量子位-AIGC行業(yè)：中國AIGC數(shù)據(jù)標注產(chǎn)業(yè)全景報告

中國AIGC數(shù)據(jù)標注產(chǎn)業(yè)全景報告PanoramicReportofGenerativeAIDataLabelingIndustryinChina數(shù)據(jù)標注數(shù)據(jù)標注，正迎來關(guān)鍵時刻。作為AI認識世界的起點，數(shù)據(jù)標注本質(zhì)上是將現(xiàn)實世界信息結(jié)構(gòu)化、數(shù)字化息結(jié)構(gòu)化、數(shù)字化，充分發(fā)揮數(shù)據(jù)信息的價值。?模型時代到來，AIGC眾多垂直場景落地，以及通?智能、具?智能等前沿領(lǐng)域探索，與?質(zhì)量、與?質(zhì)量、專業(yè)化的場景數(shù)據(jù)密不可分，數(shù)據(jù)標注從勞動密集型加速朝著知識密集型轉(zhuǎn)型，?業(yè)壁壘進?步提?。作為底層基礎(chǔ)服務(wù)，數(shù)據(jù)標注貫穿?模型全?命周期（訓練測試、評估驗證和應(yīng)?迭代）。???，牽涉關(guān)鍵Know-how，更多?模型公司/AI企業(yè)選擇?建標注團隊和管線；另???另???，上下游合作關(guān)系將更為緊密和耦合，專業(yè)數(shù)據(jù)服務(wù)提供商更多機會將在垂直領(lǐng)域，幫助企業(yè)完成私有化部署。機遇與挑戰(zhàn)并存。合成數(shù)據(jù)作為新衍?賽道，潛在市場空間巨?。與此同時，數(shù)據(jù)標注標準難以統(tǒng)?、數(shù)據(jù)處理流程尚未規(guī)范，?學歷多領(lǐng)域多專業(yè)成為標注?才的硬指標。0101?模型時代下的數(shù)據(jù)標注04數(shù)據(jù)標注產(chǎn)業(yè)競爭格局/市場規(guī)模0505數(shù)據(jù)標注代表玩家案例集01數(shù)據(jù)清洗數(shù)據(jù)標注模型訓練測試/驗證數(shù)據(jù)質(zhì)檢數(shù)據(jù)清洗數(shù)據(jù)標注模型訓練測試/驗證數(shù)據(jù)質(zhì)檢國內(nèi)數(shù)據(jù)標注?商，?義稱之為基礎(chǔ)數(shù)據(jù)服務(wù)提供商，通?般數(shù)據(jù)處理流程：原始數(shù)據(jù)原始數(shù)據(jù)數(shù)據(jù)標注中的??定律通常在一個AI項目中，數(shù)據(jù)準備工作需要80%時長根據(jù)原始數(shù)據(jù)類型以及訓練任務(wù)劃分：上市公司股價狂飆，創(chuàng)業(yè)公司融資加速?模型數(shù)據(jù)解決?案多處開花，以?站式、定制化服務(wù)為主?模型范式涌?數(shù)據(jù)標注，?動化標注?檻?幅降低證在?本、圖像領(lǐng)域標注具有可?性，并衍?出降低?動化標注?檻。國內(nèi)不少數(shù)據(jù)服務(wù)商進?相智能駕駛新感知范式，BEV+Transformer是機遇也是挑戰(zhàn)作為最具代表性應(yīng)?場景，智能駕駛迎來新感知范式：以BEV+Transformer為代表的四維感知替代掉2D+CNN為代表的?維感知?案，給數(shù)據(jù)服務(wù)?商帶來更多機遇與挑戰(zhàn)，包括不限于標注場景難度?、數(shù)據(jù)量產(chǎn)能?要求?等。?前國內(nèi)部分?商給出了數(shù)據(jù)閉環(huán)?具鏈和1、數(shù)據(jù)標注要求從客觀到主觀，很難建?統(tǒng)?標準?模型的開發(fā)范式?jīng)Q定了?模型數(shù)據(jù)標注對?然語?要求要求很?，包括排2、?學歷多領(lǐng)域?才成剛需，缺?或達百萬3、產(chǎn)業(yè)鏈重構(gòu)，?模型公司/AI企業(yè)涌?4、國內(nèi)百億級市場規(guī)模，合成數(shù)據(jù)增速最?02預(yù)訓練預(yù)訓練?