量子位：2023中国AIGC数据标注产业全景报告

中国AIGC数据标注产业全景报告Panoramic ReportofGenerative AI Data LabelingIndustryinChina 2023.11杨净量⼦位智库QbitAIInsights序⾔数据标注，正迎来关键时刻。作为AI认识世界的起点，数据标注本质上是将现实世界信息结构化、数字化，充分发挥数据信息的价值。⼤模型时代到来，AIGC众多垂直场景落地，以及通⽤智能、具⾝智能等前沿领域探索，与⾼质量、专业化的场景数据密不可分，数据标注从劳动密集型加速朝着知识密集型转型，⾏业壁垒进⼀步提⾼。作为底层基础服务，数据标注贯穿⼤模型全⽣命周期（训练测试、评估验证和应⽤迭代）。⼀⽅⾯，牵涉关键Know-how，更多⼤模型公司/AI企业选择⾃建标注团队和管线；另⼀⽅⾯，上下游合作关系将更为紧密和耦合，专业数据服务提供商更多机会将在垂直领域，帮助企业完成私有化部署。机遇与挑战并存。合成数据作为新衍⽣赛道，潜在市场空间巨⼤。与此同时，数据标注标准难以统⼀、数据处理流程尚未规范，⾼学历多领域多专业成为标注⼈才的硬指标。⼤模型时代下的数据标注!"!#!$!%⽬录AIGC数据标注四⼤变化AIGC数据标注三⼤影响因素数据标注产业竞争格局/市场规模数据标注代表玩家案例集!&⼤模型时代下的数据标注!"数据标注是AI认识世界的起点n⽂本：词性标注、分类标注、情绪标注、命名实体识别、语义标注、意图标注等；n图像：图像分类、语义分割、实例分割、拉框、OCR转写等；n⾳频：语⾳识别、声纹识别、语⾳转写等；n视频：⽬标跟踪、⾏为识别等；n3D点云数据标注是将原始数据进⾏加⼯处理，⽐如分类、拉框、注释、标记等操作转换成机器可识别信息的过程。国内数据标注⼚商，⼴义称之为基础数据服务提供商，通常需要完成数据集结构/流程设计、数据处理、数据质检等⼯作，为下游客⼾提供通⽤数据集、定制化服务、数据闭环⼯具链等。这也是本次AIGC数据标注全景报告的研究对象。根据原始数据类型以及训练任务划分：⼀般数据处理流程：原始数据数据清洗模型训练测试/验证数据标注数据质检数据标注中的⼆⼋定律通常在一个AI项目中，数据准备工作需要80%时长，模型训练和部署仅占20%。⼤模型时代下的数据标注海天瑞声是国内唯⼀⼀家AI数据上市公司，今年2⽉以来股价受ChatGPT热潮曾⼀度狂飙，截⾄11⽉10⽇股价较年初上涨59.7