AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場分析

AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場分析1.AI基礎(chǔ)數(shù)據(jù)服務(wù)脫胎于專業(yè)數(shù)據(jù)標(biāo)注需求，2025年國內(nèi)百億規(guī)?？善?.1產(chǎn)業(yè)圖譜：AI基礎(chǔ)數(shù)據(jù)服務(wù)脫胎于專業(yè)數(shù)據(jù)采標(biāo)分工需求國內(nèi)AI基礎(chǔ)數(shù)據(jù)服務(wù)產(chǎn)業(yè)主要包括上游數(shù)據(jù)產(chǎn)生及產(chǎn)能資源、中游訓(xùn)練數(shù)據(jù)生產(chǎn)、下游AI算法研發(fā)三大產(chǎn)業(yè)環(huán)節(jié)。其中，部分產(chǎn)業(yè)環(huán)節(jié)重合度較高，AI基礎(chǔ)數(shù)據(jù)服務(wù)商主要脫胎于專業(yè)數(shù)據(jù)采標(biāo)分工需求。上游主要包括數(shù)據(jù)生產(chǎn)者和數(shù)據(jù)生產(chǎn)組織者，主要提供原料數(shù)據(jù)的采集服務(wù)。中游主要由基礎(chǔ)數(shù)據(jù)服務(wù)商構(gòu)成，通過數(shù)據(jù)處理能力和項(xiàng)目管理能力完成訓(xùn)練數(shù)據(jù)集結(jié)構(gòu)設(shè)計(jì)、數(shù)據(jù)加工和質(zhì)量檢測(cè)等工作，為下游客戶提供訓(xùn)練數(shù)據(jù)產(chǎn)品和相關(guān)服務(wù)。AI基礎(chǔ)數(shù)據(jù)服務(wù)整體可分為兩大類，一種是具備自有的標(biāo)注基地或全職標(biāo)注團(tuán)隊(duì)，這類企業(yè)也參與產(chǎn)業(yè)上游部分直接提供產(chǎn)能資源，另一種是依靠眾包或外包模式，專注于數(shù)據(jù)產(chǎn)品的開發(fā)與項(xiàng)目執(zhí)行。下游包括科技公司、行業(yè)企業(yè)、AI公司和科研單位等，主要負(fù)責(zé)算法研發(fā)。部分下游AI公司擁有自主的標(biāo)注工具，也可通過AI中臺(tái)獲取一些通用標(biāo)注工具，少數(shù)數(shù)據(jù)需求大的企業(yè)還孵化了自主的數(shù)據(jù)服務(wù)團(tuán)隊(duì)。1.2發(fā)展歷程：站在人工標(biāo)注市場出清與機(jī)器標(biāo)注迭代的十字路口理論層面：數(shù)據(jù)工程系A(chǔ)I工程基礎(chǔ)環(huán)節(jié)，核心在于高效的數(shù)據(jù)標(biāo)注。AI工程=數(shù)據(jù)工程+模型工程。其中，數(shù)據(jù)工程主要包括數(shù)據(jù)采集與數(shù)據(jù)標(biāo)注，約占AI工程時(shí)長的80%；模型工程主要包括模型訓(xùn)練與模型部署，約占AI工程時(shí)長的20%。數(shù)據(jù)工程是AI工程的前置且基礎(chǔ)環(huán)節(jié)，直接影響到模型的質(zhì)量與精度。數(shù)據(jù)工程的核心在于高效的數(shù)據(jù)標(biāo)注，Garbageingarbageout效應(yīng)顯著。實(shí)踐層面：AI模型訓(xùn)練數(shù)據(jù)需求規(guī)模大，訓(xùn)練數(shù)據(jù)質(zhì)量不佳、效率低下情況普遍。據(jù)DimensionalResearch全球調(diào)研報(bào)告，72%的受訪者認(rèn)為至少使用超過10萬條訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，才能保證模型有效性和可靠性，96%的受訪者在訓(xùn)練模型的過程中遇到訓(xùn)練數(shù)據(jù)質(zhì)量不佳、數(shù)量不足、數(shù)據(jù)標(biāo)注人員不足等難題。