模型時代的到來，正加速推動??智能開發(fā)從以模型為中?朝著以數(shù)據(jù)為中?的?向轉(zhuǎn)變。?質(zhì)量數(shù)據(jù)服務(wù)需求貫穿?模型全?命周期。強化學習強化學習*實際訓練過程中，部分垂直領(lǐng)域大模型需用小企業(yè)端客?需要?期且持續(xù)的數(shù)據(jù)服務(wù)，產(chǎn)業(yè)鏈上下游供應(yīng)數(shù)據(jù)標注從勞動密集朝著知識密集型轉(zhuǎn)變。業(yè)務(wù)變化：合成數(shù)據(jù)成新衍?賽道，潛在市場空間巨?所謂合成數(shù)據(jù)，即是?AI?成數(shù)據(jù)??真實產(chǎn)?，能夠替代真實數(shù)據(jù)來訓練、測試和驗證?模型。?前主要在?動駕駛、機器?、?物醫(yī)藥等領(lǐng)域應(yīng)?。英偉達Meta亞?遜等全球科技巨頭均有相關(guān)布局（投資、收購等）。OpenAICEOSamAltman曾放?：未來所有數(shù)據(jù)都將變成合成數(shù)據(jù)。量?位智庫預(yù)計，合成數(shù)據(jù)將成為未來增速最快賽道，年增?率可達45%。合成數(shù)據(jù)的優(yōu)勢&特點合成數(shù)據(jù)的優(yōu)勢&特點應(yīng)?場景應(yīng)?場景數(shù)據(jù)增強模型驗證可解釋AI?動駕駛?動駕駛機器?…具?智能具?智能…企業(yè)案例企業(yè)案例多提供室內(nèi)場景數(shù)據(jù)服務(wù)的代表?商，能針對不同應(yīng)?場景…………?模型公司/AI企業(yè)?建數(shù)據(jù)處理管線，對外輸出?模型數(shù)據(jù)解決?案，傳統(tǒng)產(chǎn)業(yè)鏈重新洗牌。部分?商還具備云服務(wù)能?，同數(shù)據(jù)服務(wù)打包輸出，更易建?起客?之間的?碑和信任，具備競爭優(yōu)勢。硬件/云服務(wù)?商、??資源?商硬件/云服務(wù)?商、??資源?商……基礎(chǔ)數(shù)據(jù)服務(wù)提供商基礎(chǔ)數(shù)據(jù)服務(wù)提供商數(shù)據(jù)需求?數(shù)據(jù)需求?0303?質(zhì)量場景數(shù)據(jù)?質(zhì)量場景數(shù)據(jù)?看技術(shù)能?n……?看場景資源?業(yè)?業(yè)Know-how*場景專業(yè)?才（領(lǐng)域?qū)＜?、深??等）（領(lǐng)域?qū)＜?、深??等）三看?輪效應(yīng)獲得?碑渠道渠道+業(yè)務(wù)量增?獲客容易AIGCAIGC數(shù)據(jù)處理數(shù)據(jù)處理能?越強技術(shù)+場景標注經(jīng)驗越豐富可擴展性靈活性更強獲客越容易獲得?碑04143數(shù)據(jù)標注?業(yè)傳統(tǒng)依靠渠道、??等形成的低成本競爭優(yōu)勢將被重塑，數(shù)據(jù)需求?將更看重數(shù)據(jù)質(zhì)量、場景多樣性和可擴展性?；谝陨显?，量?位智庫將從數(shù)據(jù)基礎(chǔ)設(shè)施、場景資源兩個??來分析?前的業(yè)內(nèi)玩家分布及現(xiàn)狀。第?象限：有技術(shù)有場景的明星公司該象限存在兩種情況：第?種是模型層公司本?有?模積累，可快速輸出數(shù)據(jù)解決?案，與云服務(wù)打包輸出建?信任；術(shù)驅(qū)動的明星企業(yè)，?部分擁有數(shù)據(jù)閉環(huán)?具鏈，再結(jié)合?年來第?象限：有強技術(shù)?撐的創(chuàng)業(yè)新勢?該象限主要聚焦在近兩年創(chuàng)?的創(chuàng)業(yè)公司，主要以?動第四象限：場景壁壘更為深厚的?業(yè)玩家該象限著更為深厚的?業(yè)數(shù)據(jù)壁壘，可為下游??提供據(jù)標注團隊，以海天瑞聲為例，不僅是LIama2的唯?中國伙伴，還發(fā)布超?