導讀：數據標注正在打開一個新的商業通路。最近一段時間，ChatGPT躥紅，引起一陣狂歡。上一次AI行業這么熱鬧，可能還是Alpha Go擊敗李世石。落到產業端，ChatGPT能給自動駕駛帶來什么？是大家更關注的話題。
幾天前，自動駕駛技術公司毫末智行宣布，將自動駕駛認知大模型升級為DriveGPT。這一個動作，讓我們看到了受ChatGPT鼓舞，自動駕駛圈對于AI突破性的想象和期待。
ChatGPT實現的技術支撐是 Transformer大模型以及人類反饋強化學習（RLHF）。其實早在2019年，特斯拉就將Transformer大模型引入到自動駕駛，而在今年年初，毫末也曾表示要借鑒ChatGPT的實現思路，打造人駕自監督認知大模型。
而不論是ChatGPT的突破，還是自動駕駛算法的進化，都離不開一個底層邏輯——基于海量數據的深度學習。這些數據不能是雜亂的，而是需要經過處理的數據，這樣才能夠幫助算法進行定向學習。
可以說，AI進化的需求，正在帶火一個行業——數據標注。
數據標注是一個非常有意思的行業，你可以說它高大上，因為它是人工智能的“老師”，你也可以說它接地氣，因為它是一個勞動密集型行業。
這種鏈接正在打開一個新的商業通路。
近日，我們訪談了數據標注公司愷望數據創始人兼CEO于旭、愷望數據產品項目副總裁張鵬。以愷望數據為案例，我們來聊一聊自動駕駛數據標注的行業痛點及前景。
愷望數據創始人兼CEO于旭及團隊
一、數據標注行業走向垂直化、專業化
數據、算力和算法是AI發展的三大基石。數據相當于AI算法的“飼料”，AI學習都要用標注好的數據進行訓練，只有經過大量的訓練，覆蓋盡可能多的場景才能得到一個好的模型。
數據標注是開發機器學習 (ML) 模型時預處理階段的一部分，它需要識別原始數據并添加標簽為機器學習模型指定上下文，幫助其做出準確的預測。
由于近幾年AI快速發展，催生了大量數據標注公司。據于旭介紹，目前，這個行業還處于比較分散的早期階段，大概存在700-800個玩家。
數據標注在有著市場高需求的同時，也面臨著諸多挑戰，比如成本高、效率差、標注質量參差不齊、市場需求不穩定等。
這兩年，隨著AI商業化落地加快，數據標注行業也正在走向規范化發展的階段。
于旭談到，數據標注正在朝著聚焦垂直化領域、專業化服務的方向發展。同時，數據標注產業正在由單模態向多模態標注發展，這將帶來更多機會。
此外，人工標注與自動標注相結合，提升質量和效率，將是行業發展的大趨勢。
二、95%自動駕駛數據標注依賴人工
自動駕駛正在進入到技術深水區，一些業內專家認為，基礎科學的突破才能帶來自動駕駛真正的質變。
ChatGPT正在打開一個思路，大模型訓練或許能帶來自動駕駛的突破。
數據標注的質量和數量對算法迭代產生重要影響，標注數據的數量越多、質量越高，模型的訓練和性能優化就越充分，性能就越好。
隨著對自動駕駛商業化落地的需求，自動駕駛數據標注的需求正在逐年攀升。據張鵬介紹，目前，數據標注以人工標注為主，機器標注為輔。而從整個自動駕駛行業的普遍水平來看，可以說，95%的數據標注還是以人工為主。
隨著算法模型的不斷進化，大模型訓練將越來越多地引領數據標注走向自動化，這會是一個明確的趨勢。
但這會是一個相當長的過程，于旭認為，時間周期可能在10-15年。
此外，大模型雖好，但需要大算力支撐，動輒就是數千萬、甚至上億級的投入，并不是每個企業都能玩得轉。
因此，愷望數據認為，自動標注與人工標注相結合，才是更具性價比的方案。
于旭談到，對自動駕駛數據生產而言，目前還離不開人力的階段，但未來最終還是會實現完全的自動化：
“就像是自動駕駛最終會走向L4、L5，但中間會經歷L2、L3，但L2、L3的經驗、可以使最終形態的自動駕駛更準確更科學的實現，人工智能一定是需要一個基于數據進行積累和建模、最終全面自動化和智能化的過程。這個不會是一簇即就，而是需要逐步實現?！?
她進一步表示，OpenAI用7年時間孕育了ChatGPT，在此之前，經歷了規模極大、基于人的數據，不斷的建模與優化。
科技公司領先技術的應用，最終還要面對解決交付、量產等商業化落地的考驗。
雖然人工智能是熱門焦點，也是大勢所趨，但從目前的實際的產業應用來看，在自動駕駛數據生產領域，多個環節都仍依賴”人為判斷及行為“在主導。
她認為，在目前階段，需要以自動化為目標，根據自動駕駛數據生產流程各環節的規則和邏輯、基于人的模式建模，逐步推動將數據生產從”成熟的人工模式“轉化為”成熟的人工智能模型“，解決大規模供應和成本的效益匹配問題。
因此，規?；娜肆祿徒涷炘诂F階段就非常重要。
三、提質降本是行業當前核心痛點
算法模型的訓練依賴人工標注，最終目標是取代人工標注。自動駕駛真正的成熟還有相當時日，因此這門生意的邏輯是成立的。
自動駕駛數據生產依賴規模化的人力供給，波峰波谷的人效配置及穩定、優質數據供應問題一直是行業內的最大問題。
對于賽道玩家來講，一個核心痛點在于上游需求散，下游產能不穩定，在上下游管理上都存在優化空間。
另一個痛點在于，數據標注是一個價格敏感的行業，在保障數據處理質量同時做到降本，是整個行業的期待方向。
也就是說，需求方的痛點在于如何降成本，供給方則希望能夠穩定、規范化、可持續的推進業務。兩方的需求都有賴于行業規范化。
數據生產流程包括對需求規則的解讀、數據任務拆分、人員匹配，也包括在生產管理過程進行產能監管、質量監管、效率監管，有些部分可以實現全自動化，但有些部分、尤其是需要人為判斷的部分，還有待更多成熟的模型建成，才能逐步實現自動化。
目前在行業內的技術方案，多數是關注解決預標注這個環節的效率，而愷望數據認為，現階段要持續實現穩定的低價數據供應，關鍵是在通過“自動化技術+人力運營管理”的部署，來提升全生產及管理流程的全局效率，進一步提供規模化的穩定低價數據供應。
目前，愷望數據從兩方面入手來解決這個痛點。
一方面，基于“自動化產線+規模化人力”策略，愷望數據推出了自動化數據產線，通過SaaS平臺、算法、各板塊建模等工具，將每個版塊原子化拆分，進而優化每個環節效率。據介紹，目前已可以實現成本降低超過20%。
另一方面，為了保證人力資源的規?；?、穩定性，愷望數據也在推進校企生態合作，與全國20多家實訓基地建立了合作，培訓逾千位數據標注員。
可以說，ChatGPT拉火了整個AI賽道，并將帶動上下游企業快速發展，站在創業的風口上，像愷望數據一樣的創業公司，能夠在這一波浪潮下，創造出什么樣的新模式和新價值，還是非常值得期待的。
來源：賽博汽車 作者：肖瑩
