本文來自微信公眾號“數(shù)據(jù)猿”，【作者】摘星狐貍。
截至2024年，中國人工智能行業(yè)呈現(xiàn)出快速發(fā)展的趨勢，市場規(guī)模預(yù)計將突破6000億元。AI應(yīng)用已經(jīng)廣泛滲透到多個領(lǐng)域，包括互聯(lián)網(wǎng)、金融、政府、電信和制造業(yè)，其中金融、電信和制造行業(yè)的AI應(yīng)用增長尤為顯著。人工智能將繼續(xù)助力傳統(tǒng)產(chǎn)業(yè)降低運營及人力成本并提高效能，從而實現(xiàn)整個行業(yè)的智能化升級。中國的人工智能行業(yè)預(yù)計在2029年后將突破萬億大關(guān)。
市場規(guī)模的飛躍并非一蹴而就，它的背后是兩項核心技術(shù)的不斷迭代與進(jìn)步。正是這些技術(shù)的交替發(fā)展，推動了人工智能行業(yè)的迅猛增長。今天，就讓我們深入探討那些在人工智能繁榮背后默默奉獻(xiàn)的幕后英雄們。
資料來源：IDC前瞻產(chǎn)業(yè)研究院
人工智能發(fā)展的基石——數(shù)據(jù)標(biāo)注與數(shù)據(jù)生成
數(shù)據(jù)標(biāo)注和數(shù)據(jù)生成是人工智能行業(yè)的關(guān)鍵環(huán)節(jié)：數(shù)據(jù)標(biāo)注為模型提供精準(zhǔn)的監(jiān)督信號，而數(shù)據(jù)生成則通過補充和增強數(shù)據(jù)集，提升模型在多樣化場景中的泛化能力，共同確保AI系統(tǒng)的準(zhǔn)確性和穩(wěn)定性。
數(shù)據(jù)標(biāo)注是為原始數(shù)據(jù)（如圖像、文本、音頻等）添加標(biāo)簽或標(biāo)識，使其具備可供機器學(xué)習(xí)模型理解和訓(xùn)練的結(jié)構(gòu)化信息，從而提高模型的準(zhǔn)確性和表現(xiàn)；數(shù)據(jù)生成則是通過模擬、增強或合成的方式創(chuàng)造新的數(shù)據(jù)，用于補充訓(xùn)練數(shù)據(jù)集、提升模型的多樣性和泛化能力。
可以說這兩項技術(shù)是不僅是整個人工智能行業(yè)發(fā)展的基石，更是推動AI技術(shù)不斷突破和落地的重要引擎。
曾經(jīng)在業(yè)界引起軒然大波的Sora就有通過重新標(biāo)注技術(shù)（re-captioning），使用GPT模型將用戶的簡短提示擴展為詳細(xì)的描述。這些描述被用作訓(xùn)練數(shù)據(jù)，使其生成的視頻內(nèi)容更符合用戶的意圖。
這種數(shù)據(jù)標(biāo)注與生成的結(jié)合，不僅提升了模型的訓(xùn)練效率，還確保了生成內(nèi)容與用戶需求的精準(zhǔn)匹配，是Sora在文本到視頻生成領(lǐng)域取得高質(zhì)量成果的關(guān)鍵因素。
截止發(fā)稿，值得關(guān)注的數(shù)據(jù)標(biāo)注企業(yè)top3中云測數(shù)據(jù)尚未上市（資料來源：中商情報網(wǎng)）
下文將挑選其中幾家企業(yè)，介紹數(shù)據(jù)標(biāo)注在技術(shù)創(chuàng)新、市場應(yīng)用以及特定領(lǐng)域的深耕方面展現(xiàn)出不同的特色，為人工智能的發(fā)展提供了怎樣的關(guān)鍵支持。
從TOP3數(shù)據(jù)標(biāo)注企業(yè)看數(shù)據(jù)標(biāo)注市場的現(xiàn)狀
