2023中国aigc数据标注产业全景报告-量子位智库会员免费优质

中国AIGC数据标注产业全景报告Panoramic Report of Generative AI Data Labeling Industry in China 2023.11杨净量⼦位智库 QbitAI Insights

序 ⾔数据标注，正迎来关键时刻。作为AI认识世界的起点，数据标注本质上是将现实世界信息结构化、数字化，充分发挥数据信息的价值。⼤模型时代到来，AIGC众多垂直场景落地，以及通⽤智能、具⾝智能等前沿领域探索，与⾼质量、专业化的场景数据密不可分，数据标注从劳动密集型加速朝着知识密集型转型，⾏业壁垒进⼀步提⾼。作为底层基础服务，数据标注贯穿⼤模型全⽣命周期（训练测试、评估验证和应⽤迭代）。⼀⽅⾯，牵涉关键Know-how，更多⼤模型公司/AI企业选择⾃建标注团队和管线；另⼀⽅⾯，上下游合作关系将更为紧密和耦合，专业数据服务提供商更多机会将在垂直领域，帮助企业完成私有化部署。机遇与挑战并存。合成数据作为新衍⽣赛道，潜在市场空间巨⼤。与此同时，数据标注标准难以统⼀、数据处理流程尚未规范，⾼学历多领域多专业成为标注⼈才的硬指标。

⼤模型时代下的数据标注!"!#!$!%⽬ 录AIGC数据标注四⼤变化AIGC数据标注三⼤影响因素数据标注产业竞争格局/市场规模数据标注代表玩家案例集!&

⼤模型时代下的数据标注!"

数据标注是AI认识世界的起点n ⽂本：词性标注、分类标注、情绪标注、命名实体识别、语义标注、意图标注等；n 图像：图像分类、语义分割、实例分割、拉框、OCR转写等；n ⾳频：语⾳识别、声纹识别、语⾳转写等；n 视频：⽬标跟踪、⾏为识别等；n 3D点云数据标注是将原始数据进⾏加⼯处理，⽐如分类、拉框、注释、标记等操作转换成机器可识别信息的过程。国内数据标注⼚商，⼴义称之为基础数据服务提供商，通常需要完成数据集结构/流程设计、数据处理、数据质检等⼯作，为下游客⼾提供通⽤数据集、定制化服务、数据闭环⼯具链等。这也是本次AIGC数据标注全景报告的研究对象。根据原始数据类型以及训练任务划分：⼀般数据处理流程：原始数据数据清洗模型训练测试/验证数据标注数据质检数据标注中的⼆⼋定律通常在一个AI项目中，数据准备工作需要80%时长，模型训练和部署仅占20% 。

⼤模型时代下的数据标注海天瑞声是国内唯⼀⼀家AI数据上市公司，今年2⽉以来股价受ChatGPT热潮曾⼀度狂飙，截⾄11⽉10⽇股价较年初上涨59.75%。上市公司股价狂飙，创业公司融资加速⼤模型数据解决⽅案多处开花，以⼀站式、定制化服务为主围绕⼤模型开发全⽣命周期（包括预训练、监督微调、RLHF、红队测试、基准测试等），专业数据服务商、⼤模型企业、AI公司等各⽅都拿出相关数据解决⽅案，⼤部分以⼀站式、定制化服务为主。• 云测数据：⾯向垂直⾏业⼤模型数据解决⽅案• 星尘数据：星尘COSMO⼤模型数据⾦字塔解决⽅案• 澳鹏Appen：AI聊天反馈和基准测试两⼤解决⽅案• ⽕⼭引擎：⽕⼭⽅⾈（涵盖数据服务模块）• 百度：⾸个⼤模型数据标注基地⼤模型范式涌⼊数据标注，⾃动化标注⻔槛⼤幅降低以SAM模型为代表的图像分割模型开源；GPT-4、GPT-4V为代表的⼤模型也被验证在⽂本、图像领域标注具有可⾏性，并衍⽣出专⻔做数据标注的⼤模型，⼤幅降低⾃动化标注⻔槛。国内不少数据服务商进⾏相关⼤模型研发，部分产品已经发布：• 海天瑞声：数据⽣产垂直⼤模型（研发阶段）• 曼孚科技：⾃动驾驶数据标注视觉⼤模型（已完成研发）• ⻰猫数据：⾃动驾驶⼤模型AutopilotGPT（发布）• 商汤：明眸SenseAnnotation⾃动化数据标注平台（发布）• 标⻉科技：烘焙师⼤模型Baker-GPT（发布）创业代表公司融资情况星尘数据｜22年12⽉5000万A轮标⻉科技｜23年4⽉超亿元B2轮整数智能｜23年6⽉数千万Pre A轮柏川数据｜23年7⽉千万元天使轮曼孚科技｜23年9⽉数千万B轮恺望数据｜23年4⽉战略融资23年9⽉数千万Pre A轮智能驾驶新感知范式，BEV+Transformer是机遇也是挑战作为最具代表性应⽤场景，智能驾驶迎来新感知范式：以BEV+Transformer为代表的四维感知替代掉2D+CNN为代表的⼆维感知⽅案，给数据服务⼚商带来更多机遇与挑战，包括不限于标注场景难度⼤、数据量产能⼒要求⾼等。⽬前国内部分⼚商给出...