百度數(shù)據(jù)眾包，一門AI新基建的“基建”生意

2020-12-31 09:59 來源：A5專欄我來投稿撤稿糾錯

文/智能相對論（aixdlun）

作者/葉遠風

AI成了新基建的C位，不論是原本就以AI立身的百度，還是紛紛在技術(shù)上加大投入以擁抱新基建的阿里、騰訊等巨頭，最近都顯出強化AI地位的態(tài)勢。

在AI新基建浪潮下，其背后的動力和“靈魂”——AI數(shù)據(jù)行業(yè)正在快速增長。按照艾瑞咨詢《2019年中國人工智能基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)研究報告》，預(yù)計2025年市場規(guī)模將突破113億元，其中，原本就在AI技術(shù)和應(yīng)用上領(lǐng)先的企業(yè)在數(shù)據(jù)業(yè)務(wù)上也更為積極。

有人曾稱5G是“新基建”的“基建”，是很多新基建項目的前置技術(shù)。事實上，以數(shù)據(jù)眾包為代表的AI數(shù)據(jù)行業(yè)，也可以看作AI新基建的“基建”型業(yè)務(wù)，為各行各業(yè)智能化轉(zhuǎn)型提供動能，加速智能經(jīng)濟到來。反過來，當AI新基建蓬勃興起時，它背后的數(shù)據(jù)眾包產(chǎn)業(yè)也面臨急速膨脹的市場，這是一片門檻不算高的藍海，但并非人人都能做得好。

多重因素推動AI數(shù)據(jù)需求進一步增長

AI從行業(yè)架構(gòu)上分為基礎(chǔ)層、技術(shù)層、平臺層以及應(yīng)用層。無論是算力、算法、數(shù)據(jù)都只是在基礎(chǔ)層，海量的數(shù)據(jù)獲取和加工是AI發(fā)展的基石。

我們通常看到的那些AI智能化應(yīng)用，在后端首先都需要足夠多、足夠好的數(shù)據(jù)對計算機進行訓練。

推動基礎(chǔ)層AI數(shù)據(jù)需求進一步增長，肯定來自于更上層的“倒逼”。總體看來，新基建的大背景下，整體AI行業(yè)的高速發(fā)展驅(qū)動了AI數(shù)據(jù)需求的增長“提速”，而具體來看，又有三重因素：

1、AI應(yīng)用落地時對數(shù)據(jù)的強依賴

以人臉識別為例，一般的FaceID已經(jīng)為人所熟知，其原理，是通過大量數(shù)據(jù)訓練，讓算法可以精準為整張臉標記特征，眼睛、鼻子、嘴、顴骨……從而識別不同的人物、確定身份。

但是，實際應(yīng)用落地要想適用面更廣，又會有新的麻煩。

例如，疫情期間戴上了口罩，就沒辦法為鼻子以下的部位做特征標記進行比對。這時候，AI數(shù)據(jù)的價值就體現(xiàn)出來了，更復(fù)雜、更大量的數(shù)據(jù)訓練，讓系統(tǒng)在鼻子以上部位能標記出更多、更細致的特征，半邊臉就能完全區(qū)別出一個人來，甚至有科技公司開發(fā)出憑借眼部復(fù)雜特征的識別方式。

只有更高質(zhì)量、更具有豐富度的數(shù)據(jù)，訓練出更細致的特征標注能力，系統(tǒng)識別的能力才會越強。 在人臉識別之外，很多AI落地應(yīng)用也有類似的邏輯。

2、AI應(yīng)用場景深耕，垂直領(lǐng)域變?yōu)閿?shù)據(jù)競逐

在AI走得更快、更遠的一些場景，數(shù)據(jù)的價值更為明顯。

例如，在自動駕駛領(lǐng)域，決定自動駕駛平穩(wěn)性和安全性的，是系統(tǒng)對路況各種要素的識別，而它們都依賴于前期大量數(shù)據(jù)訓練，給機器標注各要素、教會它識別。

標注得越精細，機器的理解能力就會越強，發(fā)生意外的可能性就越低，就像學生學習知識一樣，“不知道”的東西越來越少。

國內(nèi)處在自動駕駛領(lǐng)先位置的百度，首先領(lǐng)先的就是數(shù)據(jù)，其ApolloScape數(shù)據(jù)集比Cityscapes、Kitty等同類的自動駕駛數(shù)據(jù)集大10倍以上，涵蓋更復(fù)雜的環(huán)境、天氣和交通狀況。