百度智能云的標(biāo)注服務(wù)依托其強大的AI技術(shù)和云計算能力，涵蓋語音識別（ASR）、自然語言處理、計算機視覺和視頻分析等領(lǐng)域，為自動駕駛、智能客服、智慧醫(yī)療和金融科技等場景提供高質(zhì)量的數(shù)據(jù)支持。憑借百度自研的大模型和AI能力，其標(biāo)注服務(wù)能夠深度集成智能化工具，實現(xiàn)高效的數(shù)據(jù)處理和自動化標(biāo)注。百度智能云的優(yōu)勢在于技術(shù)先進(jìn)、標(biāo)注平臺智能化程度高，并與百度豐富的AI生態(tài)緊密結(jié)合，確保數(shù)據(jù)服務(wù)與前沿技術(shù)同步，且擁有公有和私有兩種交付方式，公有化交付方式適合追求快速交付和低維護(hù)成本的客戶，而私有化交付則側(cè)重數(shù)據(jù)隱私與安全性，適用于對合規(guī)性要求較高的行業(yè)。劣勢則主要體現(xiàn)在服務(wù)對象以百度生態(tài)客戶為主，行業(yè)定制化服務(wù)的靈活性相對有限。
海天瑞聲的標(biāo)注服務(wù)涵蓋語音識別（ASR）、文本轉(zhuǎn)語音（TTS）、計算機視覺、光學(xué)字符識別（OCR）和自然語言處理等技術(shù)，為自動駕駛、智能語音助手、安防系統(tǒng)和智能家居等領(lǐng)域提供多模態(tài)數(shù)據(jù)支持。其客戶包括阿里巴巴、騰訊、微軟、亞馬遜等知名企業(yè)，以及清華大學(xué)和中國科學(xué)院等科研機構(gòu)。海天瑞聲的優(yōu)勢在于技術(shù)覆蓋全面、深度參與大模型研發(fā)，并將智能化標(biāo)注與大模型開發(fā)結(jié)合，提高數(shù)據(jù)標(biāo)注的效率與精準(zhǔn)度。除此之外海天瑞聲積極參與多項國家、行業(yè)和團體標(biāo)準(zhǔn)的制定，作為人工智能數(shù)據(jù)資源及數(shù)據(jù)服務(wù)提供商，在數(shù)據(jù)標(biāo)準(zhǔn)化方面發(fā)揮著重要作用。但其劣勢在于服務(wù)模式較為標(biāo)準(zhǔn)化，定制化靈活性相對不足，并且復(fù)雜項目的交付周期可能較長。
云測數(shù)據(jù)的標(biāo)注服務(wù)涵蓋語音識別（ASR）、文本轉(zhuǎn)語音（TTS）、計算機視覺、光學(xué)字符識別（OCR）和自然語言處理等多項技術(shù)，支持圖像分類、物體檢測、文本分類、情感分析等任務(wù)。其客戶包括科技巨頭、金融機構(gòu)、汽車制造商等行業(yè)企業(yè)，廣泛應(yīng)用于自動駕駛、智能客服、智慧金融等領(lǐng)域。云測數(shù)據(jù)的優(yōu)勢在于擁有齊全多樣類型工具組件能夠幫助靈活部署到不同的標(biāo)注場景中去，且具有降低數(shù)據(jù)采集周期,提高識別對象識別準(zhǔn)確率的優(yōu)勢,可助力企業(yè)人工智能數(shù)據(jù)訓(xùn)練綜合效率提升200%、標(biāo)注精準(zhǔn)度最高可達(dá)99.99%。劣勢則主要體現(xiàn)在國際市場布局較弱，以及在大模型和基礎(chǔ)AI技術(shù)研發(fā)方面的參與度較低。
這三家企業(yè)的差異化優(yōu)勢和不足，共同勾勒出數(shù)據(jù)標(biāo)注服務(wù)在自動化、多模態(tài)發(fā)展、市場規(guī)范化以及國際市場拓展和高端技術(shù)研發(fā)方面的現(xiàn)狀與挑戰(zhàn)。
