目前人工智能商业化在算力、算法和技术方面基本达到阶段性成熟,想要更加落地,解决行业具体痛点,需要大量经过标注处理的相关数据做算法训练支撑,可以说数据决定了AI的落地程度。目前,我国人工智能行业呈现良好的发展态势,而作为强关联性的数据标注行业,随人工智能发展而迎来高速增长。
数据决定了AI落地程度,基础数据服务是商业化过程中重要的一环
人工智能产业链包括三层:基础层、技术层和应用层。其中,基础层是人工智能产业的基础;技术层是人工智能产业的核心;应用层是人工智能面向特定应用场景需求而形成软硬件产品或解决方案。
人工智能基础数据服务指为AI算法训练及优化提供的数据采集、清洗、信息抽取、标注等服务,以采集和标注为主。其中,数据标注为人工智能企业提供了大量带标签的数据,供机器训练和学习,保证了算法模型的有效性。
AI公司和科技公司占主要份额,AI应用三大阶段对数据标注服务产生差异化需求
从需求方来看,AI数据标注客户分为AI公司、科技公司、科研机构、行业企业四类。AI公司和科技公司占主要份额,AI公司更聚焦于视觉、语音等某一类型的基础数据服务,而科技公司结合集团优势,向人工智能整体发力,不同部门会产生多类型数据需求,科研机构需求占比较小。
此外传统意义上的行业企业,如汽车厂商、手机品牌商、安防厂商等传统企业围绕自身业务进行技术拓展,也开始产生AI基础数据需求,并且量级逐渐增大,未来将释放更多市场空间。
从不同阶段的AI数据标注服务需求来看,企业应用人工智能算法要经历研发、训练和落地三个阶段,不同阶段对于数据标注服务也有差异化需求。
研发需求是新算法研发拓展时产生的数据需求,一般量级较大,初期多采用标准数据集产品训练,中后期则需要专业的数据定制采标服务;
训练需求是通过标注数据对已有算法的准确率等能力进行优化,是市场中的主要需求,以定制化服务为主,对算法的准确性有较高要求;
落地场景的业务需求中算法较为成熟,涉及的数据采集和标注更贴合具体业务,如飞机保养中的涂料识别数据等,对于标注能力和供应商主动提出优化意见的服务意识有较强要求。
人工智能规模近2000亿,科技企业AI算法研发投入规模预计超370亿元
2017年7月,国务院印发了《新一代人工智能发展规划》,将人工智能上升到国家战略层面,受益于国家政策的大力支持,以及资本和人才的驱动,我国人工智能行业的发展走在了世界前列。根据沙利文的统计预测,2020年中国人工智能行业市场规模约为1858.2亿元。
2019年中国科技企业技术研发投入约为4005亿元,其中人工智能算法研发投入占比为9.3%,超370亿元,且大部分投入来自互联网科技公司。主要AI算法应用领域——计算机视觉、语音识别/语音合成,以及自然语言处理占比分别为22.5%、2.3%和7.1%,三者中计算机视觉相关算法研发投入占比最大,这与视觉相关创业公司数量、产业需求和政策导向呈正相关联系,计算机视觉目前仍是中国最具代表性的AI应用技术。
人工智能推动数据标注产业高速发展,以图像、语音类数据为主
如前文所述,我国人工智能行业如火如荼地兴起,落地化进程大大加速,应用场景逐渐广泛,数据标注行业作为人工智能的上游基础产业也在短短数年间迎来了爆发式的发展。根据iResearch数据显示,到2019年,数据标注行业市场规模为30.9亿元,到2020年行业市场规模突破36亿元,预计2025年市场规模将突破100亿元,说明我国数据标注行业处于高速发展阶段。
按数据类型划分,中国人工智能数据标注市场以语音、图像、NLP领域的标注服务为主。从前文中人工智能算法研发投入来看,计算机视觉、语音识别/语音合成等为主要研发领域,因此对图像类、语音类的数据标注需求占据主要比重。2019年,图像类、语音类、NLP类数据需求规模占比分别为49.7%、39.1%和11.2%。
一线及新一线城市数据标注需求旺盛,其中北京地区排名第一
从数据标注需求企业地区分布情况来看,截至2020年12月,北京、上海、成都、深圳、杭州为数据标注企业分布TOP5城市,企业数量分别达到185家、84家、68家、63家、46家;其中北京、上海、成都、深圳企业数量均较2020年4月有所上升,杭州企业数量较2020年4月有所下降。
分类型来看,大部分公司存在多种需求,如音频标注的不同语音,图片标注的不同方式等。在有数据标注需求的公司中,北京地区遥遥领先,占全国需求的30%左右,随后依次为上海、深圳、杭州、广州。各个类型标注在TOP城市中的占比情况如下:
