2019数据标注行业的发展速度更加令人惊叹!人工智能外包公司、人工智能企业部门、第三方数据标注与审核公司三分市场

 数据标注就是使用自动化的工具从互联网上抓取、收集数据包括文本、图片、语音等等,然后对抓取的数据进行整理与标注。数据标注与审核行业上游为计算机软硬件生产商及人力资源行业,下游主要是安放、自动驾驶等人工智能领域。

数据标注与审核行业产业链示意图

资料来源:智研咨询整理

    智研发布的《2019-2025年中国数据标注与审核行业市场专项分析研究及投资前景预测报告》显示:近几年,数据标注与审核行业快速发展,2018年市场规模已达到52.55亿元,至少在未来的5年内,数据标注行业的增长空间还很大,数据标注的市场才刚打开,数据需求将紧随人工智能的大规模落地引来一波爆发式增长。

2015-2018年数据标注与审核行业市场规模及增速情况

资料来源:智研咨询整理

    近几年,随着国内人工智能行业的飞速发展,数据标注与审核行业产值快速增长,从2015年的5.85亿元增长到2018年的54.02亿元,近几年我国数据标注与审核行业产值情况如下图所示:

2015-2018年中国数据标注与审核行业产值情况

资料来源:智研咨询整理

    2018年我国数据标注与审核行业规模达到52.55亿元。其中,有三分之一是AI公司内部的标注部门消化,另外三分之一被商务流程外包公司瓜分,剩下的34%左右业务量流向专门做数据采标的第三方公司。

2018年我国数据标注与审核行业分布格局

资料来源:智研咨询整理

2018年我国部分地区数据标注与审核行业优势企业一览

产品名称

所属公司

所在地区

简介

荟萃

上海丁火智能科技有限公司

上海(华东)

丁火智能是一家人工数据标注服务提供商,通过“移动众包执行+全职员工全检”模式,为企业提供数据采集和标注服务,“移动众包”用于降低成本提高效率,“全职员工”用于保证交付数据质量,提供的服务包括图片、文本、语音和视频的采集和标注。

龙猫数据

北京安捷智合科技有限公司

北京(华北)

龙猫数据是一家专业的人工智能数据服务提供商,致力于提供人工智能大数据采集、数据标注、数据提取、数据校验、数据清洗、线上众包等服务,服务领域涵盖图像、语音、文本、视频四个方面。

爱数智慧

北京爱数智慧科技有限公司

北京(华北)

爱数智慧——专业的AI人工智能数据服务提供商。致力于提供智能语音、图像、文本数据的采集、清洗、标注、校验等服务,为深度学习提供训练语料。

视在科技

杭州视在科技有限公司

上浙江(华东)

视在科技是一家基于视觉行为分析的运营服务公司。公司通过VAI技术实现数据自动标注化、结构化等行为算法,将大数据显像化并提供行业解决方案和AI算法,进而形成闭环商业链。

泛函科技

北京泛函科技有限公司

北京(华北)

泛函科技是一家以技术为核心,专注于各类语音、图像采集及数据处理科技公司,可承接全世界30+类语言语音及图像文件的标注和清洗工作。拥有覆盖全球36个国家和地区的采集和标注资源,致力于为客户提供一站式训练集数据定制服务

锦翰科技

锦翰科技(深圳)有限公司

广东(华南)

一家位置数据服务提供商,致力于利用地图、定位和大数据分析技术为传统的建筑物运营管理者提供数字化的运营、管理、营销的位置服务解决方案,同时为消费者提供基于位置的崭新服务。

BasicFinder平台

北京深度搜索科技有限公司

北京(华北)

深度搜索科技是一家图像识别与深度学习技术研发商,公司的主要业务包括提供大数据标注、人工智能技术咨询与提供相应的技术解决方案、智能系统企业定制和智能生活平台化产品等多项服务。

星尘数据

北京星尘纪元智能科技有限公司

北京(华北)

星尘数据是一家为专为人工智能研发机构服务的数据众包平台。我们提供训练模型过程中所需要的人力来帮助解决数据的采集、标定、质量监控等工作,使企业能够专注于自己的核心业务。星辰数据的团队成员均来自于世界一流的知名企业,有着多年机器学习的经验和对数据标注服务的深入理解。我们结合了谷歌、百度等世界顶尖人工智能公司的标注系统,轻松、快捷地解决您的所需标注任务。

霓螺

霓螺(宁波)信息技术有限公司

浙江(华东)

霓螺是一家图像视频扫描与识别技术服务企业,包括物体检测,将对上传的视频进行快速扫描探测并识别出人、车、物。推荐视频中NILO标签标注点;图像识别,对物体图像进行搜索,建立视频内标记NILO标签的物体与数据库中信息的关联关系;以及运动跟踪,所有的NILO标签都可以自动跟踪物体的运动轨迹。

 

资料来源:智研咨询整理

    2015年,我国数据标注与审核人工智能企业部门规模为2.36亿元,人工智能外包公司规模为1.85亿元,第三方数据标注与审核公司规模为1.41亿元。2018年,我国数据标注与审核人工智能企业部门规模为17.34亿元,较上一年相比增长了61.60%,人工智能外包公司规模为17.34亿元,较上一年相比增长了66.41%,第三方数据标注与审核公司规模为17.87亿元,较上一年相比增长了88.11%。

