中国AIGC数据标注产业全景报告（2023）.docx

中国AIGC数据标注产业全景报告

PanoramicReportofGenerativeAIDataLabelingIndustryinChina

2023.11杨净量?位智库QbitAIInsights

序?

数据标注

数据标注，正迎来关键时刻。作为AI认识世界的起点，数据标注本质上是将现实世界信

息结构化、数字化

息结构化、数字化，充分发挥数据信息的价值。

?模型时代到来，AIGC众多垂直场景落地，以及通?智能、具?智能等前沿领域探索，

与?质量、

与?质量、专业化的场景数据密不可分，数据标注从劳动密集型加速朝着知识密集型转

型，?业壁垒进?步提?。

作为底层基础服务，数据标注贯穿?模型全?命周期（训练测试、评估验证和应?迭

代）。???，牵涉关键Know-how，更多?模型公司/AI企业选择?建标注团队和管线；

另???

另???，上下游合作关系将更为紧密和耦合，专业数据服务提供商更多机会将在垂直

领域，帮助企业完成私有化部署。

机遇与挑战并存。合成数据作为新衍?赛道，潜在市场空间巨?。与此同时，数据标注

标准难以统?、数据处理流程尚未规范，?学历多领域多专业成为标注?才的硬指标。

?录

?录

01

01?模型时代下的数据标注

02AIGC数据标注四?变化

03AIGC数据标注三?影响因素

04

04数据标注产业竞争格局/市场规模

05

05数据标注代表玩家案例集

!1

!1

?模型时代下的数据标注

?模型时代下的数据标注

数据标注是AI认识世界的起点

数据标注是将原始数据进?加?处理，?如分类、拉框、注释、标记等操作转换

数据标注是将原始数据进?加?处理，?如分类、拉框、注释、标记等操作转换成机器可识别信息的过程。

国内数据标注?商，?义称之为基础数据服务提供商，通常需要完成数据集结构/流程设计、数据处理、数据质检等?作，为下游客?提供通?数据集、定制化服务、数据闭环?具链等。这也是本次AIGC数据标注全景报告的研究对象。

?般数据处理流程：根据原始数据类型以及训练任务划分：

模型训练测试/验证

模型训练测试/验证

数据标注

数据清洗

数据质检

原始数据

数据标注中的??定律

通常在一个AI项目中，数据准备工作需要80%时长，模型训练和部署仅占20%。

n?本：

词性标注、分类标注、情绪标注、命名实体识别、语义标注、

意图标注等；n图像：

图像分类、语义分割、实例分割、拉框、OCR转写等；n?频：

语?识别、声纹识别、语?转写等；n视频：

?标跟踪、?为识别等；

n3D点云

?模型时代下的数据标注

上市公司股价狂飙，创业公司融资加速

海天瑞声是国内唯??家AI数据上市公司，今年2?以来股价受ChatGPT热潮曾?度狂飙，截?11?10?股价较年初上涨59.75%。

创业代表公司融资情况

创业代表公司融资情况

星尘数据｜22年12?5000万A轮

标?科技｜23年4?超亿元B2轮

整数智能｜23年6?数千万PreA轮柏川数据｜23年7?千万元天使轮

曼孚科技｜23年9?数千万B轮恺望数据｜23年4?战略融资

23年9?数千万PreA轮

?模型数据解决?案多处开花，以?站式、定制化服务为主

围绕?模型开发全?命周期（包括预训练、监督微调、RLHF、红队测试、基准测试等），专业数据服务商、?模型企业、AI公司等各?都拿出相关数据解决?案，?部分以?站式、定制化服务为主。

?云测数据：?向垂直?业?模型数据解决?案

?星尘数据：星尘COSMO?模型数据?字塔解决?案

?澳鹏Appen：AI聊天反馈和基准测试两?解决?案

???引擎：????（涵盖数据服务模块）

?百度：?个?模型数据标注基地

?模型范式涌?数据标注，?动化标注?槛?幅降低

以SAM模型为代表的图像分割模型开源；GPT-4、GPT-4V为代表的?模型也被验证在?本、图像领域标注具有可?性，并衍?出专?做数据标注的?模型，?幅降低?动化标注?槛。国内不少数据服务商进?相关?模型研发，部分产品已经发布：

?海天瑞声：数据?产垂直?模型（研发阶段）

?曼孚科技：?动驾驶数据标注视觉?模型（已完成研发）

??猫数据：?动驾驶?模型AutopilotGPT