為應(yīng)對(duì)訓(xùn)練數(shù)據(jù)所帶來的多方面挑戰(zhàn)，AI企業(yè)開始從第三方購買原料數(shù)據(jù)收集、訓(xùn)練數(shù)據(jù)生產(chǎn)和數(shù)據(jù)專家咨詢等服務(wù)。AI數(shù)據(jù)工程發(fā)軔于AI產(chǎn)業(yè)落地元年，系A(chǔ)I下游應(yīng)用的基礎(chǔ)且必備環(huán)節(jié)。目前行業(yè)處于市場格局漸趨清晰，新老技術(shù)面臨迭代，下游需求加速釋放的關(guān)鍵節(jié)點(diǎn)。產(chǎn)業(yè)初生期（2010~2016）：2010年語音識(shí)別和計(jì)算機(jī)視覺領(lǐng)域產(chǎn)生重大突破，國內(nèi)開始萌生AI概念。后續(xù)數(shù)年，早期的AI基礎(chǔ)數(shù)據(jù)服務(wù)門檻較低，質(zhì)量參差不齊。產(chǎn)生成長期（2016~2022）：近五年來，供給側(cè)高烈度的業(yè)內(nèi)競爭加速市場出清，需求側(cè)對(duì)產(chǎn)業(yè)落地以及垂直場景的定制化數(shù)據(jù)采標(biāo)需求逐漸凸顯。最終引致行業(yè)頭部企業(yè)浮出水面，行業(yè)格局逐漸清晰。產(chǎn)業(yè)成熟期（2022~至今）：2022年以來，AIGC產(chǎn)品集中爆發(fā)，高level自動(dòng)駕駛需求加速釋放。傳統(tǒng)人工標(biāo)注的效率已不能完全滿足算法需求，行業(yè)護(hù)城河轉(zhuǎn)向自動(dòng)化機(jī)器標(biāo)注技術(shù)，預(yù)計(jì)產(chǎn)業(yè)將進(jìn)入向技術(shù)要市場的新階段。1.3市場規(guī)模：AI快速落地疊加數(shù)據(jù)量指數(shù)級(jí)躍升，2025年國內(nèi)百億規(guī)?？善趪鴥?nèi)AI市場規(guī)模超百億美金，約占全球市場10%份額。目前，AI已在金融、醫(yī)療、交通、安防等多個(gè)垂直場景深度落地，且應(yīng)用場景拓展勢(shì)能強(qiáng)勁，商業(yè)化進(jìn)程加速。從全球市場看，據(jù)IDC，2021年全球AI產(chǎn)業(yè)規(guī)模達(dá)885.7億美元，預(yù)計(jì)2025年將達(dá)到2,218.7億美元，CAGR高達(dá)25.8%。從國內(nèi)市場看，據(jù)IDC，2022年我國AI產(chǎn)業(yè)規(guī)?；蜻_(dá)116億美元，預(yù)計(jì)未來數(shù)年仍保持兩位數(shù)增長。以2021年計(jì)，國內(nèi)AI市場規(guī)模約占全球10%，國內(nèi)市場成長潛力巨大，國內(nèi)企業(yè)出?？臻g廣闊。全球數(shù)據(jù)量呈指數(shù)式增長，中國數(shù)據(jù)量增速跑贏全球。據(jù)IDC，全球每年生產(chǎn)的數(shù)據(jù)量將從2018年的33ZB猛增至2025年的175ZB，其中結(jié)構(gòu)化數(shù)據(jù)僅占到全部數(shù)據(jù)量的20%，其余80%都是以文件形式存在的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，日志文件、機(jī)器數(shù)據(jù)等占非結(jié)構(gòu)化數(shù)據(jù)的90%，產(chǎn)生了源源不斷的數(shù)據(jù)清洗與標(biāo)注需求。相比之下，中國的數(shù)據(jù)量增速領(lǐng)跑全球，平均每年增速比全球快3%。2018年，中國的數(shù)據(jù)量為7.6ZB，占全球總量的23.4%，預(yù)計(jì)到2025年將增至48.6ZB，占全球總量的27.8%，CAGR高達(dá)30.4%。中國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場規(guī)模2025年有望突破百億。