2024年中國數(shù)據(jù)標注行業(yè)發(fā)展現(xiàn)狀及趨勢研判：數(shù)據(jù)標注發(fā)展?jié)摿薮?，細化?shù)據(jù)標注成為行業(yè)未來發(fā)展趨勢[圖]

內(nèi)容概況：數(shù)據(jù)加工包括數(shù)據(jù)清洗、數(shù)據(jù)標注、數(shù)據(jù)審核等，本質(zhì)上是提升數(shù)據(jù)資源質(zhì)量的過程，數(shù)據(jù)資源的質(zhì)量越高其價值越大。具體分環(huán)節(jié)看：企業(yè)標配的能力，基本在數(shù)據(jù)收集存儲環(huán)節(jié)就已經(jīng)完成；數(shù)據(jù)標注：由于非結(jié)構(gòu)化數(shù)據(jù)占比越來越大，對于數(shù)據(jù)標注行業(yè)的需求穩(wěn)定提升，已經(jīng)形成一個穩(wěn)定成長的行業(yè)，數(shù)據(jù)標注行業(yè)市場規(guī)模不斷擴大，圖像類和語音類需求占比超八成。數(shù)據(jù)統(tǒng)計，2022年中國數(shù)據(jù)標注行業(yè)市場規(guī)模為50.8億元，2023年數(shù)據(jù)標注行業(yè)市場規(guī)模約為60.8億元。

關(guān)鍵詞：數(shù)據(jù)標注、圖像標注、文本標注、語音標注、計算機視覺、智能語音

一、數(shù)據(jù)標注行業(yè)概述

數(shù)據(jù)標注是指借助特定軟件標注工具以人工的方式將圖片、語音、文本、視頻等數(shù)據(jù)內(nèi)容打上特征標簽，使計算機通過大量學(xué)習這些帶有特征標簽的數(shù)據(jù)，最終具備自主識別特征的一種行為。數(shù)據(jù)標注技術(shù)作為提供訓(xùn)練數(shù)據(jù)的必經(jīng)環(huán)節(jié)，促進了人工智能的快速發(fā)展。常見的數(shù)據(jù)標注按照數(shù)據(jù)類型可以分為圖像標注、文本標注及語音標注。

中國數(shù)據(jù)標注行業(yè)的發(fā)展歷程可以大致分為四個階段。在起步階段，大約在2005年左右，一些計算機視覺和人工智能領(lǐng)域的專家開始意識到數(shù)據(jù)標注的重要性，并進行了簡單的數(shù)據(jù)標注工作。這個階段的數(shù)據(jù)標注主要由學(xué)術(shù)機構(gòu)和科研人員自發(fā)進行，規(guī)模較小，還沒有形成一個獨立的行業(yè)。隨著人工智能技術(shù)的不斷發(fā)展和普及，數(shù)據(jù)標注的需求逐漸增多。在探索階段，一些企業(yè)開始看到數(shù)據(jù)標注的市場潛力，并開始進入這個領(lǐng)域。這個階段的數(shù)據(jù)標注主要由小型創(chuàng)業(yè)公司和個人工作室提供服務(wù)，標注的內(nèi)容相對較簡單，主要是文本、圖片等類型的數(shù)據(jù)。從2015年開始，隨著深度學(xué)習等技術(shù)的興起，數(shù)據(jù)標注的需求呈現(xiàn)爆炸性增長。在快速發(fā)展階段，大量的人工智能企業(yè)涌現(xiàn)，對數(shù)據(jù)標注服務(wù)的需求急劇增加。同時，一些大型互聯(lián)網(wǎng)公司也開始布局數(shù)據(jù)標注領(lǐng)域，推出自己的數(shù)據(jù)標注平臺和工具。這個階段的數(shù)據(jù)標注服務(wù)逐漸形成了一個龐大的產(chǎn)業(yè)，涵蓋了圖像、文本、音頻、視頻等多種類型的數(shù)據(jù)標注。2018年以來，中國數(shù)據(jù)標注行業(yè)已經(jīng)進入了一個相對成熟和穩(wěn)定的階段。雖然數(shù)據(jù)標注的需求仍然在增長，但增長速度已經(jīng)趨于平緩。在這個階段，數(shù)據(jù)標注公司的競爭更加激烈，服務(wù)質(zhì)量、價格和技術(shù)實力成為競爭的關(guān)鍵因素。同時，隨著人工智能技術(shù)的不斷發(fā)展和應(yīng)用場景的拓展，數(shù)據(jù)標注行業(yè)也面臨著新的挑戰(zhàn)和機遇。

