出品丨虎嗅科技組

作者丨石晗旭

編輯丨宇多田

早上九點(diǎn)，劉吉手下20多個(gè)人就坐在各自的臺(tái)式機(jī)前，眼睛一眨不眨盯著屏幕，沒(méi)有任何交流。要不是手里來(lái)回移動(dòng)的鼠標(biāo)和屏幕點(diǎn)擊聲，外人會(huì)以為這些人統(tǒng)統(tǒng)陷入了“JPG模式”。

他們的屏幕上滿(mǎn)是文字，仔細(xì)看去，都是用戶(hù)給電商平臺(tái)的留言：

“我的貨還沒(méi)到”，“什么時(shí)候能發(fā)貨”，“周二可以發(fā)貨嗎”……

數(shù)據(jù)標(biāo)注員熟練地給這些語(yǔ)句中出現(xiàn)的“語(yǔ)素”打上各種標(biāo)簽，包括情感、詞性和用戶(hù)訴求。而這樣的句子，他們一天就要處理2000多條。

只有“學(xué)習(xí)”大量像這樣打好標(biāo)簽的數(shù)據(jù)，所謂的“AI客服”才能真正弄懂人類(lèi)想表達(dá)什么，從而做出相應(yīng)的回應(yīng)。

實(shí)際上，無(wú)論我們聽(tīng)到的AI技術(shù)有多酷炫，都無(wú)法掩蓋其認(rèn)知水平還不如5歲小孩的事實(shí)。

現(xiàn)階段，讓AI提升認(rèn)知世界能力的最有效途徑仍然是監(jiān)督學(xué)習(xí)，劉吉團(tuán)隊(duì)正在做的數(shù)據(jù)標(biāo)注是其中最基礎(chǔ)的一環(huán)。

就像教小孩子一樣，數(shù)據(jù)標(biāo)注員通過(guò)打標(biāo)簽的方式，將數(shù)據(jù)處理成AI能夠理解的特征。這些特征將指向一個(gè)結(jié)果，進(jìn)而通過(guò)模型訓(xùn)練讓AI可以將特征與結(jié)果對(duì)應(yīng)，從而完成對(duì)某一類(lèi)事物的認(rèn)知——

其實(shí)就是一個(gè)在人類(lèi)看起來(lái)極為簡(jiǎn)單的分類(lèi)過(guò)程。

以自動(dòng)駕駛為例，標(biāo)注員們?cè)趫D像上框選出汽車(chē)、行人等物體輪廓，這些輪廓標(biāo)簽反饋到AI訓(xùn)練模型后，無(wú)人汽車(chē)才能具備分辨周?chē)矬w的能力。

而讓AI達(dá)到人類(lèi)的認(rèn)知水平，至少需要幾十億甚至幾百億樣本的喂養(yǎng)。這些樣本只能通過(guò)人工一點(diǎn)點(diǎn)的拉框、標(biāo)點(diǎn)來(lái)獲得。

沒(méi)錯(cuò)，智能的背后，是大量的人工。

像劉吉這樣的團(tuán)隊(duì)，數(shù)據(jù)眾包平臺(tái)——莫比嗨客上還有30萬(wàn)個(gè)。他們都是注冊(cè)在案的公司，平均有20~25個(gè)數(shù)據(jù)標(biāo)注員，是一個(gè)個(gè)分布在貴州、河南、山西等地的小型數(shù)據(jù)工廠(chǎng)。根據(jù)中科院自動(dòng)化所研究員王金橋的估算，全國(guó)從事這項(xiàng)工作的人已達(dá)到千萬(wàn)級(jí)。

這些數(shù)據(jù)標(biāo)注員有一個(gè)被圈內(nèi)人默認(rèn)的外號(hào)：AI民工。

他們中的大部分人教育水平不高，在各省的貧困縣里，重復(fù)著單調(diào)的拉框、標(biāo)點(diǎn)，像一臺(tái)臺(tái)每天高速運(yùn)轉(zhuǎn)8～15個(gè)小時(shí)的機(jī)器。

在他們看來(lái)，這跟在田里、工地里工作最大的不同是能夠安穩(wěn)地窩在辦公室中——與其說(shuō)是辦公室，不如說(shuō)更像一間網(wǎng)吧。他們機(jī)械地忙碌著，拿著微薄的工資(月均不到3000元)，全然不知自己參與的是值上千萬(wàn)的高科技項(xiàng)目。