可以說，在那些深耕的場景里，AI的競逐首先甚至主要就是數(shù)據(jù)的競逐，AI新基建的深度落地，離不開對數(shù)據(jù)的索求。

3、“AI國情”側(cè)重于數(shù)據(jù)發(fā)展

與多數(shù)人想象不同的是，同為AI基礎(chǔ)層，看起來十分高深的算法，其門檻已經(jīng)不算高，公開渠道上，論文、開源深度學習框架、各種各樣AutoML框架算法，可供獲取的很多。

除了百度這樣的AI巨頭還需要在算法上做一些突破和引領(lǐng)，對多數(shù)AI參與者來說，算法已經(jīng)不是遙不可及。

而正如原南開大學校長龔克所言，中國在核心算法上的優(yōu)勢不算明顯，但中國的數(shù)據(jù)和應(yīng)用場景可以領(lǐng)先世界。

這方面，AI數(shù)據(jù)需要的應(yīng)用采集源（例如人相、交通道路圖像等）、勞動力人口、需求市場，中國原本也十分有優(yōu)勢。在這樣的“AI國情”下，AI新基建除了保證自有算法能力不被卡脖子，在已有大量落地場景的優(yōu)勢下，大力發(fā)展AI數(shù)據(jù)就順利成章。

三大痛點，自建團隊已并非“AI新基建”最優(yōu)選擇

AI數(shù)據(jù)的需求方，主要包括AI公司、科技公司、科研機構(gòu)以及傳統(tǒng)意義上的行業(yè)企業(yè)（手機、汽車、安防等），這個群體越來越龐大。

AI數(shù)據(jù)的市場供給，主要由企業(yè)自建或直接獲取外包團隊的形式以及供應(yīng)商組成，而按照艾瑞咨詢的報告，供應(yīng)商模式占比高達79%。

問題在于，為什么需求方們都熱衷于選擇數(shù)據(jù)眾包這類供應(yīng)商模式來獲得數(shù)據(jù)，在數(shù)據(jù)需求龐大的情況下，為什么不自建團隊采集和標注數(shù)據(jù)？這主要基于三個痛點：

1、數(shù)據(jù)需求的“潮汐現(xiàn)象”

春運期間，鐵路運力不夠，平時，又大量閑置。

如果自建團隊，很多AI需求方將產(chǎn)生與此類似的“潮汐現(xiàn)象”：受自身產(chǎn)品迭代周期的影響，在AI迭代期涌入大量數(shù)據(jù)需求，團隊難以承受；在日常維護期數(shù)據(jù)需求不是很旺盛，團隊又在閑置。

于是，數(shù)據(jù)供應(yīng)商就成為彈性投入、增強企業(yè)適應(yīng)力的必然，市場供給的主力軍變成各類AI基礎(chǔ)數(shù)據(jù)的服務(wù)提供者。

2、數(shù)據(jù)資源池不足

自建團隊往往面臨較為嚴重的數(shù)據(jù)資源池匱乏問題。舉例來說，如果你是一家做與人體有關(guān)的圖像識別的專業(yè)公司，或者需要這樣的技術(shù)來配合主業(yè)，你可能需要尋找不同膚色、不同外形特征的人物做AI數(shù)據(jù)采集，以提升AI的“認知”能力，而對很多企業(yè)而言，除了依賴那些有限的開源數(shù)據(jù)，沒有太多辦法。

這方面，專門做數(shù)據(jù)業(yè)務(wù)的平臺就有明顯的資源聚集優(yōu)勢。 例如，單就人物圖像來說，百度數(shù)據(jù)眾包的數(shù)據(jù)資源池在國內(nèi)覆蓋30個省份，具備漢族、少數(shù)民族采集能力；在國外覆蓋22個國家，具備白人、黑人、印第安人等多人種采集能力。

3、數(shù)據(jù)輸出能力的“維度差距”

數(shù)據(jù)眾包平臺集中大量地熟悉數(shù)據(jù)采標業(yè)務(wù)，已經(jīng)得到了充足的鍛煉，一些平臺，例如百度數(shù)據(jù)眾包還對內(nèi)提供大量數(shù)據(jù)服務(wù)，自2011年起全面支持百度自動駕駛、小度助手等AI業(yè)務(wù)，它們對于外部需求，在能力上更容易應(yīng)對。