二、數(shù)據(jù)標注行業(yè)政策

隨著數(shù)據(jù)標注市場不斷壯大，數(shù)據(jù)標注市場的各個參與主體都投入到市場運作中。相關(guān)政策文件的密集出臺推動我國數(shù)據(jù)標注產(chǎn)業(yè)迅速發(fā)展，技術(shù)不斷進步，基礎(chǔ)設(shè)施不斷完善，融合應(yīng)用不斷深入。2023年12月，國家發(fā)展改革委等五部門印發(fā)《深入實施“東數(shù)西算”工程加快構(gòu)建全國一體化算力網(wǎng)的實施意見》，提出差異化統(tǒng)籌布局行業(yè)特征突出的數(shù)據(jù)集群，促進行業(yè)數(shù)據(jù)要素有序流通，打造一批涵蓋算力利用與數(shù)據(jù)開發(fā)的行業(yè)數(shù)據(jù)應(yīng)用空間，服務(wù)行業(yè)大模型的基礎(chǔ)實驗及商業(yè)化應(yīng)用。2024年3月，河南省人民政府辦公廳印發(fā)《河南省加快制造業(yè)“六新”突破實施方案》，提出加快建設(shè)數(shù)據(jù)標注行業(yè)標準體系，支持商丘、安陽市打造高水平數(shù)據(jù)標注產(chǎn)業(yè)集群。到2025年，突破一批關(guān)鍵算法，初步建成較為完善的算法轉(zhuǎn)化與應(yīng)用生態(tài)。

三、數(shù)據(jù)標注行業(yè)產(chǎn)業(yè)鏈

數(shù)據(jù)標注位于產(chǎn)業(yè)鏈中游，是AI商業(yè)化應(yīng)用中重要的一環(huán)。行業(yè)的上游為AI技術(shù)數(shù)據(jù)服務(wù)商、IDC廠商、服務(wù)器等數(shù)據(jù)資源提供方和硬件資源供應(yīng)商。中游為數(shù)據(jù)標注廠商，包括AI基礎(chǔ)數(shù)據(jù)服務(wù)商，如海天瑞聲等。下游則是數(shù)據(jù)標注行業(yè)的應(yīng)用領(lǐng)域，包括計算機視覺、智能語音和自然語言等。

相關(guān)報告：智研咨詢發(fā)布的《中國數(shù)據(jù)標注行業(yè)市場供需形勢分析及投資前景評估報告》

四、數(shù)據(jù)標注行業(yè)發(fā)展現(xiàn)狀

數(shù)據(jù)加工包括數(shù)據(jù)清洗、數(shù)據(jù)標注、數(shù)據(jù)審核等，本質(zhì)上是提升數(shù)據(jù)資源質(zhì)量的過程，數(shù)據(jù)資源的質(zhì)量越高其價值越大。具體分環(huán)節(jié)看：企業(yè)標配的能力，基本在數(shù)據(jù)收集存儲環(huán)節(jié)就已經(jīng)完成；數(shù)據(jù)標注：由于非結(jié)構(gòu)化數(shù)據(jù)占比越來越大，對于數(shù)據(jù)標注行業(yè)的需求穩(wěn)定提升，已經(jīng)形成一個穩(wěn)定成長的行業(yè)，數(shù)據(jù)標注行業(yè)市場規(guī)模不斷擴大，圖像類和語音類需求占比超八成。數(shù)據(jù)統(tǒng)計，2022年中國數(shù)據(jù)標注行業(yè)市場規(guī)模為50.8億元，2023年數(shù)據(jù)標注行業(yè)市場規(guī)模約為60.8億元。

從市場結(jié)構(gòu)來看，計算機視覺和智能語音是數(shù)據(jù)標注行業(yè)的主要應(yīng)用領(lǐng)域。其中計算機視覺是目前最熱門的人工智能項目之一，應(yīng)用于開發(fā)自動駕駛模型、手機面部識別和情感識別等。2023年計算機視覺用數(shù)據(jù)標注市場規(guī)模達到27.5億元。

智能語音是指聲音信息在人機間的交互，包括語音識別技術(shù)（ASR）和語音合成技術(shù)（TTS）。隨著信息技術(shù)的發(fā)展，智能語音技術(shù)已經(jīng)成為人們信息獲取和溝通最便捷、最有效的手段。數(shù)據(jù)統(tǒng)計，2023年中國數(shù)據(jù)標注行業(yè)智能語音市場規(guī)模達到24.6億元。

五、數(shù)據(jù)標注行業(yè)企業(yè)格局和重點企業(yè)分析

企業(yè)格局

AI行業(yè)的蓬勃發(fā)展，對數(shù)據(jù)的需求呈井噴式增長，數(shù)據(jù)標注行業(yè)是伴隨著AI的興起而產(chǎn)生的一個新興行業(yè)。目前，我國國內(nèi)市場越來越多的互聯(lián)網(wǎng)巨頭公司開始組建自己的數(shù)據(jù)標注平臺，京東（京東眾智）、百度（百度眾測）都已經(jīng)擁有自己的標注平臺和工具。頭部公司之外，國內(nèi)近年興起眾多數(shù)據(jù)標注公司，如龍貓數(shù)據(jù)、Testin云測、倍賽BasicFinder、數(shù)據(jù)堂等，這些公司僅次于第一梯隊，都具有相當?shù)囊?guī)模。

