2023自动驾驶数据标注公司排行

近日，由极客网发起评选的《2023自动驾驶数据标注公司排行》榜单正式揭晓，10家自动驾驶数据标注公司荣登榜单：

　　

    

　　

一、自动驾驶狂飙突进，数据标注需求激增

　　

据不完全统计，2022年1月至10月，国内自动驾驶领域共融资67起，披露融资额累计达143亿元；而从10月到12月，国内智能驾驶相关领域发生融资事件40多起，累计融资超百亿元，自动驾驶“狂飙”之势显著。

　　

这一方面得益于前景的牵引——麦肯锡研究报告指出，2030年中国自动驾驶汽车总销售额将达2300亿美元，基于自动驾驶的出行服务订单金额将达2600亿美元，是全球最大的自动驾驶市场；另一方面也受益于政策的驱动——工信部发文对L3、L4自动驾驶车辆展开试点工作，国家首次发放城市高级辅助驾驶地图许可……

　　

在自动驾驶狂飙突进之际，其背后关键的数据标注需求也在激增。IDC数据显示，2021年我国人工智能数据采集、标注服务市场规模为30亿元左右。未来几年将保持快速增长，增速维持在20%以上，预计2025年市场规模将达到123.4亿元。自动驾驶正是其中需求巨大且增长迅速的一个领域。

　　

自动驾驶行业的数据标注，指的是在采集自动驾驶各场景数据后，通过分类、分割、关键点线标注、画框、追踪等处理方式，对图像、文本、语音、视频、3D点云等原素材中的各类对象进行标记注释，将多源异构的数据转化成可识别的AI训练数据，从而成为机器学习的价值数据。

　　

据英特尔推算，在全自动驾驶时代，每辆汽车每天产生的数据量高达4000GB，但这些数据中可用于训练的价值数据占比不到5%。因此自动驾驶训练需要从海量的数据中“淘”到有用的价值数据。在自动驾驶算法拉不开差距的情况下，越是高级别的自动驾驶，越是依赖数据标注的质量。

　　

二、数据标注范式生变，AI破局人海战术

　　

数据标注是一个劳动密集型产业，非常依赖人工，拼的是规模和人力成本。为此还兴起了一个名为“数据标注师”的职业，他们每天在各种图片上框选物体，标注名称，做着简单重复的工作。同时，这个产业也像汽车自动驾驶一样不断在进化。

　　

一般认为，智能驾驶/自动驾驶领域的数据标注发展大致经历了三个阶段。2012年前的第一代数据标注以开源的单机标注工具为代表，具备有限场景的标注能力，主要满足10K以下数量级的标注处理；2012年后随着深度学习走热，新兴的数据标注平台具备了多场景数据标注能力，可以满足10K-100K数量级的标注处理；2019年后自动驾驶的火热对数据标注的量级提出更高要求，纯人工模式难以应对100K、1000K甚至更大规模的数据标注，AI开始介入形成人机协同的智能化数据平台。

　　

经过数年的耕耘，在2022年这个自动驾驶商业化进程显著加速的转折之年，国内已经出现一批优质的主打自动化、精细化的数据标注平台，利用AI的无限生产力，代替有限的人工生产力，为自动驾驶数据标注行业降本、提质、增效。

　　

以曼孚科技为例，这家国内最早专注自动驾驶数据标注领域的企业，在2022年7月宣布完成5000万元Pre-B轮融资(近三年累计融资金额数亿元)后，已经进化为一家AI驱动的数据智能平台。其MindFlow SEED数据服务平台通过AI+RPA驱动自动驾驶数据标注规模化量产，在数据处理(尤其是3D点云数据处理)领域建立起6-12个月的技术壁垒，将综合人效平均提升30%，数据生产成本平均降低40%，突破了产能局限，实现了AI数据规模化量产。

　　

这方面国际标杆是一家名为Scale AI的创业企业。该公司人利用AI训练数据，借助美国大力发展自动驾驶的东风，2022年已成为估值73亿美元的行业独角兽。

　　

受限于美国高昂的人力成本，Scale AI很早就将人工智能应用到自己的数据标注服务中，即先用AI识别一遍，再用人工主要负责校对其中的错误；校对完的数据再度用来训练AI系统，使得下一次标注更精准……如此往复循环，随着训练数据越来越多，做标注的效率也就越来越快，需要人工参与也就越来越少，成本自然也就越来越低。

　　

三、先进技术需要落地，产品力决定生命力

　　

当然需要指出的是，随着自动驾驶市场提速以及Scale AI凭借AI标注大获成功，国内一些泛数据标注企业也火速搭上自动驾驶和AI自动标注的便车，仿佛一夜之间从过去的人海时代升级到AI时代，但其实这并没有解决根本问题，背后极有可能还是人海战术。