美國(guó)青年文化媒體Vice在2018年去中國(guó)農(nóng)村小鎮(zhèn)采訪(fǎng)蝸居在那里的青年數(shù)據(jù)標(biāo)注員

如今，除了互聯(lián)網(wǎng)及人工智能創(chuàng)業(yè)公司外，越來(lái)越多的政府、學(xué)術(shù)機(jī)構(gòu)等對(duì)AI的投入也在迅速增長(zhǎng)。據(jù)IDC、浪潮報(bào)告預(yù)估，2023年，中國(guó)人工智能基礎(chǔ)架構(gòu)市場(chǎng)將超過(guò)80億美金，未來(lái)五年年復(fù)合增?率達(dá)到33.8%。

但由于市場(chǎng)的分散，帶著需求的甲方們很難找到經(jīng)濟(jì)又實(shí)惠的解決方案，在效率、質(zhì)量、成本間難免有所取舍。

而對(duì)于大大小小的乙方們來(lái)說(shuō)，拓展客戶(hù)資源本就不易。在服務(wù)客戶(hù)的過(guò)程中，依靠自己的能力兼顧團(tuán)隊(duì)產(chǎn)能、任務(wù)期限、價(jià)格、交付質(zhì)量等環(huán)節(jié)毫無(wú)疑問(wèn)是更大的挑戰(zhàn)。

此前曾被彭博等多家知名外媒報(bào)道的硅谷公司Scale AI正在通過(guò)人機(jī)協(xié)作解決這些痛點(diǎn)。

Scale開(kāi)發(fā)的軟件可以實(shí)現(xiàn)對(duì)圖像等數(shù)據(jù)的自動(dòng)化標(biāo)注，標(biāo)注員們?cè)诖嘶A(chǔ)上進(jìn)行審核及修改即可交付結(jié)果。

這款軟件實(shí)現(xiàn)了Scale首席執(zhí)行官Alexandr Wang提升數(shù)據(jù)標(biāo)注效率的設(shè)想，“以往需要幾小時(shí)的任務(wù)現(xiàn)在只需要幾分鐘就能完成”。

在Scale的啟示下，莫比嗨客、格物鈦（Graviti）等眾包平臺(tái)也開(kāi)始探索智能化提升數(shù)據(jù)標(biāo)注效率與質(zhì)量的方式。他們正在將一部分的數(shù)據(jù)標(biāo)注、任務(wù)分配、結(jié)果管理、激勵(lì)機(jī)制等環(huán)節(jié)交給AI完成。

去年，Scale完成1億美元融資，并達(dá)成近億美元的銷(xiāo)售額，在成立短短三年內(nèi)便躋身獨(dú)角獸行列。這不禁讓人期待，中國(guó)數(shù)據(jù)服務(wù)巨獸的崛起。

效率與質(zhì)量之痛

互聯(lián)網(wǎng)、AI公司及政府、學(xué)術(shù)等各類(lèi)機(jī)構(gòu)的數(shù)據(jù)需求很難自給自足。

2017年，中國(guó)安防巨頭海康威視全年共售出9800多萬(wàn)個(gè)攝像頭。如果這些攝像頭一年所能產(chǎn)生的數(shù)據(jù)總量是1500多萬(wàn)PB，那么中國(guó)的所有數(shù)據(jù)中心加起來(lái)都存不下這么多數(shù)據(jù)。

這種爆發(fā)增長(zhǎng)的非結(jié)構(gòu)化數(shù)據(jù)，當(dāng)然需要相當(dāng)大規(guī)模的人工進(jìn)行處理。

莫比嗨客創(chuàng)始人劉端陽(yáng)告訴虎嗅，字節(jié)跳動(dòng)在全國(guó)一共5萬(wàn)多員工，其中在濟(jì)南、天津、武漢的數(shù)據(jù)標(biāo)注員就占到了4萬(wàn)人。

但字節(jié)跳動(dòng)畢竟只是個(gè)例。

如果所有企業(yè)或機(jī)構(gòu)都在內(nèi)部建立動(dòng)輒幾百人甚至上千、上萬(wàn)規(guī)模的數(shù)據(jù)標(biāo)注部門(mén)，承擔(dān)的人力成本將極為高昂。而且一旦需求斷檔，這些閑下來(lái)的人員如何安排也是很大的問(wèn)題。

