yuǎn)比實驗室中的構(gòu)想更加復(fù)雜，想要提供更落地、更具差異化優(yōu)勢的模型，僅僅依靠基于移動互聯(lián)網(wǎng)數(shù)據(jù)，或者基于眾包用戶數(shù)據(jù)采集的數(shù)據(jù)顯然是不足夠的。只有通過定制化數(shù)據(jù)采集不斷打入細(xì)節(jié)、打入人無我有的場景，才能不斷提升技術(shù)價值，在洪流中立足。

又比如，企業(yè)正在渴望獲取更加專業(yè)和垂直的數(shù)據(jù)。

隨著AI技術(shù)深入到各個細(xì)分領(lǐng)域，很多數(shù)據(jù)標(biāo)注工作要交由專業(yè)人士去做。像是對于醫(yī)療影像數(shù)據(jù)的標(biāo)注，又比如在工業(yè)生產(chǎn)線上對于各種材料的認(rèn)識。這些都不再像以往那樣，召集一群普通人就能完成，相反需要的是行業(yè)內(nèi)專業(yè)工作人員進(jìn)行相關(guān)處理。如何滿足這些要求，是數(shù)據(jù)服務(wù)企業(yè)和AI企業(yè)都在思考的問題。

以及企業(yè)日益提高的數(shù)據(jù)安全要求。

除了提出數(shù)據(jù)隱私等常規(guī)數(shù)據(jù)安全要求以外，有些企業(yè)為了突破已有模型的局限，開始配套研制自己的硬件，走向多模態(tài)融合的方式;或是像上文所說的，專門采集一些定制化的專業(yè)數(shù)據(jù)。這時這些數(shù)據(jù)就會成為企業(yè)構(gòu)建自身核心壁壘的發(fā)展方向。如此以來，數(shù)據(jù)安全問題就成了重中之重。

另一方面，對于AI數(shù)據(jù)服務(wù)企業(yè)來說也是如此。

AI數(shù)據(jù)服務(wù)企業(yè)意識到，越來越多的AI企業(yè)對數(shù)據(jù)準(zhǔn)確性、安全性和標(biāo)注效率提出了更多要求，并且AI企業(yè)開始傾向于與大公司合作，對數(shù)據(jù)服務(wù)企業(yè)進(jìn)行盡職調(diào)查、設(shè)立供應(yīng)商列表等等。這一切都意味著，數(shù)據(jù)服務(wù)企業(yè)必須加強技術(shù)能力、促進(jìn)管理正規(guī)化才能應(yīng)對全新的需求。

中場戰(zhàn)事的號角已經(jīng)吹響，這場戰(zhàn)爭決定著AI數(shù)據(jù)服務(wù)企業(yè)的生死存亡，也是它們力爭上游的重要機(jī)會。

云測數(shù)據(jù)的應(yīng)戰(zhàn)邏輯

云測數(shù)據(jù)正是在中場戰(zhàn)事中漸入佳境的數(shù)據(jù)企業(yè)代表。

移動互聯(lián)網(wǎng)時代開始，云測從手機(jī)APP測試作為切入點進(jìn)入企業(yè)服務(wù)領(lǐng)域，為移動互聯(lián)應(yīng)用在現(xiàn)實場景中的使用保駕護(hù)航;人工智能時代，云測旗下AI數(shù)據(jù)服務(wù)品牌-“云測數(shù)據(jù)”，正在幫助各大企業(yè)獲取貼近真實場景的精確數(shù)據(jù)，助力AI在現(xiàn)實場景中的場景化落地。

對于AI企業(yè)來說，自建數(shù)據(jù)處理團(tuán)隊雖能滿足需求，但資金成本和技術(shù)門檻都相對較高。而數(shù)據(jù)行業(yè)中常見的眾包模式，例如亞馬遜眾包平臺“AmazonMechanicalTurk”，它可以在平臺上完成海量的數(shù)據(jù)，但面對定制化場景的數(shù)據(jù)，卻是有心無力。

而云測數(shù)據(jù)，正是瞄準(zhǔn)了定制化數(shù)據(jù)市場，打磨了一套屬于自己的應(yīng)戰(zhàn)邏輯：

第一，通過產(chǎn)業(yè)鏈延伸滿足企業(yè)豐富的業(yè)務(wù)需求。

云測數(shù)據(jù)發(fā)現(xiàn)，當(dāng)AI企業(yè)對于算法落地性要求越來越高時，就更需要貼近真實場景的數(shù)據(jù)來滿足需求。賈宇航提到，對于現(xiàn)階段的安防或者金融所需要的人臉識別安全等級，互聯(lián)網(wǎng)中積累的數(shù)據(jù)和眾包采集的數(shù)據(jù)不足以支撐其需求，多維且精細(xì)化的數(shù)據(jù)，如各種光照條件下各個角度的人臉數(shù)據(jù)，才是其良藥。面對這類情況，就需要數(shù)據(jù)企業(yè)延伸產(chǎn)業(yè)鏈，承擔(dān)起定制化數(shù)據(jù)采集工作。除了安防領(lǐng)域和金融領(lǐng)域，云測數(shù)據(jù)還會涉及諸如輔助駕駛場景中的駕駛員表情、新零售場景中的人物服裝穿搭、智慧生活中的音箱喚醒詞、智能工業(yè)中的質(zhì)檢巡檢等等場景，覆蓋了現(xiàn)階段絕大部分的落地場景。

