文 | 曾响铃
来源 | 科技向令说（xiangling0815）
新基建驱动AI加速落地，也让它背后的“粮草”——AI数据标注产业进入发展快车道。
不久前，今年首场国家级重大国际经贸活动服贸会的成果发布环节上，数据标注领域的头部企业云测数据首次对外展示了一项成果，其数据项目的最高交付精准度竟然达到了99.99%。
这个决定AI产品落地水平的领域里，99.99%的精准度刷新了一个行业记录，按照实际AI项目的需要，AI客户可选择的服务标准跨越到了一个新的时代。
事实上，在多元化的人工智能场景落地背景下，更高标准的AI数据质量已成为AI的刚需。这次服贸会上，数据标注的头部企业所进行的99.99%的成果展示，其背后也隐含着行业高阶进化的改变，最突出的就是“劳动密集”的标签，可能要被彻底撕掉了。
高精度，成就数据标注的“差异化”？
AI数据标注产业是人工智能链条上最偏“人工”的部分，早期的低门槛使得市面上存在着大大小小的企业、工作室，泥沙俱下，良莠不齐。
但现如今，我们已经看到这一现状正在发生变化，AI数据服务行业随着AI产业需求进行着优胜劣汰。现在，当行业头部企业将最高项目交付精准度提升到一个“顶尖”时，马太效应突出，差异化趋势愈发明显。
1、表面同质化服务下，数据精度推动数据标注企业获得“差异化认知”
在过去很长一段时间内，AI企业多根据自身项目需求为导向来选择数据标注服务商，AI数据行业内并没有太多严谨的规则。可以说，过去的数据标注，是一个有些缺乏“差异化认知”的行业，A企业和B企业到底怎么区分，没有明确的标准。
当头部企业从自身出发首次规范行业标准，将最高99.99%的数据标注精准度进行正式发布，实际上就等于给行业设定了一个可行的认知标准，这样的AI数据才是高质量数据。
至此，不管是AI企业客户还是业界人士，或都可以借助精准度对数据标注行业进行企业与企业的区分，而不是在认知上一锅烩。
而这，当然也来源于99.99%这个精确度与其他诸如92%、95%、98%之类的数字存在着跨越时代级别的差异。
这某种程度上也表明数据标注产业在伴随AI发展多年后，自身开始趋向成熟，头部玩家强者恒强，产业内优势资源和技术得到有效聚集，朝着无限接近100%进发，99.99%更像是一个里程碑，将加快人工智能时代的到来。
2、用高精度切中AI发展需求，数据标注企业更容易获得“差异化竞争优势”
跳出普通人“认知”方面的驱动力，高精度数据的另一重差异化价值是切中AI发展需求。
随着AI的持续深度发展，场景落地已经代替技术研究成为主旋律，数据标注的服务方向从“AI产品训练”走向“AI产品落地”，这意味着AI项目试错空间相较于技术研究大幅下降，要求更高的精确度来满足用户体验。
更进一步看，新基建中的重要版块AI新基建，生来就带有强烈的落地应用导向——要驱动各大产业升级，也必须更贴近落地。
在数据质量决定AI算法的精度、算法的精度又决定产品质量的关联逻辑下，更注重落地的AI项目会更积极主动寻找那些数据质量（精确度）更高的供应商，数据标注行业将会形成过去没有的梯度， 发布最高99.99%精确度标准的头部企业云测数据，还将藉此获得“差异化竞争优势”吸引更多产业客户，如果没有更多企业跟随上来，则将一直保持唯一的“第一梯队”。
PK高精度后，是时候放弃对数据标注“劳动密集”偏见了？
劳动密集是之前业界对AI数据标注的主要评价，或者说刻板印象，AI界的“富士康”之类的说法揭示出这个产业的外在尴尬形象。
但这一切，随着更高精度的数据标注成果出现而开始改变。
一个普通的草台班子数据标注团队可能也能实现及格线上的AI数据精确度，这是机械式的人力操作天然具备的能力，毕竟数据标注确实主要靠的是人力的劳动。但再要提升精度，尤其是无限往100%靠近，就必须更多依赖各种技能的支撑，不断进行高位再优化，榨取精度提升的空间。
数据标注的精准度越高，再次上升（并保证配套服务质量）能够从“人力”中获得的支持越少，从“技能”获得的支持越多。