2015-2018年中国数据标注与审核应用市场需求特征

推荐文章

日前,李克强总理在上海考察时对运用人工智能和大数据改善政府服务提出了新要求。准确把握人工智能和大数据的新风口,需要进一步转变思路、创新模式、推动公众参与。   防范出现“眉毛胡子一把抓”   实践中,由于工作推进的思路与方法不清晰,不少智能化应用非但没有减少政府部门的工作量,反而给一些主管部门新增了负担。   例如,在智慧交通项目推进中,技术公司在不懂政府管理关键节点情形下开发的智能化系统,倾向于将城市管“死”。这不仅增加了相关部门的工作负担,而且损害了行政韧性。   同时,由于智能化管理系统的流程设置问题,当自上而下的压力型行政系统遇到程序化的智能化应用系统之后,原本应该走进社区、走向一线、走入群众的工作在“规范化管理、精准化服务、智能化发现”的程序设计思路中遭到弱化。结果是,政府投入增加了,基层工作人员更忙了,政府服务测评分数反而下降了。   为此,有必要改善政府部门对人工智能和大数据应用的管理感受度,推动应用场景开发的供给侧改革。   例如,为解决智慧交通管理有效关键信息抓取少、无用信息抓取多、系统使用效能感不强的问题,政府部门可探索政企合作的供给侧改革模式,将交通管理的关键信息和关键节点重点列出、重点研究、重点解决,以此防范出现“胡子眉毛一把抓”的问题。   以问题为导向实现系统迭代   现实中,由于分布式开发机制与自上而下条块体制结合度不够,企业参与城市智能化管理系统开发的获得感往往不足。同时,在条块体制下,下级政府部门的系统往往既要兼容上级条线管理部门,又要兼容本级政府部门,以实现政府系统的互联互通。在多重要求之下,“多方满意方案”的系统性能往往被打折扣。   要提升企业参与人工智能和大数据应用开发的获得感,有必要创新开发模式,改变现有的整体外包式或分布式开发路径依赖。   一方面,在城市智能化管理的应用程序开发过程中,应事先明确技术开发标准,定义好可兼容的信息存储格式和数据接口,避免产生不同条块部门反复重建系统的问题。   另一方面,一级政府部门应以公司化的运作模式建立起自己的技术团队,在初期进行主系统程序招标的基础之上,将政府部门自身的技术团队不断融入主系统的开发和维护之中,从而实现城市智能化管理主系统的稳定与可持续。   处理好安全、便民、隐私关系   由于前期缺乏充分论证和公众参与,本应以“安全、便民、高效、公正”为导向的智能化系统,在实际应用中反而给公众带来了新的烦恼。   要提升公众对于人工智能和大数据应用的感受度,需着力处理好两对关系:   一是安全与便民的关系。   城市公共安全固然重要,但智能化管理不能因安全问题而因噎废食,不能为了解决安全问题而将城市“管死”、将公众“圈住”、给居民“添堵”。这就要求在前期应用场景规划中,引入更多的公众参与,考虑到多样化的需求和场景,实现城市智能化管理安全与便民的平衡。   二是安全与隐私的关系。   随着社会的现代化,在主要以职业界定身份和社会关系网络的城市社会中,对多元价值的包容成为现代城市文明的主要标志。在不危害社会公共秩序、不影响其他人生活的前提下最大限度地实现自我选择和自我发展,就对个人隐私保护提出了更高要求。为此,城市智能化管理的系统开发应准确划分公共领域和私人领域的范围,做到安全保护与个人隐私、法治与人文关怀的兼顾。   探索高效管理与透明管理   总的来看,对焦新风口,推动人工智能和大数据的深度应用,是推动政府管理转型升级的重大机遇。   首先,人工智能和大数据为高效的城市管理系统建设提供了可能。纵观人类百年城市史,行政系统低效、腐败、管理不善是除外敌入侵之外的最大威胁。智能化管理通过抓取有效信息,有望实现高效管理和透明管理。这是城市治理的一次重大突破。   其次,在人工智能和大数据应用中,政府代表的公平价值与企业代表的效率价值可以尝试进行融合,进而达成社会治理创新的共识。   再次,从更长的历史时段来看,治理体系和治理能力现代化最终要建立在命运共同体之上,而人工智能和大数据的应用通过多主体的互融互通,客观上有助于加速这一探索进程。