所以，越來(lái)越多的公司正在選擇成為甲方，將數(shù)據(jù)需求通過(guò)外包解決。一方面，可以交給有能力控制整個(gè)流程的數(shù)據(jù)工廠(chǎng)，如管理5000標(biāo)注員的Testin云測(cè)；

另一方面，可以通過(guò)眾包平臺(tái)轉(zhuǎn)接給分散的從業(yè)者們，如百度眾包、京東眾智等。

京東眾智數(shù)據(jù)標(biāo)注平臺(tái)

但問(wèn)題隨之而來(lái)。

前者雖然可以統(tǒng)一地把控交付結(jié)果，但成本依然偏高，且其規(guī)模仍舊受限，只能在一定周期內(nèi)滿(mǎn)足一部分需求；

后者將大任務(wù)拆分成若干個(gè)小任務(wù)進(jìn)行分配的做法固然實(shí)用，但由于供應(yīng)商或兼職標(biāo)注員的良莠不齊，對(duì)數(shù)據(jù)標(biāo)注的完成度和準(zhǔn)確率均存在極大考驗(yàn)。

前Uber自動(dòng)駕駛工程師崔運(yùn)凱回國(guó)后所在的第一家公司就深受其害。

2018年下半年，他們帶著訓(xùn)練模型的任務(wù)找來(lái)了國(guó)內(nèi)12家數(shù)據(jù)標(biāo)注供應(yīng)商。了解需求后，只有2家表示有接這單的能力。崔運(yùn)凱選了價(jià)格便宜的一家。

沒(méi)成想，這家公司不理解數(shù)據(jù)的最終需求就算了，連基本的標(biāo)注工具都沒(méi)有，竟然用Photoshop在圖片上拉框。而圈內(nèi)人都知道，AI只能接受CSV、XML、JSON等特定格式的數(shù)據(jù)。

“這（用PS）輸出的格式能給AI用么？”他向虎嗅吐槽。

甲方到底要什么？乙方們也在暗自揣度。

隨著AI應(yīng)用的加速落地，數(shù)據(jù)工廠(chǎng)們已經(jīng)清楚地認(rèn)識(shí)到，報(bào)價(jià)低和提交的標(biāo)注結(jié)果數(shù)量不再那么重要，準(zhǔn)確率能否超越95%，達(dá)到97%、甚至99%才是自己活下去的命脈。

也就是說(shuō)，甲方對(duì)數(shù)據(jù)質(zhì)量和效率的要求早已凌駕于成本之上。

從這個(gè)角度來(lái)看，行業(yè)的缺口仍然很大。劉端陽(yáng)創(chuàng)辦莫比嗨客也是因?yàn)榭吹竭@樣的機(jī)會(huì)。

“每年中國(guó)這個(gè)市場(chǎng)的規(guī)模差不多有三四百億。但從數(shù)據(jù)采集和標(biāo)注的角度研究，國(guó)內(nèi)的公司其實(shí)沒(méi)有做得特別好的。”

本來(lái)想繼續(xù)做AI應(yīng)用創(chuàng)業(yè)的崔運(yùn)凱也決定切入機(jī)器學(xué)習(xí)基礎(chǔ)服務(wù)市場(chǎng)，成立AI數(shù)據(jù)服務(wù)平臺(tái)格物鈦智能科技。

“只有先解決這些痛點(diǎn)，用更自動(dòng)化的方式提供數(shù)據(jù)服務(wù)，才能為AI創(chuàng)業(yè)者提供更好的基礎(chǔ)設(shè)施。”他說(shuō)。

小型玩家難以自救，用AI反哺數(shù)據(jù)標(biāo)注的平臺(tái)方應(yīng)運(yùn)而起。

今日頭條的啟示

由于行業(yè)不同，自動(dòng)駕駛、醫(yī)療AI、新零售公司對(duì)數(shù)據(jù)標(biāo)注的任務(wù)要求也截然不同；而眾包平臺(tái)另一端，接單方也各有所長(zhǎng)。要他們找到合適的彼此，無(wú)異于大海撈針。

這帶來(lái)的另一個(gè)后果是，接單方出于生存需求拿來(lái)任務(wù)就做，數(shù)據(jù)標(biāo)注的質(zhì)量難以得到保證。

如果將這一匹配的過(guò)程智能化，今日頭條的內(nèi)容推薦系統(tǒng)是個(gè)很好的參考——它總是在判斷你想要看什么，而且似乎越來(lái)越準(zhǔn)。

