自动驾驶大模型背后的数据标注生意

最近一段时间，ChatGPT蹿红，引起一阵狂欢。上一次AI行业这么热闹，可能还是Alpha Go击败李世石。

落到产业端，ChatGPT能给自动驾驶带来什么？是大家更关注的话题。

几天前，自动驾驶技术公司毫末智行宣布，将自动驾驶认知大模型升级为DriveGPT。这一个动作，让我们看到了受ChatGPT鼓舞，自动驾驶圈对于AI突破性的想象和期待。

ChatGPT实现的技术支撑是 Transformer大模型以及人类反馈强化学习（RLHF）。其实早在2019年，特斯拉就将Transformer大模型引入到自动驾驶，而在今年年初，毫末也曾表示要借鉴ChatGPT的实现思路，打造人驾自监督认知大模型。

而不论是ChatGPT的突破，还是自动驾驶算法的进化，都离不开一个底层逻辑——基于海量数据的深度学习。这些数据不能是杂乱的，而是需要经过处理的数据，这样才能够帮助算法进行定向学习。

可以说，AI进化的需求，正在带火一个行业——数据标注。

数据标注是一个非常有意思的行业，你可以说它高大上，因为它是人工智能的“老师”，你也可以说它接地气，因为它是一个劳动密集型行业。

这种链接正在打开一个新的商业通路。

近日，我们访谈了数据标注公司恺望数据创始人兼CEO于旭、恺望数据产品项目副总裁张鹏。以恺望数据为案例，我们来聊一聊自动驾驶数据标注的行业痛点及前景。

恺望数据创始人兼CEO于旭及团队

01

数据标注行业走向垂直化、专业化

数据、算力和算法是AI发展的三大基石。数据相当于AI算法的“饲料”，AI学习都要用标注好的数据进行训练，只有经过大量的训练，覆盖尽可能多的场景才能得到一个好的模型。

数据标注是开发机器学习 (ML) 模型时预处理阶段的一部分，它需要识别原始数据并添加标签为机器学习模型指定上下文，帮助其做出准确的预测。

由于近几年AI快速发展，催生了大量数据标注公司。据于旭介绍，目前，这个行业还处于比较分散的早期阶段，大概存在700-800个玩家。

数据标注在有着市场高需求的同时，也面临着诸多挑战，比如成本高、效率差、标注质量参差不齐、市场需求不稳定等。

这两年，随着AI商业化落地加快，数据标注行业也正在走向规范化发展的阶段。

于旭谈到，数据标注正在朝着聚焦垂直化领域、专业化服务的方向发展。同时，数据标注产业正在由单模态向多模态标注发展，这将带来更多机会。

此外，人工标注与自动标注相结合，提升质量和效率，将是行业发展的大趋势。

02

95%自动驾驶数据标注依赖人工

自动驾驶正在进入到技术深水区，一些业内专家认为，基础科学的突破才能带来自动驾驶真正的质变。

ChatGPT正在打开一个思路，大模型训练或许能带来自动驾驶的突破。

数据标注的质量和数量对算法迭代产生重要影响，标注数据的数量越多、质量越高，模型的训练和性能优化就越充分，性能就越好。

随着对自动驾驶商业化落地的需求，自动驾驶数据标注的需求正在逐年攀升。据张鹏介绍，目前，数据标注以人工标注为主，机器标注为辅。而从整个自动驾驶行业的普遍水平来看，可以说，95%的数据标注还是以人工为主。

随着算法模型的不断进化，大模型训练将越来越多地引领数据标注走向自动化，这会是一个明确的趋势。

但这会是一个相当长的过程，于旭认为，时间周期可能在10-15年。

此外，大模型虽好，但需要大算力支撑，动辄就是数千万、甚至上亿级的投入，并不是每个企业都能玩得转。

因此，恺望数据认为，自动标注与人工标注相结合，才是更具性价比的方案。

于旭谈到，对自动驾驶数据生产而言，目前还离不开人力的阶段，但未来最终还是会实现完全的自动化：

“就像是自动驾驶最终会走向L4、L5，但中间会经历L2、L3，但L2、L3的经验、可以使最终形态的自动驾驶更准确更科学的实现，人工智能一定是需要一个基于数据进行积累和建模、最终全面自动化和智能化的过程。这个不会是一簇即就，而是需要逐步实现。”

她进一步表示，OpenAI用7年时间孕育了ChatGPT，在此之前，经历了规模极大、基于人的数据，不断的建模与优化。

科技公司领先技术的应用，最终还要面对解决交付、量产等商业化落地的考验。

虽然人工智能是热门焦点，也是大势所趋，但从目前的实际的产业应用来看，在自动驾驶数据生产领域，多个环节都仍依赖”人为判断及行为“在主导。

她认为，在目前阶段，需要以自动化为目标，根据自动驾驶数据生产流程各环节的规则和逻辑、基于人的模式建模，逐步推动将数据生产从”成熟的人工模式“转化为”成熟的人工智能模型“，解决大规模供应和成本的效益匹配问题。

因此，规模化的人力数据和经验在现阶段就非常重要。

03

提质降本是行业当前核心痛点

算法模型的训练依赖人工标注，最终目标是取代人工标注。自动驾驶真正的成熟还有相当时日，因此这门生意的逻辑是成立的。

自动驾驶数据生产依赖规模化的人力供给，波峰波谷的人效配置及稳定、优质数据供应问题一直是行业内的最大问题。

对于赛道玩家来讲，一个核心痛点在于上游需求散，下游产能不稳定，在上下游管理上都存在优化空间。

另一个痛点在于，数据标注是一个价格敏感的行业，在保障数据处理质量同时做到降本，是整个行业的期待方向。

也就是说，需求方的痛点在于如何降成本，供给方则希望能够稳定、规范化、可持续的推进业务。两方的需求都有赖于行业规范化。

数据生产流程包括对需求规则的解读、数据任务拆分、人员匹配，也包括在生产管理过程进行产能监管、质量监管、效率监管，有些部分可以实现全自动化，但有些部分、尤其是需要人为判断的部分，还有待更多成熟的模型建成，才能逐步实现自动化。

目前在行业内的技术方案，多数是关注解决预标注这个环节的效率，而恺望数据认为，现阶段要持续实现稳定的低价数据供应，关键是在通过“自动化技术+人力运营管理”的部署，来提升全生产及管理流程的全局效率，进一步提供规模化的稳定低价数据供应。

目前，恺望数据从两方面入手来解决这个痛点。

一方面，基于“自动化产线+规模化人力”策略，恺望数据推出了自动化数据产线，通过SaaS平台、算法、各板块建模等工具，将每个版块原子化拆分，进而优化每个环节效率。据介绍，目前已可以实现成本降低超过20%。

另一方面，为了保证人力资源的规模化、稳定性，恺望数据也在推进校企生态合作，与全国20多家实训基地建立了合作，培训逾千位数据标注员。

可以说，ChatGPT拉火了整个AI赛道，并将带动上下游企业快速发展，站在创业的风口上，像恺望数据一样的创业公司，能够在这一波浪潮下，创造出什么样的新模式和新价值，还是非常值得期待的。