热门文章

简单讲:互联网数据标注员是借助电脑或者移动设备对一些原始的数据进行处理,生产出满足AI公司机器学习需要数据的一群人。按照数据处理对象的不同,工作内容也会有差别,标注员的工作内容可以分为:分类;框选;注释;标记。按照所处公司的不同,标注员的工作方式也会有差别:有的人工智能公司处于对数据安全性考虑会自建标注团队,在这些公司工作的标注员可以保证自己工作内容不会出现太大变动;但一些服务于人工智能公司非专业外包公司标注员的工作则是项目制的,一个项目忙完紧接着做另一个项目,这样工作内容连续性较差,对一种类型的项目经验也不会积累的太多。就目前来说,人工智能还处于人工增长阶段,机器依然需要大量的数据进行训练,测试。标注员在当下也会一直存在,而且从业群体会越来越多,所以暂时不用担心这份职业会不会短期消失。就标注员从业来说,建议选择人工智能公司和专业的数据公司,这样可以保证自己在一个方向上了解的足够深入。就职场晋升来说,以牛牛数据为例:标注员——项目经理——项目总监——数据运营总监。首先谈谈什么是数据标注。数据标注有许多类型,如分类、画框、注释、标记等等,我们会在下面详谈。要理解数据标注,得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的,例如我们学习认识苹果,那么就需要有人拿着一个苹果到你面前告诉你,这是一个苹果。然后以后你遇到了苹果,你才知道这玩意儿叫做“苹果”。类比机器学习,我们要教他认识一个苹果,你直接给它一张苹果的图片,它是完全不知道这是个啥玩意的。我们得先有苹果的图片,上面标注着“苹果”两个字,然后机器通过学习了大量的图片中的特征,这时候再给机器任意一张苹果的图片,它就能认出来了。这边可以顺带提一下训练集和测试集的概念。训练集和测试集都是标注过的数据,还是以苹果为例子,假设我们有1000张标注着“苹果”的图片,那么我们可以拿900涨作为训练集,100张作为测试集。机器从900张苹果的图片中学习得到一个模型,然后我们将剩下的100张机器没有见过的图片去给它识别,然后我们就能够得到这个模型的准确率了。想想我们上学的时候,考试的内容总是不会和我们平时的作业一样,也只有这样才能测试出学习的真正效果,这样就不难理解为什么要划分一个测试集了。我们知道机器学习分为有监督学习和无监督学习。无监督学习的效果是不可控的,常常是被用来做探索性的实验。而在实际产品应用中,通常使用的是有监督学习。有监督的机器学习就需要有标注的数据来作为先验经验。在进行数据标注之前,我们首先要对数据进行清洗,得到符合我们要求的数据。数据的清洗包括去除无效的数据、整理成规整的格式等等。具体的数据要求可以和算法人员确认。二、常见的几种数据标注类型1.分类标注:分类标注,就是我们常见的打标签。一般是从既定的标签中选择数据对应的标签,是封闭集合。如下图,一张图就可以有很多分类/标签:成人、女、黄种人、长发等。对于文字,可以标注主语、谓语、宾语,名词动词等。<img src="https://pic2.zhimg.com/50/v2-df93dc0a7e8a5fe387dc3774748b5f05_hd.jpg" data-caption="" data-size="normal" data-rawwidth="700" data-rawheight="400" class="origin_image zh-lightbox-thumb" width="700" data-original="https://pic2.zhimg.com/v2-df93dc0a7e8a5fe387dc3774748b5f05_r.jpg">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。如人脸识别,首先要先把人脸的位置确定下来。行人识别,如下图。<img src="https://pic2.zhimg.com/50/v2-7824903d6d840e2bb08d96b5c2fa5874_hd.jpg" data-caption="" data-size="normal" data-rawwidth="591" data-rawheight="398" class="origin_image zh-lightbox-thumb" width="591" data-original="https://pic2.zhimg.com/v2-7824903d6d840e2bb08d96b5c2fa5874_r.jpg">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。如自动驾驶中的道路识别。<img src="https://pic3.zhimg.com/50/v2-4bc1dd2278182acf94fc426d7e6f2dc1_hd.jpg" data-caption="" data-size="normal" data-rawwidth="601" data-rawheight="377" class="origin_image zh-lightbox-thumb" width="601" data-original="https://pic3.zhimg.com/v2-4bc1dd2278182acf94fc426d7e6f2dc1_r.jpg">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。<img src="https://pic4.zhimg.com/50/v2-5e24f394516c75e45942c37ba0da85c0_hd.jpg" data-caption="" data-size="normal" data-rawwidth="583" data-rawheight="387" class="origin_image zh-lightbox-thumb" width="583" data-original="https://pic4.zhimg.com/v2-5e24f394516c75e45942c37ba0da85c0_r.jpg">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。(或则你把它归为分类也是可以的,只是标注主要观点就没有这么客观的标准,如果是标注苹果估计大多数人标注的结果都差不多。)三、有什么发展前途?数据标注员可以说是AI消灭了一部分工作又创造出来的一种工作。在未来AI发展良好的前提下,数据的缺口一定是巨大的。可以预见3-5年内数据标注员的需求会一直存在。至于发展,其实所谓一些熟能生巧的工作,都是有被替代掉的风险的。深度学习解决的一件事情就是熟能生巧。在这个岗位上,其实你的一些想法就代表了AI的想法,AI会根据你标注的数据进行学习,想想还是有点成就感的。数据标注可以说是AI的入门级岗位,未来可转向其他AI岗位。如项目实施顾问等,这就要求更多的工作技能,需要再工作中积累。作者:跹尘链接:https://www.zhihu.com/question/30654399/answer/264828926来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。