一方面，隨著算法模型、技術(shù)理論和應(yīng)用場景的優(yōu)化和創(chuàng)新，AI產(chǎn)業(yè)對(duì)訓(xùn)練數(shù)據(jù)的拓展性需求和前瞻性需求均快速增長；另一方面，隨著業(yè)內(nèi)對(duì)訓(xùn)練數(shù)據(jù)需求類型的增加以及對(duì)服務(wù)標(biāo)準(zhǔn)要求的提高，產(chǎn)業(yè)鏈的專業(yè)化分工將愈加清晰，專業(yè)化的訓(xùn)練數(shù)據(jù)服務(wù)提供商將扮演更加重要的角色。據(jù)研究，2019年中國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場規(guī)模達(dá)30.9億元，其中圖像類、語音類、NLP類數(shù)據(jù)需求規(guī)模占比分別為49.7%、39.1%和11.2%。預(yù)計(jì)2025年國內(nèi)AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場規(guī)模將突破100億元，年復(fù)合增長率高達(dá)21.8%。1.4政策支持：近五年國家政策加持國內(nèi)AI產(chǎn)業(yè)發(fā)展近五年國家系列政策推動(dòng)國內(nèi)AI產(chǎn)業(yè)蓬勃發(fā)展?！丁笆奈濉币?guī)劃》指出要加快數(shù)字化發(fā)展，建設(shè)數(shù)字中國，同時(shí)打造數(shù)字經(jīng)濟(jì)新優(yōu)勢(shì)，充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場景優(yōu)勢(shì)，促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升，催生新產(chǎn)業(yè)新業(yè)態(tài)新模式，壯大經(jīng)濟(jì)發(fā)展新引擎。在國家頂層設(shè)計(jì)的支持下，我國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)穩(wěn)步發(fā)展，行業(yè)訓(xùn)練資源庫等細(xì)分應(yīng)用領(lǐng)域的產(chǎn)業(yè)價(jià)值逐步凸顯。2.AI大模型催生高要求新需求，專業(yè)化數(shù)據(jù)集及AI訓(xùn)練師需求利好優(yōu)質(zhì)專業(yè)數(shù)據(jù)提供廠商2.1場景特質(zhì)：AI大模型時(shí)代無監(jiān)督/半監(jiān)督訓(xùn)練成為主流，RLHF催生新興需求大模型時(shí)代無監(jiān)督/半監(jiān)督訓(xùn)練成為主流。AI模型的訓(xùn)練方法主要包括監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩種典型方式，后隨模型訓(xùn)練數(shù)據(jù)量的增加衍生出半監(jiān)督學(xué)習(xí)方法。AI訓(xùn)練方法的發(fā)展歷經(jīng)“監(jiān)督-無監(jiān)督-監(jiān)督-無監(jiān)督/半監(jiān)督”4個(gè)階段，在目前的大模型階段，無監(jiān)督/半監(jiān)督訓(xùn)練再次成為主流。監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的主要區(qū)別在于是否使用帶有人工標(biāo)注的數(shù)據(jù)集訓(xùn)練數(shù)據(jù)，半監(jiān)督學(xué)習(xí)則是使用大量未標(biāo)注數(shù)據(jù)+少量標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練。大模型時(shí)代“基礎(chǔ)模型+微調(diào)”成為AI開發(fā)新范式，RLHF微調(diào)技術(shù)催生更高要求的數(shù)據(jù)標(biāo)注需求。AI大模型由海量數(shù)據(jù)通過無監(jiān)督學(xué)習(xí)訓(xùn)練得到，本身并不能直接應(yīng)用于具體任務(wù)，必須經(jīng)過微調(diào)才可投入應(yīng)用。