重點企業(yè)

北京海天瑞聲科技股份有限公司（以下簡稱“海天瑞聲”）是我國領(lǐng)先的訓(xùn)練數(shù)據(jù)專業(yè)提供商。自2005年成立以來，公司致力于為AI產(chǎn)業(yè)鏈上的各類機構(gòu)提供算法模型開發(fā)訓(xùn)練所需的專業(yè)數(shù)據(jù)集。公司所提供的訓(xùn)練數(shù)據(jù)覆蓋智能語音（語音識別、語音合成等）、計算機視覺、自然語言等多個核心領(lǐng)域，全面服務(wù)于人機交互、智能駕駛、智能家居、智慧城市等多種創(chuàng)新應(yīng)用場景。數(shù)據(jù)統(tǒng)計，2023年海天瑞聲智能語音、計算機視覺、自然語音營收分別為1.03億元、0.47億元和0.15億元。

六、數(shù)據(jù)標注行業(yè)發(fā)展趨勢

1、細化數(shù)據(jù)標注任務(wù)

隨著人工智能技術(shù)在一些行業(yè)的廣泛應(yīng)用，這些行業(yè)原有的數(shù)據(jù)標注任務(wù)已經(jīng)不再滿足業(yè)務(wù)需求。以智能安防為例，為了促進智能安防系統(tǒng)從傳統(tǒng)的被動防御走向智能化的主動預(yù)警，一些新的數(shù)據(jù)標注任務(wù)也應(yīng)運而生。例如，當一個神情緊張或者頭戴面罩的小偷手握一根棍子準備翻越小區(qū)外墻企圖實施盜竊行為時，安防系統(tǒng)應(yīng)該馬上啟動報警系統(tǒng)，并及時向安防人員發(fā)出警告，以保障住戶的財產(chǎn)安全。實現(xiàn)異常情況預(yù)警的新標注任務(wù)，包括表情標注、危險品標注和行為標注，利用這些數(shù)據(jù)標注就能幫助安防系統(tǒng)識別緊張的表情、違法的面罩和違規(guī)的翻越行為。從技術(shù)角度來看，新標注任務(wù)為異常行為的識別與建模提供了高質(zhì)量的訓(xùn)練數(shù)據(jù)，也有利于提高模型訓(xùn)練的準確性。因此，針對特定的行業(yè)需求細化標注任務(wù)，將是今后數(shù)據(jù)標注的一個發(fā)展趨勢。

2、推動半自動化數(shù)據(jù)標注工具的研發(fā)

隨著AI技術(shù)的發(fā)展，數(shù)據(jù)標注工具需要從只支持人工標注逐漸轉(zhuǎn)化為人工標注+AI輔助標注的方法。其基本思路為：基于以往的標注，可以通過AI模型對數(shù)據(jù)進行預(yù)處理，然后由標注人員在此基礎(chǔ)上做一些校正。以圖像標注為例，標注工具首先通過預(yù)訓(xùn)練的語義分割模型來處理圖像，并生成多個圖像片段、分類標簽及其置信度分數(shù)。置信度分數(shù)最高的片段用于對標簽的初始化，呈現(xiàn)給標注者。標注者可以從機器生成的多個候選標簽中為當前片段選擇合適的標簽，或者對機器未覆蓋到的對象添加分割段。AI輔助標注技術(shù)的應(yīng)用，能夠極大地降低人力成本并使標注速度大幅提升。目前，已經(jīng)有一些數(shù)據(jù)標注公司開發(fā)了相應(yīng)的半自動化工具，但是從標注比例來看，機器標注占比30%左右，而人工標注占比達到70%左右。因此，數(shù)據(jù)標注工具的發(fā)展趨勢是開發(fā)以人工標注為主機器標注為輔的半自動化標注工具，同時減少人工標注的比例，并逐步提高機器標注的占比。

以上數(shù)據(jù)及信息可參考智研咨詢（www.chy數(shù)據(jù)標注數(shù)據(jù)標注.com）發(fā)布的《中國數(shù)據(jù)標注行業(yè)市場供需形勢分析及投資前景評估報告》。智研咨詢是中國領(lǐng)先產(chǎn)業(yè)咨詢機構(gòu)，提供深度產(chǎn)業(yè)研究報告、商業(yè)計劃書、可行性研究報告及定制服務(wù)等一站式產(chǎn)業(yè)咨詢服務(wù)。您可以關(guān)注【智研咨詢】公眾號，每天及時掌握更多行業(yè)動態(tài)。