80%的數據+20%的模型=更好的AI。

這是人工智能領域知名學者吳恩達在他45歲生日當天提出的人工智能領域的“二八定律”，他說“讓我們的工作從以模型為中心轉向以數據為中心，將對很多（人工智能）團隊大有裨益。”

在過往十幾年人工智能產業高速發展過程中，算法模型研發的重要性被空前放大，互聯網大廠更是動輒為算法工程師開出百萬年薪，這讓本就默默無聞的數據一度沒什么光環。

實際上，時下主流AI算法要以數據驅動仍是一個不爭的事實，在人工智能產業中，數據收集、數據處理仍是關鍵的前置環節，而支撐這些前置環節的是一個龐大的數據服務產業。

澳鵬就是這樣一家數據服務供應商，澳鵬Appen（中國）產品及研發總監錢程告訴至頂網，“隨著近年來人工智能工業化和工程化成為趨勢，企業對定制化、復雜性的數據需求度越來越高，而對于一些商業化落地比較好的公司，他們需要的數據量也在成倍增長。”

數據成本的增加，也就成了企業加載人工智能引擎時無可回避的一個問題。

高質量數據為什么是自動駕駛的關鍵

自動駕駛是當下商業化落地比較好的一個應用場景，也是澳鵬一個核心業務場景，自動駕駛涉及的數據服務按場景劃分又可以劃分為兩大類——艙內數據、艙外數據。

澳鵬Appen（中國）高級客戶經理張先雄告訴至頂網，“2016年-2020年，我們拿到的絕大部分數據服務訂單是以車內場景為主，車內場景主要涉及的是人車交互（TTS合成、語音識別）和車內人的輿情監控（人的情緒識別、是否安全駕駛的識別），相比起車外場景，車內場景相對簡單，能到千萬級別的項目很少。”

不過，隨著自動駕駛進程提速，尤其是在自動駕駛道路測試牌照陸續發放后，自動駕駛廠商紛紛開始向L3及以上的自動駕駛技術沖刺，這時，自動駕駛廠商對艙外數據服務的需求也與日俱增。這樣的需求變化既有數據需求量的增長，也有更復雜的數據類型的變化。

從數據量來看，艙內數據需求量基本在億幀以下，而艙外數據需求量都在億幀以上，甚至會達到幾十億幀的規模；從數據類型來看，艙外的數據類型既有攝像頭拍攝的圖像數據，也有激光雷達3D點云數據，數據標注起來更為復雜。

以艙外為主的數據標注服務的不斷涌現，也使得數據成本急劇上升。

身在潮流中的澳鵬自然也感受到了這樣的變化，據張先雄透露，“從2020年左右，L3及以上的自動駕駛研發，越來越受市場關注，我們能看到一些重投入客戶一年會拿出幾個億的預算來做數據標注，少一點的也在千萬級別。”

僅僅是每年在數據標注上的投入，就已經相當于不少中小型企業的年營收，這也使得提起人工智能時，不少中小體量企業會望而卻步。

對于企業而言，如何低成本獲取高質量數據就成了他們在這個時代的剛需。

數據如何降本、增效、精準化

作為一家成立于1996年的數據服務公司，澳鵬在數據服務領域已經深耕多年，根據澳鵬最新發布的《人工智能和機器學習全景報告》調查數據顯示，42%的技術專家表示， AI生命周期中的數據獲取階段很有挑戰性。這樣的挑戰同樣存在于自動駕駛領域。

錢程告訴至頂網，AI在自動駕駛項目中部署產生的成本主要來自兩方面，一方面是硬件成本，另一方面則是人力成本。人力成本主要集中在數據服務上，這其中既有平臺建設上的人力投入，也有數據采集、數據標注上的人力投入。

