作為一種底層生產力工具，人工智能正在向各個行業、方向商用化，甚至掀起了新一輪的技術革命浪潮。

在產品具體表現上，伴隨著智能音箱、智能駕駛、無人機等人工智能的落地，AI無形中改變了各行各業的生態，加快了企業的數字化進程，同時也改變了產業鏈結構，極大地提高了信息利用率。

但這一切的發展都離不開數據和算法的支持。數據作為人工智能的三大要素之一，已經成為人工智能產業的重要支撐者。如何構建以數據為中心的服務和壁壘已成為人工智能企業面臨的問題。

云聚數據作為專門從事人工智能數據采集和標注的服務公司，前不久通過了中國人工智能學會（CAAI）遴選成為學會會員單位。但在得到學會會員名額地位后，云聚數據也面臨著數據采集定制化困難、精密度低，質量改進緩慢等難點，這也折射出當前人工智能數據服務的諸多痛點。

科技顛覆加速，探索過程艱辛

作為人工智能數據服務品牌，云聚數據能夠為智能駕駛、智能家居、智能安防、智能城市、智能金融等領域提供定制的數據采集和標注服務，支持文本、語音、圖像、視頻等各類數據的處理。截至目前，云聚數據已在華東、華北、華南等地建立了數據交付中心和數據采集基地，并成功為數百家企業提供了人工智能數據服務。

從大背景下來看，市場上對基礎數據服務有三種不同的需求。一是研發需求，指前期采用標準數據集產品培訓，中后期采用專業數據定制服務；二是培訓需求，一般打磨算法的準確性和縱深程度，是市場的主要需求。一般面向定制化服務，這對數據的準確性要求很高；第三是落地業務需求，這一般面向更成熟的核心場景，對服務感知有更高的要求。

在云聚數據看來，人工智能最終是為了商用，為了被使用，所以對人工智能的數據質量要求會越來越高、越來越準確，在場景中會出現更多的定制數據需求，除了提高數據安全性和隱私保護外，要保證數據的唯一性、場景性，才能真正幫助企業建立數據核心屏障。

由于云測量的企業服務基因，云聚數據結合項目管理流程能力，也保證了數據的準確性和機密性。但在某種程度上來說，云聚數據還需提供更準確、更有價值的數據，只有重頭探索“人工智能數據服務”，不在過去的成就里故步自封，才能推動人工智能的進一步落地，幫助人工智能企業獲取更多高質量的特定場景數據，構建自己的核心數據屏障。

云聚數據曾在全國多個地方自建數據場景實驗室和數據標簽基地，配備各種采集軟硬件設備，建立了專業的定制采集和標注團隊。

事實上，場景實驗室是人工智能數據服務的重要組成部分，具有高度定制的數據布局，可以使云聚數據的交付能力與客戶的需求平行。在自建的數據標簽庫中，可以將云數據的技術和項目管理能力迅速轉化為特定數據標簽業務生產力，完成數據質量的飛躍。

但是，云聚數據面臨著一個不可忽視的難題——細分領域深耕難，因為這需要更深層次的知識積累、更精確和更安全的數據。有了這三種能力，云數據可以準確地抓住數據服務軌道變化的機會。

在AI行業，科技顛覆傳統的速度總是比人們想象的要快。作為人工智能數據服務行業的一份子，數據采集之旅是星海，是撬動萬億級市場的艱難任務。

定制化、精準化困難

云聚數據總經理賈宇航說，對于需要使用人工智能數據的企業來說，“成功關鍵就是數據，失敗的原因也不外乎數據”。這是一個既定的事實。這里的數據不僅是指數量，而且也指向精確度。人工智能數據用戶實現精細數據采集和多維數據標注是非常重要的。

隨著交互式人工智能的普及，深入研究和開發人工智能已成為企業發展戰略的重要組成部分。通常，提高算法的精度是人工智能進化的重要途徑，因此對數據的精度也提出了更高的要求。

提高數據的準確性方面，云聚數據還有待進一步提升。云聚數據必須根據客戶的定制需求設置采集場景，為客戶提供多場景、多形式的高精度數據，以滿足不同企業對不同數據的需求。例如，在疲勞駕駛監測系統的研發初期，很難收集到駕駛員的危險行為數據。為解決這一問題，可以通過建立相應的場景實驗室，利用專業人士在駕駛艙內模擬駕駛員的疲勞駕駛相關行為，如打瞌睡、玩手機等，模擬駕駛員的疲勞駕駛等相關行為。利用這組數據對人工智能進行訓練，以建立減少交通事故的預警系統。

然而，在數據服務過程中，最重要的是數據采集后的高精度數據標注。如果沒有準確的數據標簽，收集的數據將處于無意義狀態，不會被激活，其價值也不會被反映出來。在這一點上，我們不得不提到“數據注釋”這個職業。