微調(diào)是指基于大規(guī)?；A(chǔ)模型，在現(xiàn)有訓(xùn)練得到的模型參數(shù)之上，針對(duì)特定任務(wù)類型、應(yīng)用特定場景的數(shù)據(jù)對(duì)模型進(jìn)行二次訓(xùn)練。通俗來說，大規(guī)?；A(chǔ)模型為AI提供了基礎(chǔ)知識(shí)，而微調(diào)則是讓AI獲特定領(lǐng)域知識(shí)，并賦予其組織、應(yīng)用知識(shí)的能力。以近日備受關(guān)注的ChatGPT為例，在其微調(diào)技術(shù)RLHF（強(qiáng)人工反饋）系統(tǒng)當(dāng)中：第一步，預(yù)訓(xùn)練階段。模型首先需要在標(biāo)注完備的大數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練，得到監(jiān)督學(xué)習(xí)模型。第二步，交互獎(jiǎng)勵(lì)階段。模型與專業(yè)的人工智能訓(xùn)練師進(jìn)行交互，專業(yè)標(biāo)注人員會(huì)對(duì)ChatGPT生成的回答進(jìn)行標(biāo)注、評(píng)估和反饋，給出一個(gè)針對(duì)回答的分?jǐn)?shù)或者標(biāo)簽。這些標(biāo)注數(shù)據(jù)可以作為強(qiáng)化學(xué)習(xí)過程中的“獎(jiǎng)勵(lì)函數(shù)”來指導(dǎo)ChatGPT的參數(shù)調(diào)整，得到獎(jiǎng)勵(lì)模型。第三步，迭代優(yōu)化階段?；讵?jiǎng)勵(lì)模型的獎(jiǎng)勵(lì)函數(shù)以PPO（一種使用兩個(gè)神經(jīng)網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)算法）的方式微調(diào)監(jiān)督學(xué)習(xí)訓(xùn)練出來的生成模型，基于強(qiáng)化學(xué)習(xí)loss持續(xù)迭代生成模型，最終幫助模型進(jìn)行強(qiáng)化學(xué)習(xí)和不斷優(yōu)化。2.2場景需求：預(yù)訓(xùn)練階段高質(zhì)量專業(yè)數(shù)據(jù)集+交互獎(jiǎng)勵(lì)階段人工智能訓(xùn)練師伴隨業(yè)界大模型市場競爭的白熱化，RLHF系統(tǒng)也將得到進(jìn)一步的推廣及迭代使用，從而帶來兩大類新興數(shù)據(jù)標(biāo)注需求。一是預(yù)訓(xùn)練階段催生AI廠商對(duì)于標(biāo)注完善、清洗完備的各類專業(yè)化場景數(shù)據(jù)集的需求；二是交互獎(jiǎng)勵(lì)階段催生AI廠商對(duì)于具備專業(yè)的事實(shí)判斷與規(guī)范的價(jià)值判斷的人工智能訓(xùn)練師的需求。目前，上述兩類新興需求尚未得到充分有效的市場供給，利好海天瑞聲這類優(yōu)質(zhì)專業(yè)數(shù)據(jù)解決方案提供商。針對(duì)RLHF預(yù)訓(xùn)練階段需求，由于傳統(tǒng)數(shù)據(jù)采標(biāo)廠商的主流商業(yè)模式以銷售工具系統(tǒng)和標(biāo)注服務(wù)為主，所以普遍缺少自有數(shù)據(jù)，較少經(jīng)營出售精準(zhǔn)數(shù)據(jù)集的服務(wù)。針對(duì)RLHF交互獎(jiǎng)勵(lì)階段需求，聚焦專業(yè)垂類的模型訓(xùn)練師則更為稀缺，市場藍(lán)海亟待業(yè)務(wù)開拓。2.3場景價(jià)值：超大規(guī)模預(yù)訓(xùn)練模型推動(dòng)訓(xùn)練數(shù)據(jù)數(shù)級(jí)躍升，市場需求持續(xù)延展超大規(guī)模預(yù)訓(xùn)練模型推動(dòng)訓(xùn)練數(shù)據(jù)指數(shù)級(jí)躍升。