這也是劉端陽(yáng)構(gòu)想中莫比嗨客進(jìn)化為智能化眾包平臺(tái)的第一步：打造智能化的任務(wù)推薦系統(tǒng)。

因此，在莫比嗨客上線(xiàn)初期，劉端陽(yáng)用公開(kāi)的任務(wù)對(duì)每一個(gè)入駐的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)進(jìn)行測(cè)試，根據(jù)結(jié)果從專(zhuān)業(yè)領(lǐng)域、標(biāo)注速度、完成質(zhì)量等維度對(duì)每一個(gè)團(tuán)隊(duì)內(nèi)的每一個(gè)數(shù)據(jù)標(biāo)注員進(jìn)行能力畫(huà)像與評(píng)價(jià)。

另一端，劉端陽(yáng)也給任務(wù)打上相應(yīng)的標(biāo)簽：任務(wù)內(nèi)容是圖像、音頻、或文本，標(biāo)注的是人臉、物體還是動(dòng)作……

之后再通過(guò)一定的算法，便能實(shí)現(xiàn)標(biāo)簽相同或相似的任務(wù)方與接單方的匹配。且隨著平臺(tái)客戶(hù)、接單方兩端數(shù)量的增加，算法將迭代得更為準(zhǔn)確。

去年8月開(kāi)始做AI數(shù)據(jù)服務(wù)平臺(tái)Graviti時(shí)，崔運(yùn)凱也發(fā)現(xiàn)了標(biāo)注員之間的極大差別：

“有一些特別喜歡打游戲的男生，手速特別快，他在做標(biāo)注的時(shí)候有可能比另外一個(gè)人要快五倍，而且質(zhì)量特別特別高。通過(guò)算法來(lái)自動(dòng)分發(fā)任務(wù)，就可以把最好的任務(wù)分發(fā)給最擅長(zhǎng)的人。”

這種任務(wù)推薦系統(tǒng)對(duì)接單方也很友好。

他們省去了部分自己挖掘客戶(hù)的人力與時(shí)間成本，可以更多投入任務(wù)本身。大大小小數(shù)據(jù)標(biāo)注公司的老板接到任務(wù)后，也不再用親自給員工逐一分配工作，因?yàn)橄到y(tǒng)將直接定位到人。

劉端陽(yáng)將這種模式稱(chēng)為眾包2.0——

經(jīng)過(guò)智能化的匹配，甲方的需求可以得到更好地滿(mǎn)足，愿意為此買(mǎi)單，付給平臺(tái)傭金。而乙方也能勞有所值，更積極地在平臺(tái)上接單。

現(xiàn)在，劉吉每天醒來(lái)后不再先為談客戶(hù)而焦慮，而是打開(kāi)莫比嗨客的后臺(tái)，看看今天團(tuán)隊(duì)要處理多少任務(wù)。

莫比嗨客接單團(tuán)隊(duì)負(fù)責(zé)人的后臺(tái)界面 / 受訪(fǎng)者供圖

但匹配還只是整個(gè)鏈條的第一環(huán)。

就算任務(wù)分發(fā)極為精準(zhǔn)，平臺(tái)也難以避免接單方出現(xiàn)拖延等各種意外情況。雖然甲方有權(quán)減少甚至不支付酬金，但平臺(tái)很難保證這些問(wèn)題不會(huì)再次出現(xiàn)。

因此，在接單過(guò)程中，獎(jiǎng)懲機(jī)制的動(dòng)態(tài)變化也是十分必要的。

在Graviti平臺(tái)中，除了對(duì)接單方初始能力的掌握，崔運(yùn)凱還通過(guò)模型不斷監(jiān)測(cè)接單方在實(shí)際任務(wù)中的能力。

譬如，Graviti采用的獎(jiǎng)勵(lì)模式類(lèi)似Bing、滴滴，對(duì)在線(xiàn)時(shí)間長(zhǎng)、工作質(zhì)量一直較高的接單方提供額外的獎(jiǎng)勵(lì)。

理想狀態(tài)來(lái)看，這將是一個(gè)良性循環(huán)——接單方的良好表現(xiàn)使之得到更高的報(bào)酬，更高的報(bào)酬又促使他繼續(xù)在平臺(tái)接單。若平臺(tái)借此留住優(yōu)質(zhì)的接單方，則平臺(tái)也可以獲得更高粘性的客戶(hù)。