定制化需求成为主流,数据服务市场步入需求常态化
监督学习下的深度学习算法训练十分依赖人工标注数据,近年来人工智能行业不断优化算法增加深度神经网络层级,利用大量的数据集训练提高算法精准性,ImageNet开源的1400多万张训练图片和1000余种分类在其中起到重要作用,为了继续提高精准度,保持算法优越性,市场中产生了大量的标注数据需求。
时至今日,人工智能从业公司的算法模型经过多年的打磨,基本达到阶段性成熟,随着AI行业商业化发展,更具有前瞻性的数据集产品和高定制化数据服务需求成为了主流。
据了解,目前一个新研发的计算机视觉算法需要上万张到数十万张不等的标注图片训练,新功能的开发需要近万张图片训练,而定期优化算法也有上千张图片的需求,一个用于智慧城市的算法应用,每年都有数十万张图片的稳定需求;语音方面,头部公司累计应用的标注数据集已达百万小时以上,每年需求仍以20%-30%的增速上升。
不仅如此,随着1oT设备的普及,语音交互场景越来越丰富,每年都有更多的新增场景和新需求方出现,对于标注数据的需求也是逐步增长。结合市场来看,随着AI商业化发展,AI数据标注服务需求步入常态化,存量市场具有较为稳定的需求源头,而增量市场随着应用场景的丰富,以及新型算法的诞生,拥有更广阔的想象空间。
更多数据来请参考前瞻产业研究院《中国数据标注行业市场前瞻与投资战略规划分析报告》。
有发展前途。
数据标注是人工智能产业的基础,是机器感知现实世界的起点。简单点说,数据标注是通过数据标注员借助标注工具,对人工智能学习数据加工的一种行为。数据标注有很多种,如分类、画框、标记等等。从某种程度上来说,没有经过标注的数据就是无用数据。机器通过数据标注物体的一些特征,才能知道这个物体是什么东西。
由于数据标注是人工智能的基础,也是人工智能技术落地的坚实保证。当下人工智能行业对于数据的质量要求越来越高,数据标注行业正在向着精细化时代迈进,标注员每做一次项目都要进行考核,考核通过才能进行数据标注。
AI产业中,标注大量用于训练机器学习模型的数据,让机器越来越像人,如果标注犯错,直接导致的后果是机器也会跟着范错,尤其是无人车驾驶技术,标注出错,直接导致的是交通事故。所以说啊标注准确率要求是很高的。
1、分类标注:分类标注,就是我们常见的打标签。适用:文本、图像、语音、视频。应用:脸龄识别,情绪识别,性别识别
2、标框标注:机器视觉中的标框标注,很容易理解,就是框选要检测的对象。适用:图像。应用:人脸识别,物品识别
3、区域标注:相比于标框标注,区域标注要求更加精确。边缘可以是柔性的。适用:图像。应用:自动驾驶
4、描点标注:一些对于特征要求细致的应用中常常需要描点标注。人脸识别、骨骼识别等。适用:图像。应用:人脸识别、骨骼识别
5、其他标注:标注的类型除了上面几种常见,还有很多个性化的。根据不同的需求则需要不同的标注。如自动摘要,就需要标注文章的主要观点,这时候的标注严格上就不属于上面的任何一种了。
数据标注有发展的前景。
数据标注是大部分人工智能算法得以有效运行的关键环节。简单来说,数据标注是对未经处理过的语音、图片、文本、视频等数据进行加工处理,从而转变成机器可识别信息的过程。
目前主流的机器学习方式是以有监督的深度学习方式为主,对于标注数据有着强依赖性需求,未经标注处理过的原始数据多以非结构化数据为主,这些数据难以被机器识别和学习。只有经过标注处理后的结构化数据才能被算法模型训练使用。
数据标注的类型主要是图像标注、语音标注、3D点云标注和文本标注。
在人工智能发展历程中,数据一直被当作其“血液”。数据标注是人工智能算法得以有效运营的关键环节,想要实现人工智能就要先让计算机学会理解并具备判断事物的能力。数据标注的过程就是通过人工贴标的方式,为机器系统提供大量学习的样本,数据标注是把需要机器识别和分辨的数据打上标签,然后让计算机不断地学习这些数据的特征,最终实现计算机能够自主识别。
可以说数据决定了AI的落地程度,精准的数据集产品和高度定制化数据服务更是受到各大企业的重视。
景联文科技作为专业的Al数据标注公司,致力于推进数据资源标准体系建设,从数据生产、数据管理平台、数据资产市场化流通、数据资源规划等方面提供高质量的数据要素供给服务。