因此，当数据标注产业出现99.99%这类高精度成果时，也意味着技能的成分可能超越了人力的成分，行业已经走向了各类前沿技术支撑的“技能密集”阶段。
这种支撑高精确度的“技能密集”，应当包括四个方面：
1、专业人才技能：需求专业化倒逼数据标注人才素养提升
专业、垂直类的数据标注，比泛化的数据标注更需要技能支撑，尤其在需要获得高精准度的情况下，单纯的体力劳动已经不可能完成。
一是特殊的数据标注类型，例如，云测数据的主要服务场景之一自动驾驶，常常会有激光雷达传感器产生的数据需要标注。一般车载摄像头的数据标注，比较“体力化”，框出指定的元素教会算法识别即可：
而激光雷达的数据则与人类现实世界差距甚远：
这时候，云测数据不得不要求人工对雷达数据有丰富的知识技能和处理经验，可能还牵扯很多物理学方面的知识，绝不再是简单地体力劳动了。
二是，专业领域的数据标注。这方面较为典型的是垂直领域的语音、文本类数据标注，例如金融、家居领域，这些数据标注的需求不亚于这些领域一线的业务人员（需要深度理解业务，才能标注好包括专业词汇、逻辑等数据），因此，像云测数据这类平台培养了金融、家居等领域的“专才”，甚至于，在为一些金融机构服务时，还要按照需求提供达到素质要求的标注队伍进行作业。
2、复杂工具技能：数据标注本身也在进行某种数字化升级
高精度的实现，除了数据标注人员由流水线工人转化为有特定技能的专业人才之外，随着业务量的扩大，还配套有渗透全流程的各种数字化工具来提高准确率、效率，这就如同一个制造业企业进行了数字化、智能化升级来应对严苛的市场竞争一样。
从云测数据的案例看，99.99%的准确率背后是一大堆技术工具在支撑。
标准API接口的数据处理平台支持各种主流格式，跟众多AI企业可以做到短时间无缝衔接，省略线下做导入导出的繁琐步骤。数据生产过程通过模板化的任务创建，数据采集，清洗到标注全部线上流转，传统线下流转可能面临的信息丢失、失真问题得到解决。
此外，云测数据引入了基于规则的机器筛查方式，在人工校验流程前根据所标注内容要求引入相关查错规则，这种数字化辅助直接提升了数据精度和效率。
事实上，强化工具能力一直是各数据标注平台在做的事，甚至AI本身的发展也反过来支撑数据标注工作。云测数据这类扎根行业的企业这些年投入了大量资源在工具开发上，打个不恰当的比方，这就好比富士康不断增加工厂智能化水平、引入大量智能机械一样，朝着“高端制造”前进一样。
3、综合研发技能：“解决方案”输出下的采集、标注一体化
随着AI技术深入到各个细分领域，企业对AI在商业化落地中的表现要求越来越高。在很多领域，客户企业对服务供应商会提出更多样化的需求，这时候，“解决方案”式的合作方式不可能避免出现在数据标注产业中，在拿出99.99%精准度的同时，云测数据还对外发布了智慧城市、智能家居、智能驾驶、智慧金融这四个场景的“全链条的AI训练数据服务方案”。
这些解决方案，简单说，就是过去合作的拓宽、拓深，为了同样保证超高精准度，这个过程必然伴随大量专业技术性的工作。
在数据标注产业链上，采集与标注不分家，华东、华北、华南设有数据交付中心和数据场景实验室的云测数据，在给出的四个场景解决方案中，都十分强调场景化的数据采集服务。
例如，智慧城市数据解决方案的一个重要亮点或者说价值，是为客户企业提供“长尾场景数据”——如不同光线下人员检测、危险动作检测等长尾情形，都需要不断充实长尾场景，来提升“智慧”的覆盖能力（处理、统计一些城市管理任务）。
云测数据建立的“数据场景实验室”，通过还原场景、研究长尾场景的特点完成对应传感器下的场景数据采集工作，这种行为，本质上相当于数据标注企业为智慧城市AI项目完成特定规则下的知识图谱搭建。
类似的，还有智能家居场景中，在各类复杂语音背景下采集语音数据，实验室开发底噪、混响、方言、语种等特殊要求下的数据采集；此外，在智能驾驶场景中，云测数据为了更加贴近真实场景，甚至通过改造轿车、标定传感器这种参照智能驾驶汽车行驶场景的方式来采集所需要的AI数据。
显然，这些方式方法都远远超出了“劳动密集”的范畴。
4、安全技能：被忽视的数据标注“硬核”技术能