但相比Graviti這種需要一定時(shí)間積累的獎(jiǎng)懲方式，莫比嗨客的做法更為直接，將獎(jiǎng)懲直接體現(xiàn)在了任務(wù)分配的過(guò)程中——

假如現(xiàn)在平臺(tái)上的一個(gè)項(xiàng)目有5000萬(wàn)張圖片需要標(biāo)注，系統(tǒng)會(huì)將其自動(dòng)打散成5萬(wàn)個(gè)任務(wù)組，根據(jù)平臺(tái)畫(huà)像匹配后，將任務(wù)推薦給符合要求的接單方。

被派單的人可以選擇拒絕，但一旦接單，必須要在15分鐘內(nèi)完成10張圖片（莫比嗨客打包的最小單位）的試標(biāo)注；如未完成，任務(wù)將直接自動(dòng)推薦到下個(gè)公司。

而正式標(biāo)注的過(guò)程，莫比嗨客也會(huì)用極為嚴(yán)格的Deadline要求接單方：一個(gè)任務(wù)包，最多延后10個(gè)15分鐘，即2.5小時(shí)。未完成的話(huà)，任務(wù)將重新分配。接單方不僅將顆粒無(wú)收，還將面臨信用降級(jí)，影響日后的派單。

用AI取代“AI民工”

不過(guò)在這里需要提醒大家，即便流程進(jìn)化得再智能，以“數(shù)據(jù)標(biāo)注員”為核心的數(shù)據(jù)標(biāo)注產(chǎn)業(yè)，依然要受制于人工的天花板。

畢竟相比于A(yíng)I，人工輸出的結(jié)果無(wú)法完全統(tǒng)一，運(yùn)算能力也十分有限。

一旦智能化的數(shù)據(jù)標(biāo)注能夠替代人工，這意味著數(shù)據(jù)量和質(zhì)量指數(shù)級(jí)的提升，算法成熟得更快，對(duì)數(shù)據(jù)服務(wù)行業(yè)乃至整個(gè)AI產(chǎn)業(yè)來(lái)說(shuō)都將是一個(gè)極大的里程碑。

也正因如此，開(kāi)發(fā)一款能夠?qū)崿F(xiàn)自動(dòng)化數(shù)據(jù)標(biāo)注的工具才是這些玩家們真正的競(jìng)速賽道。

如今，莫比嗨客先運(yùn)用AI技術(shù)對(duì)一些不復(fù)雜的常見(jiàn)圖像任務(wù)進(jìn)行預(yù)標(biāo)注，再分配給接單方審核、完善并交付結(jié)果。

這樣一來(lái)，平臺(tái)上數(shù)據(jù)的流轉(zhuǎn)速度提升許多。

“同樣是2000張醫(yī)療影像圖片（的標(biāo)注），我們半天時(shí)間就可以交付，一般的平臺(tái)可能要一周”,劉端陽(yáng)告訴虎嗅。在劉端陽(yáng)的統(tǒng)計(jì)中，平臺(tái)效率的提升可以為客戶(hù)節(jié)約20%的成本。

目前，莫比嗨客服務(wù)的客戶(hù)包括騰訊、華為、抖音、科大訊飛等，業(yè)務(wù)覆蓋自動(dòng)駕駛、醫(yī)療影像、人臉識(shí)別和新零售等各個(gè)領(lǐng)域。

峰值時(shí)，莫比嗨客單天接到2億6000多張圖像的標(biāo)注任務(wù)，日均圖片任務(wù)量在7000萬(wàn)~8000萬(wàn)左右。去年全年，平臺(tái)流水達(dá)到2億元。

而晚一年入行的崔運(yùn)凱也在加緊訓(xùn)練自己的AI標(biāo)注模型。

Graviti官網(wǎng)

相比于其他外包形式，他表示當(dāng)下Graviti可以將效率提升5倍以上。

“理論上限是可以提高150倍。”但他坦承，AI還不能達(dá)到同人工一樣的準(zhǔn)確率，算法仍需要在精確度和召回中做平衡。

獨(dú)角獸正在路上

去年4月創(chuàng)辦Graviti時(shí)，崔運(yùn)凱憑借幾個(gè)對(duì)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)進(jìn)行改進(jìn)的優(yōu)秀設(shè)想，拿到了紅杉、真格、云啟、風(fēng)和的千萬(wàn)美元級(jí)投資。而再往前一年，投資界大佬，梅花創(chuàng)投創(chuàng)始合伙人吳世春承包了莫比嗨客的天使輪。

