量子位-AIGC行業(yè)：中國(guó)AIGC數(shù)據(jù)標(biāo)注產(chǎn)業(yè)全景報(bào)告

中國(guó)AIGC數(shù)據(jù)標(biāo)注產(chǎn)業(yè)全景報(bào)告PanoramicReportofGenerativeAIDataLabelingIndustryinChina數(shù)據(jù)標(biāo)注數(shù)據(jù)標(biāo)注，正迎來關(guān)鍵時(shí)刻。作為AI認(rèn)識(shí)世界的起點(diǎn)，數(shù)據(jù)標(biāo)注本質(zhì)上是將現(xiàn)實(shí)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(jià)值。?模型時(shí)代到來，AIGC眾多垂直場(chǎng)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(chǎng)景數(shù)據(jù)密不可分，數(shù)據(jù)標(biāo)注從勞動(dòng)密集型加速朝著知識(shí)密集型轉(zhuǎn)型，?業(yè)壁壘進(jìn)?步提?。作為底層基礎(chǔ)服務(wù)，數(shù)據(jù)標(biāo)注貫穿?模型全?命周期（訓(xùn)練測(cè)試、評(píng)估驗(yàn)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(biāo)注團(tuán)隊(duì)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(jī)會(huì)將在垂直領(lǐng)域，幫助企業(yè)完成私有化部署。機(jī)遇與挑戰(zhàn)并存。合成數(shù)據(jù)作為新衍?賽道，潛在市場(chǎng)空間巨?。與此同時(shí)，數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)難以統(tǒng)?、數(shù)據(jù)處理流程尚未規(guī)范，?學(xué)歷多領(lǐng)域多專業(yè)成為標(biāo)注?才的硬指標(biāo)。0101?模型時(shí)代下的數(shù)據(jù)標(biāo)注04數(shù)據(jù)標(biāo)注產(chǎn)業(yè)競(jìng)爭(zhēng)格局/市場(chǎng)規(guī)模0505數(shù)據(jù)標(biāo)注代表玩家案例集01數(shù)據(jù)清洗數(shù)據(jù)標(biāo)注模型訓(xùn)練測(cè)試/驗(yàn)證數(shù)據(jù)質(zhì)檢數(shù)據(jù)清洗數(shù)據(jù)標(biāo)注模型訓(xùn)練測(cè)試/驗(yàn)證數(shù)據(jù)質(zhì)檢國(guó)內(nèi)數(shù)據(jù)標(biāo)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(biāo)注中的??定律通常在一個(gè)AI項(xiàng)目中，數(shù)據(jù)準(zhǔn)備工作需要80%時(shí)長(zhǎng)根據(jù)原始數(shù)據(jù)類型以及訓(xùn)練任務(wù)劃分：上市公司股價(jià)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(biāo)注，?動(dòng)化標(biāo)注?檻?幅降低證在?本、圖像領(lǐng)域標(biāo)注具有可?性，并衍?出降低?動(dòng)化標(biāo)注?檻。國(guó)內(nèi)不少數(shù)據(jù)服務(wù)商進(jìn)?相智能駕駛新感知范式，BEV+Transformer是機(jī)遇也是挑戰(zhàn)作為最具代表性應(yīng)?場(chǎng)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(jī)遇與挑戰(zhàn)，包括不限于標(biāo)注場(chǎng)景難度?、數(shù)據(jù)量產(chǎn)能?要求?等。?前國(guó)內(nèi)部分?商給出了數(shù)據(jù)閉環(huán)?具鏈和1、數(shù)據(jù)標(biāo)注要求從客觀到主觀，很難建?統(tǒng)?標(biāo)準(zhǔn)?模型的開發(fā)范式?jīng)Q定了?模型數(shù)據(jù)標(biāo)注對(duì)?然語?要求要求很?，包括排2、?學(xué)歷多領(lǐng)域?才成剛需，缺?或達(dá)百萬3、產(chǎn)業(yè)鏈重構(gòu)，?模型公司/AI企業(yè)涌?4、國(guó)內(nèi)百億級(jí)市場(chǎng)規(guī)模，合成數(shù)據(jù)增速最?02預(yù)訓(xùn)練預(yù)訓(xùn)練?模型時(shí)代的到來，正加速推動(dòng)??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(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)*實(shí)際訓(xùn)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(biāo)注從勞動(dòng)密集朝著知識(shí)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(chǎng)空間巨?所謂合成數(shù)據(jù)，即是?AI?成數(shù)據(jù)??真實(shí)產(chǎn)?，能夠替代真實(shí)數(shù)據(jù)來訓(xùn)練、測(cè)試和驗(yàn)證?模型。?前主要在?動(dòng)駕駛、機(jī)器?、?物醫(yī)藥等領(lǐng)域應(yīng)?。英偉達(dá)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(jì)，合成數(shù)據(jù)將成為未來增速最快賽道，年增?率可達(dá)45%。合成數(shù)據(jù)的優(yōu)勢(shì)&特點(diǎn)合成數(shù)據(jù)的優(yōu)勢(shì)&特點(diǎn)應(yīng)?場(chǎng)景應(yīng)?場(chǎng)景數(shù)據(jù)增強(qiáng)模型驗(yàn)證可解釋AI?動(dòng)駕駛?動(dòng)駕駛機(jī)器?…具?智能具?智能…企業(yè)案例企業(yè)案例多提供室內(nèi)場(chǎng)景數(shù)據(jù)服務(wù)的代表?商，能針對(duì)不同應(yīng)?場(chǎng)景…………?模型公司/AI企業(yè)?