過去，“數據標簽”常被貼上“勞動密集型”和“非技術性內容”的標簽，但在賈宇航看來，情況并非如此。他認為，“數據標簽”現在已經成為一個“技能密集型”行業。隨著人工智能技術的飛速發展，數據標注行業正經歷著快速的變革。“人工智能教師”是他們的新名字。以甄別標簽為己任，為人工智能的真正智能而努力。通過不斷掌握豐富的行業知識、專業技能和專業工具的使用，做好每一項復雜的數據標注工作，使數據標注的準確率從95%提高到99%甚至更高，確保人工智能更加智能化。

例如，在對車輛信息進行標注時，傳統的數據標注只能保證人工智能能夠準確識別95%的車輛類型、車身顏色等信息。有些企業需要研究道路設置問題，所以只需要道路基礎設施的數據。而有些企業則需要所有的數據來針對車輛上路情況做汽車行業性研究。數據標注決定了數據的準確性，特別是容易被人忽略的那5%，這就需要專業的數據注釋員來完成。實現更高質量的數據標注，確保每一個數據都能幫助人工智能產品快速落地，這也是云聚數據亟待解決的焦點。

人工智能的發展離不開數據的支持。沒有數據作為“燃料”，人工智能就“難以前進”。過去人工智能數據服務是一種并行模型，現在逐漸形成金字塔模型。作為金字塔之上的數據服務提供商，云聚數據要有自己的發展戰略。賈宇航認為，人工智能數據服務是一個資金、人員、軟硬件設施投入相對較高的行業，但也是人工智能產品落地的重要因素。

云聚數據只有專注于高還原、高精度、高質量的數據，致力于幫助企業探索開發邊界，才能通過提供健康的數據，真正幫助人工智能產業平穩快速發展。

AI數據服務諸多痛點亟待解決

隨著科學技術的不斷更新和迭代，企業變革的方向已經從信息化轉向智能化。在這個過程中，如何獲取數據成為最重要的痛點。

事實上，這一問題在產業轉型中早已是普遍現象。回到智能化時代初期，企業正競相加入信息化變革的行列。此時，互聯網已經積累了大量的數據信息，可以用于企業的人工智能培訓。但后來人們意識到，互聯網上的數據過于簡單，無法滿足人工智能的發展速度，于是企業開始主動獲取數據。

2005年以來，以亞馬遜Mturk為代表的眾包模式這一新的數據采集大行其道。這種眾包模式當時被硅谷的許多公司采用。它最初用于訓練人工智能算法、檢測虛假新聞、刪除社交媒體上的暴力內容等，也用于定量研究、市場研究等領域。由于其門檻低、效率高、使用方便，一度受到廣大人工智能從業者和研究人員的喜愛，也在中國掀起了一股模仿浪潮。

然而，隨著人們對人工智能的依賴程度越來越高，對人工智能的需求也越來越大，數據的質量和準確性自然也越來越高，這給眾包數據服務商以及人工智能數據服務行業帶來了巨大的挑戰和機遇。

云測數據就在此遇到了較大的困難。不得不憑借多年來在互聯網行業積累的經驗，不斷磨礪技術能力，來重新塑造品牌形象，以期在云數據采集領域獲得成長。

數據服務未來在何方

人學習的過程是觸類旁通的，但人工智能的學習是靠海量數據堆積和覆蓋的，這就意味著人工智能的學習和進步需要全面準確的數據。2019年被稱為5G元年，5G技術高速、低延遲、低功耗，將給數據業務帶來新的變化。

5G將數量和速度跟上了，數據的“質”也得到日益提升，助推數據服務行業實現巨大飛躍，從而進一步提升了人工智能的智能化水平，催生出更多的AI產品。讓5G技術推動整個AI數據服務行業發展，使整個行業更加繁榮。

不過，也存在一個不可忽視的質疑，隨著科技的逐步進步，對人工智能數據的需求是否會逐漸下降？答案是否定的，因為當人們享受到人工智能帶來的紅利時，他們的期望會增加，數據需求也不會有上限。

比如，智能手機剛問世時給人們帶來了一絲新意，但人們沒想到的是，幾年后，智能手機、人工智能的應用場景會給我們帶來如此巨大的便利，人工智能的力量從當前視野域值是看不出來的。但隨著其越來越強大的過程中，其數據缺口也將越來越大。

目前，云聚數據在人工智能數據服務中遇到的各種難題，其實是行業發展的難題，透過這一小的綜合體也可以影射整個數據服務行業的發展。

如何實現人工智能數據服務質量的飛躍，云聚數據還需克服過去數據服務行業的困難，使數據服務場景化、細化、質量化。通過提供定制化的數據采集、高精度的數據標注等服務模式，逐一解決遇到的種種困難。

來源：搜狐