投資大佬們雖然在這個(gè)領(lǐng)域的動(dòng)作還不大，但這種試探似乎透露著趨勢(shì)的到來(lái)。

確實(shí)，在A(yíng)I爆發(fā)式增長(zhǎng)的這幾年間，作為基礎(chǔ)服務(wù)之一的數(shù)據(jù)標(biāo)注市場(chǎng)規(guī)模增長(zhǎng)迅速。當(dāng)下中國(guó)80億美元的AI基礎(chǔ)架構(gòu)市場(chǎng)，和33.8%年復(fù)合增長(zhǎng)率極為誘人。

而莫比嗨客上線(xiàn)近兩年間，劉端陽(yáng)從客戶(hù)一端也感受到了市場(chǎng)的這種張力。

“一些A輪左右的初創(chuàng)公司每年數(shù)據(jù)標(biāo)注預(yù)算差不過(guò)二三十萬(wàn)，D輪的都是千萬(wàn)以上。去年，騰訊只是在微信公眾號(hào)文章審核上的預(yù)算，就是26個(gè)億。”

高速增長(zhǎng)的市場(chǎng)引來(lái)了互聯(lián)網(wǎng)巨頭的關(guān)注，這個(gè)賽道中不乏百度眾包、京東眾智的身影。

大廠(chǎng)的這種操作既能滿(mǎn)足內(nèi)部需求，對(duì)外又能創(chuàng)收，還能在數(shù)據(jù)標(biāo)注市場(chǎng)中站下腳跟，等風(fēng)起后，又能依靠自身的資源優(yōu)勢(shì)迅速擴(kuò)張，算盤(pán)打得很響。

但與大而全相比，后起者都各懷絕技。

莫比嗨客從醫(yī)療AI起家，在CT片、病理細(xì)胞圖像、病例文本已經(jīng)形成了先發(fā)優(yōu)勢(shì)；Graviti平臺(tái)則在崔運(yùn)凱基因的影響下，長(zhǎng)于自動(dòng)駕駛領(lǐng)域。

與行業(yè)的緊密聯(lián)系，對(duì)創(chuàng)業(yè)公司來(lái)說(shuō)就是深入客戶(hù)其他需求的開(kāi)始。

“我們?cè)诜?wù)甲方時(shí)，還會(huì)做很多咨詢(xún)工作，包括參與他們的系統(tǒng)架構(gòu)設(shè)計(jì)。我們天然和甲方的信任關(guān)系會(huì)比普通公司要強(qiáng)，因?yàn)槲覀儽旧砭褪莝peak the same language。”崔運(yùn)凱告訴虎嗅。

美國(guó)數(shù)據(jù)標(biāo)注的競(jìng)爭(zhēng)格局較國(guó)內(nèi)形成更早。除了Scale AI這家新晉獨(dú)角獸外，Uber收購(gòu)的Mighty AI、亞馬遜的自動(dòng)標(biāo)注服務(wù)以及如Hive、Alegion等初創(chuàng)公司也想分下一杯羹。

而知名風(fēng)投Accel與Peter Thiel的Founders Fund之所以更看好Scale AI，是因?yàn)樗麄冋J(rèn)Scale的工具更先進(jìn)，可以更快又更便宜地完成數(shù)據(jù)標(biāo)注。也正因如此，Scale的軟件去年全年能賣(mài)到近億元的銷(xiāo)售額。

Scale AI年僅23歲的創(chuàng)始人Alexandr Wang

據(jù)此，我們不難推測(cè)，如果國(guó)內(nèi)某一家數(shù)據(jù)服務(wù)公司能夠在這場(chǎng)智能化競(jìng)速中率先推出高精度的數(shù)據(jù)標(biāo)注AI，真正讓交付效率和質(zhì)量實(shí)現(xiàn)飛躍，就能從一眾公司中脫穎而出。

畢竟，這是將數(shù)據(jù)標(biāo)注標(biāo)品化的過(guò)程，而標(biāo)品是規(guī)模化的前提。

如今，鮮為人知的數(shù)據(jù)標(biāo)注市場(chǎng)已悄然在美國(guó)孕育出了一只獨(dú)角獸，中國(guó)市場(chǎng)卻還一片朦朧。但在數(shù)以千萬(wàn)計(jì)的人員規(guī)模、指日可待的千億市場(chǎng)的召喚下，中國(guó)獨(dú)角獸也理應(yīng)破土而出。