建數(shù)據(jù)處理管線，對(duì)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(jìng)爭(zhēng)優(yōu)勢(shì)。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(chǎng)景數(shù)據(jù)?質(zhì)量場(chǎng)景數(shù)據(jù)?看技術(shù)能?n……?看場(chǎng)景資源?業(yè)?業(yè)Know-how*場(chǎng)景專業(yè)?才（領(lǐng)域?qū)＜?、深??等）（領(lǐng)域?qū)＜摇⑸疃??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(qiáng)技術(shù)+場(chǎng)景標(biāo)注經(jīng)驗(yàn)越豐富可擴(kuò)展性靈活性更強(qiáng)獲客越容易獲得?碑04143數(shù)據(jù)標(biāo)注?業(yè)傳統(tǒng)依靠渠道、??等形成的低成本競(jìng)爭(zhēng)優(yōu)勢(shì)將被重塑，數(shù)據(jù)需求?將更看重?cái)?shù)據(jù)質(zhì)量、場(chǎng)景多樣性和可擴(kuò)展性?；谝陨显?，量?位智庫將從數(shù)據(jù)基礎(chǔ)設(shè)施、場(chǎng)景資源兩個(gè)??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(chǎng)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(dòng)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(qiáng)技術(shù)?撐的創(chuàng)業(yè)新勢(shì)?該象限主要聚焦在近兩年創(chuàng)?的創(chuàng)業(yè)公司，主要以?動(dòng)第四象限：場(chǎng)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(biāo)注團(tuán)隊(duì)，以海天瑞聲為例，不僅是LIama2的唯?中國(guó)伙伴，還發(fā)布超?規(guī)模中我國(guó)數(shù)據(jù)標(biāo)注?業(yè)企業(yè)競(jìng)爭(zhēng)格局2知識(shí)密集??標(biāo)注重新洗牌知識(shí)密集??標(biāo)注重新洗牌?機(jī)協(xié)同關(guān)系進(jìn)?步耦合，?機(jī)協(xié)同關(guān)系進(jìn)?步耦合，??更多承擔(dān)關(guān)鍵決策??；市場(chǎng)競(jìng)爭(zhēng)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(biāo)注，供應(yīng)合作關(guān)以訓(xùn)練任務(wù)、算法簡(jiǎn)單圖像標(biāo)注為主。??標(biāo)注?法滿?數(shù)據(jù)需求，?動(dòng)化?量AI數(shù)據(jù)初創(chuàng)公國(guó)內(nèi)AI基礎(chǔ)數(shù)據(jù)服務(wù)市場(chǎng)規(guī)模3503503002023E2028E2030E0505++SFTSFT規(guī)則增強(qiáng)學(xué)習(xí)智能標(biāo)注?動(dòng)質(zhì)檢?動(dòng)分類應(yīng)用產(chǎn)品生態(tài)兼容超高性價(jià)比應(yīng)用產(chǎn)品生態(tài)兼容超高性價(jià)比合作成功案例與伙伴nn優(yōu)劣對(duì)?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(shí)數(shù)據(jù)數(shù)字化成本平臺(tái)?動(dòng)化?平達(dá)到60%以上，數(shù)據(jù)質(zhì)量達(dá)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(chǔ)數(shù)據(jù)清洗數(shù)據(jù)清洗數(shù)據(jù)采集數(shù)據(jù)存儲(chǔ)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(cè)數(shù)據(jù)是Testin云測(cè)旗下AI訓(xùn)練數(shù)據(jù)服務(wù)品牌，以?質(zhì)量、場(chǎng)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(xùn)練持續(xù)預(yù)訓(xùn)練下游任務(wù)微調(diào)灰度發(fā)布聯(lián)調(diào)定向垂直場(chǎng)景的數(shù)據(jù)服務(wù)能?定向垂直場(chǎng)景的數(shù)據(jù)服務(wù)能?基于下游任務(wù)微調(diào)的?機(jī)耦合標(biāo)注能?基于下游任務(wù)微調(diào)的?機(jī)耦合標(biāo)注能?…基于定向垂直領(lǐng)域?員測(cè)試基于定向垂直領(lǐng)域?員測(cè)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(tái)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(shí)數(shù)據(jù)?動(dòng)標(biāo)注模型仿真數(shù)據(jù)數(shù)據(jù)集識(shí)別能?對(duì)?數(shù)據(jù)集A數(shù)據(jù)集數(shù)據(jù)集AutopilotGPT?意圖評(píng)測(cè)數(shù)據(jù)標(biāo)注?員A輸出結(jié)果標(biāo)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(shí)數(shù)據(jù)?動(dòng)標(biāo)注模型仿真數(shù)據(jù)數(shù)據(jù)集識(shí)別能?對(duì)?數(shù)據(jù)集A數(shù)據(jù)集數(shù)據(jù)集AutopilotGPT?意圖評(píng)測(cè)數(shù)據(jù)標(biāo)注?員A輸出結(jié)果標(biāo)注?員B輸出結(jié)果?模型輸出結(jié)果?動(dòng)駕駛?模型?動(dòng)駕駛?模型AutopilotGPTAutopilotGPT是基于Transformer的標(biāo)注結(jié)果標(biāo)注結(jié)果BB“3456”數(shù)據(jù)服務(wù)?具包