這本質(zhì)上體現(xiàn)在通用的“標準化”和專項的“定制化”區(qū)別上。AI數(shù)據(jù)有時候只需要一些標準化的泛化數(shù)據(jù)，例如道路要素標記，車、路燈、行人、斑馬線、雙黃線等，有些時候則需要定制化數(shù)據(jù)，例如專門針對鄉(xiāng)村小道的識別，其中可能有野狗、野貓等更復(fù)雜的要素。

但這種標準化和定制化只是相對的，對發(fā)展往往不夠充分的自建平臺而言是“定制化”（意味著需要花費大量精力），到了數(shù)據(jù)眾包平臺那里，可能只是“標準化”的一部分，像百度數(shù)據(jù)眾包的標注能力已經(jīng)可以覆蓋市95%以上的主要標注場景。

AI新基建對數(shù)據(jù)采標有三大要求，數(shù)據(jù)眾包都滿足了嗎？

有龐大而快速增長的市場，也有供應(yīng)商模式相對自建團隊的優(yōu)勢，在AI新基建浪潮下，數(shù)據(jù)眾包成為了一門“更好的生意”，這些年也有不斷大量的玩家加入。

總體而言，最早的玩家大都已經(jīng)取得較明顯的市場優(yōu)勢，例如百度數(shù)據(jù)眾包已經(jīng)成為在世界范圍內(nèi)采標能力、流程標準化/工具智能化、數(shù)據(jù)安全等方面都處于領(lǐng)先位置的一站式AI數(shù)據(jù)服務(wù)平臺（這與中國AI領(lǐng)先、百度以AI為主戰(zhàn)略也有關(guān)系），覆蓋了智能駕駛、手機、互聯(lián)網(wǎng)、AI開發(fā)者等頭部客戶；

而新進入者亦有沖勁，像云測數(shù)據(jù)從云測試轉(zhuǎn)身到AI數(shù)據(jù)行業(yè)，對京東眾智、騰訊云數(shù)據(jù)、龍貓數(shù)據(jù)等都可能形成沖擊。

不過，從需求方的角度看，不論是誰，“一門更好的生意”要坐實，這三大基礎(chǔ)要求必須滿足。

1、安全：“銀行級合規(guī)”

AI數(shù)據(jù)不但是AI新基建的重要驅(qū)動力，它也是企業(yè)的重要資產(chǎn)，它的泄露和核心算法的泄露都是知識產(chǎn)權(quán)的重大損失，沒有根本區(qū)別。

只不過，算法可以自己蒙頭在家管死，而在數(shù)據(jù)眾包市場上，涉及到甲乙方原始數(shù)據(jù)交接、生產(chǎn)過程及成果交付，這其中存在著許多數(shù)據(jù)安全的口子。

一旦上升到新基建的高度，對很多賴以生存的需求方來說，說數(shù)據(jù)是命根子可能不為過，對數(shù)據(jù)的處理保證安全是第一位的，甚至需要“銀行級合規(guī)”避免出現(xiàn)任何紕漏。

對巨頭而言，出現(xiàn)安全問題就更加不能容忍，例如，百度數(shù)據(jù)眾包為此在數(shù)據(jù)確權(quán)、數(shù)據(jù)加密、實名認證、生產(chǎn)監(jiān)控等方面進行全流程管控確保數(shù)據(jù)安全

如果我們翻開各大平臺的官網(wǎng)主頁，即便最新進入的玩家云測數(shù)據(jù)，都能發(fā)現(xiàn)它們用了很大的篇幅先講安全。

不過，安全最終還是靠“不出事故”來檢驗，如同云計算穩(wěn)定性說得再好，不宕機才是最好的證明。

2、“產(chǎn)量”：前沿科技下的密集的勞動力

雖然AI是頂尖的前沿技術(shù)，但AI數(shù)據(jù)確實一個不折不扣的勞動力密集行業(yè)。AI新基建首先驅(qū)動的是對數(shù)據(jù)產(chǎn)量的需求，這直接反應(yīng)到勞動力規(guī)模是否足夠大上 ，畢竟，一張一張的圖、一句一句的話、一段一段的語音，都需要人力一個個標記好。

這是一個直觀的要求，它的實現(xiàn)又分自有團隊和代理全職團隊兩個部分，例如百度數(shù)據(jù)眾包宣稱自有2000人團隊、遍布全球22個國家的超過5萬名采標人員的代理商資源池——基本上，各平臺都在著力凸顯自己的團隊規(guī)模，龐大的勞動力群體是AI新基建的獲取足夠多數(shù)據(jù)的重要保障。