自O(shè)penAI于2020年推出GPT-3以來，谷歌、華為、智源研究院、中科院、阿里巴巴等企業(yè)和研究機(jī)構(gòu)相繼推出超大規(guī)模預(yù)訓(xùn)練模型，包括SwitchTransformer、DALL·EMT-NLG、盤古、悟道2.0、紫東太初和M6等。目前，預(yù)訓(xùn)練模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)規(guī)模按照300倍/年的趨勢(shì)增長，繼續(xù)通過增大模型和增加訓(xùn)練數(shù)據(jù)仍是短期內(nèi)主流演進(jìn)方向，RLHF技術(shù)的推廣使用或?qū)⑼苿?dòng)訓(xùn)練數(shù)據(jù)市場需求持續(xù)延展。3.自動(dòng)駕駛領(lǐng)域訓(xùn)練數(shù)據(jù)需求方興未艾，海天瑞聲發(fā)力布局3.1場景特質(zhì)：自動(dòng)駕駛客戶需求全棧式閉環(huán)數(shù)據(jù)解決方案自動(dòng)駕駛場景對(duì)于AI數(shù)據(jù)服務(wù)需求較為剛性。自動(dòng)駕駛基礎(chǔ)數(shù)據(jù)主要是道路交通圖像、障礙物圖像、車輛行駛環(huán)境圖像等，需求方以科技公司、汽車廠商和高精地圖廠商為主。L3級(jí)別以上的自動(dòng)駕駛系統(tǒng)需對(duì)雷達(dá)、攝像頭等傳感器采集的點(diǎn)云和圖像數(shù)據(jù)進(jìn)行抽取、處理和融合，構(gòu)建車輛行駛環(huán)境，為預(yù)測(cè)和決策做依據(jù)。目前自動(dòng)駕駛的視覺技術(shù)主要應(yīng)用有監(jiān)督的深度學(xué)習(xí)，是基于已知變量和因變量推導(dǎo)函數(shù)關(guān)系的算法模型，需要大量的標(biāo)注數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和調(diào)優(yōu)。近幾年，汽車廠商在ADAS和自動(dòng)駕駛方向的投入明顯，對(duì)于數(shù)據(jù)的采集和標(biāo)注需求也逐年增加，汽車廠商有望成為需求主力。自動(dòng)駕駛領(lǐng)域?qū)τ诨A(chǔ)數(shù)據(jù)服務(wù)商提出更高要求，業(yè)內(nèi)客戶需要全棧式閉環(huán)數(shù)據(jù)解決方案。數(shù)據(jù)獲取和處理能力是自動(dòng)駕駛企業(yè)的核心競爭要素之一，自動(dòng)駕駛能力取決于高效的數(shù)據(jù)閉環(huán)和數(shù)據(jù)的利用效率，并能利用大量有效數(shù)據(jù)訓(xùn)練智能駕駛算法。因此，自動(dòng)駕駛客戶要求數(shù)據(jù)服務(wù)商能夠提供閉環(huán)數(shù)據(jù)解決方案，以滿足智能駕駛業(yè)務(wù)數(shù)據(jù)處理量大、數(shù)據(jù)處理需求迭代頻次高等特點(diǎn)，專業(yè)知識(shí)、服務(wù)經(jīng)驗(yàn)及準(zhǔn)入資質(zhì)將成為衡量的重要標(biāo)準(zhǔn)。3.2場景需求：自動(dòng)駕駛領(lǐng)域數(shù)據(jù)標(biāo)注分為2D圖像標(biāo)注與3D點(diǎn)云標(biāo)注自動(dòng)駕駛領(lǐng)域的數(shù)據(jù)可分為車載攝像頭采集的2D圖像數(shù)據(jù)和激光雷達(dá)采集的3D點(diǎn)云數(shù)據(jù)。一般而言，低level的自動(dòng)駕駛技術(shù)以2D圖像數(shù)據(jù)為主，3D點(diǎn)云標(biāo)注數(shù)據(jù)是中高level自動(dòng)駕駛技術(shù)的基礎(chǔ)訓(xùn)練數(shù)據(jù)，在自動(dòng)駕駛領(lǐng)域中發(fā)揮著愈發(fā)重要的作用。3D點(diǎn)云標(biāo)注數(shù)據(jù)在自動(dòng)駕駛領(lǐng)域的應(yīng)用可以分為兩個(gè)方面，一是基于場景理解和目標(biāo)檢測(cè)的實(shí)時(shí)環(huán)境感和處理，二是SLAM（即時(shí)定位與地圖構(gòu)建）加強(qiáng)定位。