以特斯拉為例，特斯拉現在已經建立起千人規模的數據標注團隊，搭建了一套用于數據標注的軟件平臺，針對數據標注的軟件平臺，特斯拉還有一個完整的開發維護團隊。

實際上，除了自建數據服務團隊外，不少車廠也在與數據服務商合作，以此降低人力成本。張先雄告訴至頂網，“國內不少整車廠、汽車解決方案廠商，以及造車新勢力都在使用我們的數據服務，自動駕駛領域的營收也已經占到我們公司整體營收的較大比重。”

以澳鵬與某自動駕駛廠商艙外合作項目為例，張先雄透露，“項目推進過程中受到數據采集流轉集中度影響其實存在波峰波谷，在項目推進波峰期，有時一次會傳回幾億幀，甚至幾十億幀的圖像數據，對這些數據進行清洗、標注的團隊投入就要達到5000-10000人，即便是在波谷期也要一兩千人團隊做服務支持。”

目前，澳鵬在全球擁有超過100萬名技能嫻熟的眾包資源，支持235+種語言和方言，遍布170+個國家和70000個地區，在中國擁有超過千余名全職員工、1000+BPO資源、數萬名高質量本土眾包人員，擁有專業的評估和項目團隊全程跟進試標、采集、標注、質檢、驗收和交付流程。

除了通過與數據服務商合作以降低人工智能落地成本外，在澳鵬內部，也在通過搭建搭建數據標注平臺來提效降本。

2019年，在人工智能高速發展這一年，澳鵬搭建了人工智能數據標注平臺，錢程告訴至頂網，“平臺帶來的效率提升是最直接的，也是最容易被客戶忽略的。”

實際上，平臺開發最難的不是前期幾百萬、幾千萬成本的投入，而是搭建團隊有多少項目經驗，團隊見到過多少數據類型、看到過多少不同細分場景的數據邏輯和規則，“只有經歷過多個項目、不同場景實戰經驗，才能打造出一個高效的數據標注平臺。”

據錢程介紹稱，澳鵬MatrixGo數據標注平臺可以兩部分能力：

第一，項目管理功能，在一個實際項目中，整個數據標注過程可以分為初始標注、多輪質檢，以及最后的數據驗收，整個過程還存在數據打回、數據鎖定、數據釋放等環節，例如在質檢環節通過的標注數據，沒能通過最終驗收，還會打回重新進行數據標注。MatrixGo平臺針對這樣的場景可以構建靈活的工作流，整個工作過程可以自定義配置。

第二，數據標注工具，針對文本、圖像、視頻、音頻、3D點云等各類數據，MatrixGo平臺構建了一整套數據標注工具，澳鵬團隊在項目中也在使用這些工具，在這些項目中不斷打磨這些工具。

這樣一套平臺既可以作為軟件直接提供給需要數據服務的廠商使用，也可以進行私有化部署，錢程告訴至頂網，”澳鵬正是通過這套平臺推動數據降本，服務提效的。“

除了通過降低人力成本、平臺成本，澳鵬還在合成數據上進行了重點布局，而合成數據，有可能成為未來數據降本的一個利器。

合成數據新趨勢

2022年3月，澳鵬以200萬英鎊收購了合成數據公司Mindtech Global的少數股權。與此同時，合成數據也正在成為行業的一個焦點。

“人工智能在實際落地之前通常針對特定場景需要做一些優化，這個時候會需要大量針對特定場景的數據作為AI算法模型的訓練數據，如果僅僅依靠現場采集，針對一些特殊場景，無法采集到足夠的訓練數據，這時合成數據就是一個很好的選擇。”

不過，這里也存在一個人工智能技術發展成熟度的問題，由于自動駕駛針對艙外數據需求還普遍停留在優化普通場景的階段，對合成數據的需求度并不高，澳鵬在合成數據領域的布局也還未真正來到產業落地關口，不過張先雄相信，“未來合成數據一定會變得越來越重要。”

而當談到合成數據對人工智能降本的推動作用，張先雄告訴至頂網，“未來針對真正落地之前的特定場景的增效百分比，合成數據能夠達到80%，甚至更高。”