規(guī)模中我國數(shù)據(jù)標注?業(yè)企業(yè)競爭格局2知識密集??標注重新洗牌知識密集??標注重新洗牌?機協(xié)同關(guān)系進?步耦合，?機協(xié)同關(guān)系進?步耦合，??更多承擔關(guān)鍵決策??；市場競爭格局趨于產(chǎn)業(yè)鏈重新洗牌，更多企業(yè)參與數(shù)據(jù)標注，供應(yīng)合作關(guān)以訓練任務(wù)、算法簡單圖像標注為主。??標注?法滿?數(shù)據(jù)需求，?動化?量AI數(shù)據(jù)初創(chuàng)公國內(nèi)AI基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模3503503002023E2028E2030E0505++SFTSFT規(guī)則增強學習智能標注?動質(zhì)檢?動分類應(yīng)用產(chǎn)品生態(tài)兼容超高性價比應(yīng)用產(chǎn)品生態(tài)兼容超高性價比合作成功案例與伙伴nn優(yōu)劣對?算?為主成本低有：?復(fù)?性數(shù)據(jù)集+基于任務(wù)的靈活修改仿真數(shù)據(jù)真實數(shù)據(jù)數(shù)字化成本平臺?動化?平達到60%以上，數(shù)據(jù)質(zhì)量達到99.9%。星塵星塵COSMO?模型數(shù)據(jù)?字塔解決?案……數(shù)據(jù)采集數(shù)據(jù)存儲數(shù)據(jù)清洗數(shù)據(jù)清洗數(shù)據(jù)采集數(shù)據(jù)存儲數(shù)據(jù)清洗數(shù)據(jù)清洗3層：企業(yè)私有化部署數(shù)據(jù)2層：專有能?數(shù)據(jù)1層：通?能?數(shù)據(jù)0層：公共數(shù)據(jù)四層數(shù)據(jù)結(jié)構(gòu)，加速?語?模型構(gòu)建云測數(shù)據(jù)是Testin云測旗下AI訓練數(shù)據(jù)服務(wù)品牌，以?質(zhì)量、場景面向垂直行業(yè)大模型面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案持續(xù)預(yù)訓練持續(xù)預(yù)訓練下游任務(wù)微調(diào)灰度發(fā)布聯(lián)調(diào)定向垂直場景的數(shù)據(jù)服務(wù)能?定向垂直場景的數(shù)據(jù)服務(wù)能?基于下游任務(wù)微調(diào)的?機耦合標注能?基于下游任務(wù)微調(diào)的?機耦合標注能?…基于定向垂直領(lǐng)域?員測試基于定向垂直領(lǐng)域?員測試系統(tǒng)集成?持特定數(shù)據(jù)回流處理適?于新?代AI?程化數(shù)據(jù)處理?作臺待處理數(shù)據(jù)數(shù)據(jù)推送數(shù)據(jù)回流任務(wù)創(chuàng)建處理數(shù)據(jù)結(jié)果是否?致是輸出結(jié)果否真實數(shù)據(jù)?動標注模型仿真數(shù)據(jù)數(shù)據(jù)集識別能?對?數(shù)據(jù)集A數(shù)據(jù)集數(shù)據(jù)集AutopilotGPT?意圖評測數(shù)據(jù)標注?員A輸出結(jié)果標注?員B輸出結(jié)果?模型輸出結(jié)果結(jié)果是否?致是輸出結(jié)果否真實數(shù)據(jù)?動標注模型仿真數(shù)據(jù)數(shù)據(jù)集識別能?對?數(shù)據(jù)集A數(shù)據(jù)集數(shù)據(jù)集AutopilotGPT?意圖評測數(shù)據(jù)標注?員A輸出結(jié)果標注?員B輸出結(jié)果?模型輸出結(jié)果?動駕駛?模型?動駕駛?模型AutopilotGPTAutopilotGPT是基于Transformer的標注結(jié)果標注結(jié)果BB“3456”數(shù)據(jù)服務(wù)?具包