2D標(biāo)注：通過精確理解來自可見光攝像頭的信息，尋找能夠創(chuàng)建用于目標(biāo)物體的可擴(kuò)展邊界框。3D點(diǎn)云標(biāo)注：通過識(shí)別和跟蹤場景中的對(duì)象，了解汽車前方和周圍的場景。將點(diǎn)云數(shù)據(jù)和視頻流合并到要標(biāo)注的場景中。視頻對(duì)象和事件跟蹤3D點(diǎn)云標(biāo)注：鎖定隨時(shí)間移動(dòng)的對(duì)象，并標(biāo)注時(shí)間事件。在多幀視頻和LiDar場景中跟蹤進(jìn)入和離開本體中的關(guān)注區(qū)域的對(duì)象（如其他汽車和行人）。在整個(gè)視頻中，無論對(duì)象進(jìn)入和離開視線的頻率如何，都會(huì)保持對(duì)其特性的一致理解。3.3場景價(jià)值：自動(dòng)駕駛訓(xùn)練數(shù)據(jù)市場方興未艾，2025年國內(nèi)市場規(guī)?；蜻_(dá)25億元自動(dòng)駕駛約占我國AI基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模的35%，2025年市場規(guī)?；蜻_(dá)25億元。自動(dòng)駕駛的視覺技術(shù)主要應(yīng)用于有監(jiān)督的深度學(xué)習(xí)，需要大量的標(biāo)注數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和調(diào)優(yōu)。目前該領(lǐng)域的數(shù)據(jù)采集和標(biāo)注需求已成為AI基礎(chǔ)數(shù)據(jù)服務(wù)的主要下游之一。據(jù)IDC，2020年我國自動(dòng)駕駛領(lǐng)域占AI基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模的35%，系第一大下游場景。另據(jù)研究，2025年我國自動(dòng)駕駛AI基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)?；蜻_(dá)24.9億元，預(yù)計(jì)18~25年CAGR高達(dá)23.2%，跑贏AI基礎(chǔ)數(shù)據(jù)服務(wù)整體增速21.8%。4.國內(nèi)市場集中度趨勢(shì)性收斂，海天瑞聲具備領(lǐng)先優(yōu)勢(shì)4.1發(fā)展趨勢(shì)：品牌商價(jià)值效應(yīng)凸顯，國內(nèi)市場集中度持續(xù)收斂品牌數(shù)據(jù)服務(wù)商未來將替代中小型供應(yīng)商成為市場主要供應(yīng)力量。我國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)主要市場主體包括需求方自建基礎(chǔ)數(shù)據(jù)團(tuán)隊(duì)與基礎(chǔ)數(shù)據(jù)服務(wù)商（品牌數(shù)據(jù)服務(wù)商、中小數(shù)據(jù)服務(wù)商）。截至2019年，中小數(shù)據(jù)供應(yīng)商是主要供應(yīng)力量，占比高達(dá)47%。其中百度眾包、海天瑞聲分居top2，占比分別為11.0%、8.0%，2019年行業(yè)CR5僅為26.2%。結(jié)合本文1.2部分分析可知，近年間需求端垂直場景及專業(yè)化需求凸顯，業(yè)務(wù)門檻提高；供給端競爭加劇擠壓中低端業(yè)務(wù)利潤空間，加速市場出清。預(yù)計(jì)當(dāng)前我國AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場主要以品牌數(shù)據(jù)供應(yīng)商與需求方自建團(tuán)隊(duì)為主，行業(yè)龍頭逐漸浮出水面，中小供應(yīng)商份額顯著下降。業(yè)內(nèi)品牌數(shù)據(jù)商包括海外巨頭Appen、國內(nèi)領(lǐng)軍廠商海天瑞聲、慧聽數(shù)據(jù)、標(biāo)貝科技等：Appen：1996年成立于澳大利亞，面向機(jī)器學(xué)習(xí)和人工智能開發(fā)的高質(zhì)量人工標(biāo)注數(shù)據(jù)集，于2015年1月于澳大利亞證券交易所上市。