破局AI落地難，資料標註行業需率先變革丨曼孚科技

2019年，國內人工智慧領域的投融資熱情大幅降低，相當數量的AI企業徹底消失在了歷史的長河中，“人工智慧寒潮已至”甚至成為行業年度熱詞。

與前幾年創業與投資熱情齊頭並進的盛況相比，近段時間的AI行業顯然蕭條了很多。

究其原因，“AI落地難”要負主要責任。

從自動化時代到智慧化時代，人工智慧創造的價值在不斷增長。與此同時，業務場景的精細度與複雜度也在不斷提升，為人工智慧技術的落地帶來一系列挑戰。

以國內人工智慧企業為例。目前國內幾個較大的人工智慧獨角獸企業，商業化落地主要集中在金融、安防監控、手機移動網際網路三個領域，而其他領域則表現平平。

細化到具體業務場景中，汽車自動駕駛是AI最重要的商業化落地領域，相關人工智慧企業在無人駕駛/自動駕駛投入巨大，但距離大規模商業化應用依然十分遙遠。

目前自動駕駛的主要應用場景無非就是路測一下、會展展示一下、無人駕駛園區試駕一下，但這些顯然無法為一家以營利為目的的企業帶來任何實質性的收入。

汽車自動駕駛距離大規模商用仍有一段距離

企業的長久健康生存需要盈利，AI企業同樣不例外。擺在一眾AI企業面前最為迫切的現實需求就是，如何破局“AI落地難”的困境。

古語有云“解鈴還須繫鈴人”，破局AI落地難的關鍵，是找到何種因素導致了這種結果。

在人工智慧領域，演算法、算力與資料是構成行業的3大重要基礎要素。長久以來， AI企業關注的重點主要集中於演算法與算力領域，對於資料領域的關注度則普遍較低。

事實上，作為人工智慧行業的基礎，資料在AI落地的過程中所扮演的角色顯然被忽視了。要把人工智慧應用到具體的業務場景中，首先需要解決資料獲取和資料治理等相關問題，具體到行業中就是資料標註行業需率先變革。

一張經過資料標註後的圖片(圖片來源：曼孚科技資料標註平臺)

人工智慧行業內有一個簡單但很重要的共識：

資料集質量的高低直接決定最終模型質量的好壞。

在人工智慧行業興起初期，行業關注的重點主要集中於理論與技術本身，此時一種前沿的技術概念都有可能為企業帶來規模龐大的外部投資。

但是，到了技術相對成熟期，投資人與AI企業關注的重點就轉向了技術的商業化落地，畢竟企業與投資人最為看重的還是盈利。

然而，理論與實踐的結合總是不那麼一帆風順。AI企業在商業化落地的過程中，發現了一個很棘手的問題：標註資料集的質量可以滿足實驗室的基本需求，但卻無法支撐起AI落地的發展洪流。

我們以例項為證：

在人臉識別等單點場景，涉及到的資料型別一般比較簡單。但在更完整的業務場景中，資料就會變得更加複雜起來;

工業場景中，會涉及到工業現場影像資料、工藝流程文字資料和裝置執行的時序資料等更加精細化資料的標註;

醫療場景中，對醫療影像和文字的標註，需要具備醫學專業知識的人員進行……

以往在實驗室裡僅需少量且質量尚可的資料集即可滿足基本實驗的需求，但是到了具體化的商業落地場景中，現實給標註資料集提出了諸多新的要求：

海量、高質量、場景化、定製化、智慧化……

高質量標註資料集才能撐起人工智慧行業的未來(圖片來源：曼孚科技資料標註平臺)

在這樣的新形勢下，破局AI落地難的關鍵，就在於資料標註行業的率先變革。

作為人工智慧行業的基礎，資料標註行業長期處於刀耕火種的粗放狀態中，披著人工智慧的外衣，但是本質上仍然屬於勞動密集型產業。

在AI商業化落地的大潮下，資料標註行業不應拖了行業發展的後腿，而應該主動為人工智慧行業的發展保駕護航。

以曼孚科技資料標註服務為例，一方面透過培訓專業標註團隊與提供定製化服務，來解決資料採集、資料標註的質量問題;另一方面，透過自研SaaS資料標註服務平臺與自動化的輔助工具，來解決資料標註的效率問題，具體的努力如下：

1. 專業團隊打造優質資料服務平臺，服務成本降低30%以上;

2. 獨立自研SaaS資料標註平臺，預標註技術加持下標註效率可提升4倍以上;

3. 實時精確估算與AI輔助篩查，資料精確至99%以上;

4. 支援私有云部署，實時監測加強安全保護;

5. 定製化場景搭建，7X24小時快速技術響應。

透過以上努力，曼孚科技希望重新構建起人工智慧行業發展的基石，用高質量的標註資料集破局“AI落地難”的困境，為相關人工智慧企業的商業化落地之路掃清障礙。

目前，曼孚科技的標註資料集正大規模應用於自動駕駛、安防、VR/AR、無人機、新零售、AI教育、工業機器人等相關領域，曼孚科技期望用高質量的資料撐起人工智慧行業新的未來!