第二，注重人員培養(yǎng)，提升標(biāo)注精準(zhǔn)程度。

意識到定制化數(shù)據(jù)對于AI企業(yè)的重要性后，云測數(shù)據(jù)開始注重對于從業(yè)人員素質(zhì)的培養(yǎng)和提高，不僅自建數(shù)據(jù)基地，對標(biāo)注員進(jìn)行標(biāo)注技巧的教學(xué)培訓(xùn)，也在各個涉足行業(yè)進(jìn)行專業(yè)知識積累，以確保標(biāo)注人員對所從事標(biāo)注任務(wù)的理解。如涉及交規(guī)和行車經(jīng)驗的自動駕駛數(shù)據(jù)標(biāo)注，云測數(shù)據(jù)就找來了由駕齡豐富的標(biāo)注管理人員進(jìn)行對員工提供定期講解，而其他行業(yè)，也逐漸開始需要“老司機(jī)“的介入，去提升數(shù)據(jù)精度。

第三，死守安全底線。

最后最重要的，還有安全。首先云測數(shù)據(jù)的核心價值觀是讓企業(yè)擁有數(shù)據(jù)，構(gòu)建企業(yè)的核心競爭壁壘，為此數(shù)據(jù)的安全性是一項核心指標(biāo)。為了保證人們的數(shù)據(jù)隱私安全，云測數(shù)據(jù)不僅在硬件和操作系統(tǒng)上采取了加密措施，封死USB接口、采用內(nèi)網(wǎng)瀏覽器端操作標(biāo)注數(shù)據(jù)、保證所有參與工作的員工只能操作數(shù)據(jù)，不能獲取數(shù)據(jù)，且每次標(biāo)注任務(wù)交付數(shù)據(jù)結(jié)果后，都會銷毀數(shù)據(jù)。不僅保護(hù)數(shù)據(jù)隱私，也保證了AI企業(yè)的利益。

中場戰(zhàn)事改變了什么：AI數(shù)據(jù)服務(wù)產(chǎn)業(yè)的下一幕

賈宇航告訴我們，云測數(shù)據(jù)的發(fā)展目標(biāo)，就是在更多細(xì)分領(lǐng)域中，做到領(lǐng)域知識積累更深厚，數(shù)據(jù)更精準(zhǔn)，數(shù)據(jù)更安全。擁有了這三項應(yīng)戰(zhàn)能力，云測數(shù)據(jù)就可以在數(shù)據(jù)服務(wù)賽道中精準(zhǔn)的抓住變革中的機(jī)會。解決AI企業(yè)想要依靠獨有專業(yè)數(shù)據(jù)提升技術(shù)能力，又無力建立數(shù)據(jù)團(tuán)隊的問題。

我們同樣關(guān)心的，是中場戰(zhàn)事之后，數(shù)據(jù)服務(wù)產(chǎn)業(yè)會出現(xiàn)怎樣的走向?

在接受采訪時，賈宇航向我們提到了一個有趣的事實：目前他們服務(wù)的甲方，除了一些科技巨頭以外，還有不少傳統(tǒng)企業(yè)。

這一事實側(cè)面反映出，參與AI的企業(yè)越來越多，類型也越來越豐富。其中會有對技術(shù)一無所知的小型傳統(tǒng)企業(yè)，會有扎根于農(nóng)業(yè)、化工等等某一極其細(xì)分行業(yè)的企業(yè)，同時也會有依賴豐富的數(shù)據(jù)累積對AI技術(shù)精益求精的科技巨頭。他們對于數(shù)據(jù)類型的需求也會越來越細(xì)化、專業(yè)和垂直。在這種趨勢之下，數(shù)據(jù)與算法之間的產(chǎn)業(yè)分工會逐漸走向明晰。或許數(shù)據(jù)企業(yè)需要“把手伸得更長”，才能更好的為他們提供服務(wù)。

相信在中場戰(zhàn)事這一轉(zhuǎn)折點之后，數(shù)據(jù)服務(wù)行業(yè)會從單純的拼勞動力，演變成拼技術(shù)、拼專業(yè)、拼垂直。

對于數(shù)據(jù)服務(wù)產(chǎn)業(yè)來說，這也是一個不斷洗牌的過程。產(chǎn)業(yè)發(fā)展行程過半，真正的競爭才剛剛來臨。數(shù)據(jù)服務(wù)產(chǎn)業(yè)作為AI的“源頭”，在歷經(jīng)優(yōu)勝劣汰之后，也給予AI發(fā)展更強大的動力。