Appen在采集并豐富語音、文字、圖像和視頻等各種數(shù)據(jù)類型上積累多年經(jīng)驗(yàn)，與全球技術(shù)、汽車和電子商務(wù)公司，以及政府部門建立了合作。海天瑞聲：成立于2005年，是國內(nèi)領(lǐng)先的訓(xùn)練數(shù)據(jù)提供商。主要從事訓(xùn)練數(shù)據(jù)的研發(fā)設(shè)計(jì)、生產(chǎn)及銷售業(yè)務(wù)。目前已成為同時(shí)具備核心技術(shù)、產(chǎn)品資源、優(yōu)質(zhì)客戶為一體的本土訓(xùn)練數(shù)據(jù)提供企業(yè)。核心收入來源為數(shù)據(jù)資源定制服務(wù)。慧聽科技：成立于2011年，業(yè)務(wù)包括語音識(shí)別、語音合成、語音評(píng)測(cè)、語言文本類、多媒體類等多領(lǐng)域數(shù)據(jù)制作，以及語音合成、語音識(shí)別、輸入法系統(tǒng)的研發(fā)等。公司提供服務(wù)涵蓋語音訓(xùn)練數(shù)據(jù)制作、音樂數(shù)據(jù)制作標(biāo)注、語音質(zhì)量評(píng)測(cè)等，經(jīng)營模式包括定制開發(fā)和自有訓(xùn)練數(shù)據(jù)產(chǎn)品銷售。標(biāo)貝科技：成立于2016年，主要提供智能語音交互相關(guān)服務(wù)，包括語音合成整體解決方案，以及語音合成、語音識(shí)別、圖像識(shí)別等數(shù)據(jù)服務(wù)，經(jīng)營模式包括定制開發(fā)和自有訓(xùn)練數(shù)據(jù)產(chǎn)品銷售。4.2競爭格局：業(yè)內(nèi)主要玩家發(fā)展各有側(cè)重，Appen及海天瑞聲具備領(lǐng)先優(yōu)勢(shì)據(jù)IDC，2021年海天瑞聲在國內(nèi)AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市占率高達(dá)12.9%，位居第一。其技術(shù)實(shí)力、語種/方言覆蓋能力、專利及軟著數(shù)量、成品訓(xùn)練集數(shù)量均位居行業(yè)前列。相比之下，Appen在覆蓋區(qū)域、語種/方言覆蓋能力等方面更具優(yōu)勢(shì)?；勐牽萍寂c標(biāo)貝科技則在音樂領(lǐng)域具備差異化業(yè)務(wù)覆蓋能力。在語音類數(shù)據(jù)產(chǎn)品中，海天瑞聲在結(jié)構(gòu)方面的差異主要體現(xiàn)在覆蓋的噪聲類型、錄音通道數(shù)量、錄音文本內(nèi)容類型等方面。相比之下，海天瑞聲的訓(xùn)練數(shù)據(jù)產(chǎn)品結(jié)構(gòu)整體而言可覆蓋更豐富的錄音文本內(nèi)容類型、噪音環(huán)境類型、錄音通道數(shù)量，Appen則在稀有語言覆蓋數(shù)量上更勝一籌。在自然語言訓(xùn)練數(shù)據(jù)產(chǎn)品中，不同自然語言訓(xùn)練數(shù)據(jù)產(chǎn)品的結(jié)構(gòu)差異主要體現(xiàn)在文本來源、內(nèi)容、標(biāo)注屬性等方面。Appen具備更為豐富的產(chǎn)品數(shù)量與更為全面的語言覆蓋能力，海天瑞聲在上述指標(biāo)上緊隨其后。在計(jì)算機(jī)視覺訓(xùn)練數(shù)據(jù)產(chǎn)品中，海天瑞聲在結(jié)構(gòu)方面的差異主要體現(xiàn)在人像識(shí)別檢測(cè)相關(guān)數(shù)據(jù)產(chǎn)品領(lǐng)域。主要玩家均可覆蓋不同類型的人臉、姿勢(shì)、場景等，因計(jì)算機(jī)視覺數(shù)據(jù)產(chǎn)品個(gè)性化特征較強(qiáng)，各類訓(xùn)練數(shù)據(jù)產(chǎn)品在具體的人臉類型、姿勢(shì)范圍、場景等方面具備一定差異。與Appen相比，海天瑞聲的OCR訓(xùn)練數(shù)據(jù)