但是，正如工廠流水線有最優(yōu)生產(chǎn)流程，有幫助工人更快、更好完成工作的輔助工具一樣，要提高產(chǎn)量、提升效率，流程和工具也必不可少，標準化、工業(yè)化的生產(chǎn)流程、高效易用的標注工具，也是百度等數(shù)據(jù)巨頭提升自我的重要著力點。只不過，這些只是起到“乘數(shù)作用”，底子還是看勞動力規(guī)模。

3、質(zhì)量：“精益制造”級別的復(fù)雜管理體系

在安全、產(chǎn)量之外，質(zhì)量是數(shù)據(jù)眾包成為一門可持續(xù)生意的根本，也是AI新基建真正落地的根本，質(zhì)量不達標的數(shù)據(jù)不但不能推進系統(tǒng)識別能力的提升，甚至可能產(chǎn)生誤導(dǎo)，如同學生學習了低劣的習題集再去考試一樣。

而說白了，數(shù)據(jù)眾包可以看作一門以數(shù)據(jù)為產(chǎn)品的“制造業(yè)”，要提升質(zhì)量，對應(yīng)地，就要配以“精益制造”級別的復(fù)雜管理體系。

這個體系，通常包括嚴苛的審核體系（例如標注、審核、抽檢的層層把關(guān)）、人盡其用（不能混用CV、NLP等數(shù)據(jù)人員）、固定的例會總結(jié)問題提醒改進等，此外，還有一些工業(yè)化生產(chǎn)流程的濃重痕跡，例如百度數(shù)據(jù)眾包平臺的三階段“生產(chǎn)加工流程”——小流量測試跑通生產(chǎn)流程、正式生產(chǎn)不斷調(diào)優(yōu)、交付時最終驗收審核。

可以說，AI數(shù)據(jù)對質(zhì)量的要求，和精細化制造業(yè)實現(xiàn)更好的良品率，別無二致。

數(shù)據(jù)眾包，不止于AI新基建？

由于“勞動力需求”的特殊性，數(shù)據(jù)眾包在特殊的時代背景下還超出了AI新基建的價值范圍。

脫離行業(yè)角度，從穩(wěn)就業(yè)來看，百度山西數(shù)據(jù)標注基地人員規(guī)模已近3000人，這些都是實實在在的就業(yè)人口容納能力，是應(yīng)屆畢業(yè)生、其他行業(yè)分流人員（例如在山西的某傳統(tǒng)產(chǎn)業(yè)）甚至包括殘障人士的一份生計。加上其他工作人員，后疫情時期，一個數(shù)據(jù)眾包平臺已經(jīng)幫助當?shù)貙崿F(xiàn)就業(yè)。百度方面表示未來要通過山西基地的示范作用，聚攏更多數(shù)據(jù)企業(yè)，為山西本地創(chuàng)造超過5萬個就業(yè)崗位。

甚至于，百度數(shù)據(jù)眾包還打算打通數(shù)據(jù)生產(chǎn)，數(shù)據(jù)交易和數(shù)據(jù)應(yīng)用的三個環(huán)節(jié)，做一個開放的平臺，如果這個構(gòu)想成功，在AI數(shù)據(jù)領(lǐng)域建立一個資源對接的市場，不僅是AI新基建背后的數(shù)據(jù)生態(tài)閉環(huán)問題，或還將匯聚起大量的就業(yè)機會和新的經(jīng)濟增長點。

我們否定AI將摧毀就業(yè)機會時，理由常常是新的技術(shù)一定會帶來新的工作崗位，而AI數(shù)據(jù)產(chǎn)業(yè)毫無疑問就是正在發(fā)生的例證。數(shù)據(jù)眾包不僅將是一門更好的生意，也是下一個時代許多人的職業(yè)去處。

*本文圖片均來源于網(wǎng)絡(luò)

深挖智能這口井，同好添加vx：zhinengxiaoyan

此內(nèi)容為【智能相對論】原創(chuàng)，

僅代表個人觀點，未經(jīng)授權(quán)，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復(fù)制或建立鏡像。

部分圖片來自網(wǎng)絡(luò)，且未核實版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。

智能相對論（微信ID:aixdlun）：

•AI產(chǎn)業(yè)新媒體;

•今日頭條青云計劃獲獎?wù)逿OP10;

•澎湃新聞科技榜單月度top5;

•文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能十萬個為什么》