數(shù)據(jù)生成市場的競爭格局：大廠領(lǐng)跑，小廠深耕細(xì)分領(lǐng)域
數(shù)據(jù)生成領(lǐng)域?qū)Y金和人力的需求非常高，這使得大廠更具優(yōu)勢。在數(shù)據(jù)生成市場中，雖然科技巨頭憑借資源和技術(shù)積累占據(jù)主導(dǎo)地位，但不少小型創(chuàng)新企業(yè)也在垂直細(xì)分市場積極布局，憑借專業(yè)化和靈活性努力搶占市場份額。這種競爭格局使得市場呈現(xiàn)出多元化發(fā)展態(tài)勢。
在中國，目前有多家企業(yè)專注于數(shù)據(jù)生成領(lǐng)域，特別是在生成式人工智能方面的發(fā)展。這些公司利用大模型和生成技術(shù)為各種應(yīng)用場景提供解決方案：
百度的文心一言、騰訊的混元大模型、科大訊飛的星火大模型和華為的盤古大模型均是國內(nèi)在數(shù)據(jù)生成方面的代表性產(chǎn)品。這些公司將生成式AI技術(shù)應(yīng)用于內(nèi)容生成、醫(yī)療、教育、和自動駕駛等多個領(lǐng)域。此外，商湯科技在視覺生成和多模態(tài)數(shù)據(jù)生成領(lǐng)域也有廣泛布局，尤其在智能交通和虛擬場景構(gòu)建中表現(xiàn)突出。
這些專注于數(shù)據(jù)生成的企業(yè)各有不同的技術(shù)優(yōu)勢和業(yè)務(wù)側(cè)重點，具體區(qū)別如下（以下為原創(chuàng)圖表）：
主要區(qū)別
除了這些頭部企業(yè)外，一些創(chuàng)新企業(yè)也在推動數(shù)據(jù)生成領(lǐng)域的進(jìn)展，如出門問問（語音交互為核心技術(shù)）、百川智能（自身定位于AI醫(yī)療領(lǐng)域）和小冰公司（“零樣本”數(shù)字人技術(shù)）等。這些企業(yè)的生成技術(shù)涵蓋文字、圖片、語音和視頻生成，并逐步融入數(shù)字內(nèi)容生產(chǎn)和人機協(xié)作場景，助力多個行業(yè)的數(shù)字化轉(zhuǎn)型。
這些公司基于各自的優(yōu)勢領(lǐng)域開發(fā)大模型和生成式AI產(chǎn)品，形成了豐富多樣的市場格局。
數(shù)據(jù)標(biāo)注與數(shù)據(jù)生成的共同挑戰(zhàn)與發(fā)展趨勢
資料來源：中商情報網(wǎng)
截至2023年，中國數(shù)據(jù)標(biāo)注市場規(guī)模達(dá)到了約60.8億元，呈現(xiàn)出穩(wěn)定增長的趨勢，同比增長19.69%。預(yù)計到2024年，這一市場規(guī)模將進(jìn)一步擴展至77.3億元，并有望在2026年突破132.1億元。這一增長主要得益于人工智能技術(shù)在自動駕駛、醫(yī)療影像分析、智能客服等領(lǐng)域的廣泛應(yīng)用，為數(shù)據(jù)標(biāo)注市場創(chuàng)造了大量需求。
資料來源：中商情報網(wǎng)
中商產(chǎn)業(yè)研究院發(fā)布的《2024-2029年中國人工智能生成內(nèi)容產(chǎn)業(yè)調(diào)研及發(fā)展趨勢預(yù)測報告》顯示，2023年中國生成式AI市場規(guī)模約為170億元。中商產(chǎn)業(yè)研究院分析師預(yù)測，2024年中國生成式人工智能市場規(guī)模將超過200億元，2030年超過萬億元。隨著生成式AI的廣泛應(yīng)用，中國市場已涌現(xiàn)出大量大模型和生成類算法，廣泛應(yīng)用于電子商務(wù)、傳媒、娛樂、金融等領(lǐng)域。數(shù)字虛擬人和電商視頻營銷尤其成為增長最快的應(yīng)用方向。
