“我覺得資料標註一直被世人誤解，資料標註不是人工智慧界的‘富士康’。”

資料標註到底是怎樣的工作？作為人工智慧服務行業的一員，為什麼被扣上“勞動密集型”的帽子?

推本溯源，這還要從7年前說起。

2015年百度AlphaGo的橫空出世，像丟進水裡的巨石一樣，掀起AI界的驚濤駭浪。

此後的日子，人工智慧行業在聚光燈下飛奔，跑出實驗室、實現”AI+產業“落地，成為新基建的重要一員。AI行業也經歷了資本的冰與火，逐漸走向理性。

但作為AI產業鏈的最上游，資料標註行業卻一直遊離在聚光燈外，被人用有色眼鏡看待。

就連大佬劉慈欣都直言：“現在的人工智慧，前面有多少智慧後面就有多少人工。”

人們為資料標註帶上“流水線、小作坊、貧困縣”等等標籤，它就像小丑一樣，更多被用來調侃人們對AI的期望與差距。

但任何符合發展規律的事物都會隨著時代進步，難道資料標註是例外嗎?

資料標註的真面目

最開始，嗅到商機的確是一批小團體，幾乎與AI創業潮同時起步。

剛興起的AI大多處於實驗階段，對資料需求量少、要求較低，這吸引了大量以勞動密集為主的作坊，這些“小作坊”以外包(BPO)業務為主，給外界留下了“富士康”的印象。

而隨著AI大規模落地，對資料需求愈加深廣，行業開始跨過野蠻生長，進入精耕細作，資料標註也迎來了嚴苛考驗。

面對標註場景更細分、資料型別更復雜、定製化需求更繁瑣的甲方，整個AI基礎資料服務產業被迫經歷了轉型升級——更多勞動密集型企業正面臨生死關頭，更多的技術型公司正在突出重圍。

這個行業已經走過了小作坊的粗放時期，開始走進“技術致勝”的時代。

難以出現的獨角獸

其實不難發現，資料標註是一塊肥肉，盯上這塊肉的也不止中國。

國外早已成長起數家AI資料服務行業的巨頭，像Scale AI 、Appen、Lablebox等。

但放眼國內，不僅沒有獨角獸，連大型的資料標註公司也少之又少。這不禁讓人疑惑，為什麼差距會這麼大?

主要問題還是投資人對資料標註的看法，衡量企業投資價值會依據業務型別、成長空間、技術價值等參考要素。顯然，資料標註不被看好。

國內大部分投資者將標註技術公司等同於標註業務公司，加之部分媒體對行業勞動密集屬性的刻畫，使得提升行業效率的技術價值沒有被公允認可，企業自然難以融到大量金額。

而國外比較認可標註公司的技術價值，因此融資金額多，許多公司僅靠融資就能火起來。

據不完全統計，北美資料標註公司與國內相關公司的估值至少相差10倍，融資金額少則幾千萬多則上億美金，而國內融資普遍在千萬人民幣。

不過，隨著投資者對行業認識的深入，這種差距會逐漸減少。

據中金企信統計資料顯示：2019年中國基礎資料服務行業的市場規模已達30.9億元，預計2025年將突破100億元，複合年增長率達到21.8%。

面對逐漸正規化的行業需求，越來越多中小型供應商苦惱生存問題，這一群體在1-2年內就會迎來“倒閉潮”。

而最後留存下來的公司，依靠的將是AI+私有化部署+平臺的模式。當前，將技術引入資料標註流程已是業內通用做法，讓訓練好的AI模型反哺人工標註，也是標註技術公司的優勢所在。

以曼孚科技為例，曼孚科技作為行業領先的AI基礎架構與資料智慧平臺服務商，專注為AI企業提供從戰略到技術落地的一站式資料解決方案。

作為新一代技術導向型公司，曼孚科技自研智慧資料服務平臺SEED，該平臺作為資料智慧平臺體系的重要組成部分，是實現重構AI基礎架構的關鍵。

SEED平臺除擁有目前市面上主流第二代平臺的“多場景標註能力+有限專案管理能力”以外，還創新性的大量引入生命週期管理、AI增強等模組，形成了覆蓋“資料全生命週期管理能力+供應鏈管理+專案協同+AI人機協同+自定義許可權+全場景標註”的多維立體資料處理能力。

在這些功能模組的加持下，平臺資料標註效率平均提升10倍以上;AI輔助篩查下，資料精準度可達99.99%級別，直擊AI企業資料需求痛點，從源頭端解決AI應用場景持續擴充對於多源異構資料的海量需求。

近期總有資料標註員苦惱職業規劃問題，嘔心瀝血傳授知識的AI，卻終會代替人類，落得個自己革自己的命的下場。

誠然，機器會越來越智慧，這是正常發展規律，也是人類的期望。不過，在一些全新的領域，機器尚不能輔助人類工作，資料標註仍需人力完成。即便有了AI自動化標註工具，依然要由人來做稽核質檢的最後一步。

就算這一天真的到來，被喻為AI老師的資料標註員也會是AI淘汰的最後一類人，因為總有工作需要人來完成。