數(shù)據(jù)標(biāo)注與數(shù)據(jù)生成市場表面上呈現(xiàn)出一派繁榮的景象，發(fā)展前景似乎充滿希望，但實際上卻隱藏著種種潛在的風(fēng)險和挑戰(zhàn)。
在數(shù)據(jù)生成和標(biāo)注領(lǐng)域，發(fā)展對高算力和資源的需求不斷增加。生成式AI的大模型訓(xùn)練依賴于高性能硬件和大規(guī)模數(shù)據(jù)集，而數(shù)據(jù)標(biāo)注過程也需要大量的人力和自動化工具的支持。同時，隨著數(shù)據(jù)驅(qū)動型產(chǎn)業(yè)的擴展，數(shù)據(jù)安全與隱私保護(hù)成為了企業(yè)關(guān)注的焦點，尤其是在醫(yī)療、金融等敏感行業(yè)，嚴(yán)格的監(jiān)管要求使得數(shù)據(jù)處理的復(fù)雜性大大增加。此外，盡管市場潛力巨大，生成式AI和數(shù)據(jù)標(biāo)注企業(yè)仍在探索適當(dāng)?shù)纳虡I(yè)模式，如API調(diào)用、SaaS訂閱等收費模式尚未成熟，企業(yè)客戶對付費服務(wù)的接受度也需要進(jìn)一步提升。最后，市場競爭與行業(yè)壁壘也是企業(yè)需要面對的挑戰(zhàn)，巨頭企業(yè)憑借資源優(yōu)勢占據(jù)了大部分市場，而中小企業(yè)則在垂直領(lǐng)域?qū)ふ彝黄?，這要求企業(yè)不斷創(chuàng)新并優(yōu)化服務(wù)質(zhì)量以保持市場地位。
既然出現(xiàn)了挑戰(zhàn)必然有解決的方向，而這些方向很大可能會成為未來發(fā)展的的一種趨勢。
隨著AI與自動化工具的結(jié)合，數(shù)據(jù)標(biāo)注和生成技術(shù)正朝著提高效率、減少人工依賴的方向發(fā)展，機器學(xué)習(xí)和深度學(xué)習(xí)算法的應(yīng)用使得自動標(biāo)注和數(shù)據(jù)增強更加精準(zhǔn)。未來，數(shù)據(jù)標(biāo)注與生成將不僅限于單一數(shù)據(jù)類型，而是覆蓋文本、語音、圖像和視頻等多模態(tài)數(shù)據(jù)，并在自動駕駛、醫(yī)療和教育等領(lǐng)域?qū)崿F(xiàn)更深度的融合與應(yīng)用。同時，雖然大模型具備強大的生成能力，但針對特定應(yīng)用場景，垂直領(lǐng)域的小模型更為高效，預(yù)示著未來大模型與小模型的結(jié)合將成為趨勢，通過模型壓縮和融合技術(shù)實現(xiàn)更高的性能和靈活性。此外，隨著法律法規(guī)的完善，數(shù)據(jù)處理過程將更加注重合規(guī)性與透明度，企業(yè)需要建立完善的數(shù)據(jù)治理體系，以確保數(shù)據(jù)的安全性并提升客戶信任，推動市場的規(guī)范化發(fā)展。
總體而言，數(shù)據(jù)標(biāo)注和數(shù)據(jù)生成作為AI產(chǎn)業(yè)的重要組成部分，將在技術(shù)進(jìn)步與市場需求推動下加速發(fā)展。企業(yè)需要抓住自動化、多模態(tài)發(fā)展和市場規(guī)范化的機遇，以應(yīng)對未來的挑戰(zhàn)和競爭環(huán)境。
