人工智能的号角早已吹响，而在近两年，技术概念才开始逐渐从空中走下来。在近日举办的首届深圳(国际)人工智能展上，记者注意到，越来越多的人工智能公司开始强调结合产业、落地场景的重要性。
人工智能的背后实际上是数据、算力、算法三大要素，算力和算法对应的是分析能力，而更为基础的数据则发挥着养料的作用。在技术落地的过程中，产生了更多对数据的需求。
艾瑞咨询调查显示，2019年中国AI基础数据服务行业市场规模可达30.9亿元，其中图像类数据需求规模最大，占比接近一半；预计2025年市场规模将突破100亿元，年化增长率为21.8%。
伴随需求的爆发，场景的丰富度不断提升。“最近我们感到在智能家居和智能金融两个领域有明显的数字化进程，而不同领域的发展节奏在相继迭代，随着互联网对生活方式的改变为不断推进。” 云测数据总经理贾宇航接受专访时称。
在多元化的场景落地的过程中，数据质量也成为行业发展的痛点。“数据质量不再仅仅关乎一篇论文的结果，而是承担直面消费者的责任。数据质量直接影响算法精度，而算法精度又直接影响到产品使用体验，所以从根源来讲数据质量是重中之重。”
星河产业集团常务副总裁阎镜予称，在投资人工智能产业项目时，最先关注的就是算法准确性，“准确性和稳定性是目前难以突破的一个问题，99%的准确性意味着一百件产品中一次行为会出错，这样的错误可能在产品逻辑上产生致命问题，比如无人驾驶出错一次便可能产生事故。”
复杂的标注需求也促进了劳动力形态的转变。在行业发展初期，数据标注一直被认为是一个高度劳动密集型的领域，甚至催生了一批“血汗工厂”，标注员在电脑前审图、拉框，做着重复性的动作。
“现在数据标注更多像是技艺密集型的行业，因为不同领域的AI产品推动数据服务向更加专业化发展，”贾宇航称，以X光影像为例，只有医生才能看得懂、标注得准确；再如自动驾驶，以前只需要识别车辆，在车上拉个框就可以了，但现在还需要识别是两厢车还是三厢车，是货车还是轿车，甚至是否存在违章行为，“这就需要一些‘老司机’的标注人员。”
在金融领域，数据标注对专业知识的要求更为明显。贾宇航举例，在客服场景中有时需要判断文字的合规性，“有些夸张的表述很容易被理解，但是还有一些隐性的表述，比如‘心脏病是赔付的，心脏病的并发症也是赔付的’，这就需要标注员对产品有真正的了解，具有一定的保险理赔经验。”
目前，数据服务领域已经有众多玩家参与，互联网巨头基于自身业务入局数据标注，例如阿里数据、京东众智、百度智能云等，还有Scale AI、云测数据等行业独角兽。
艾瑞数据显示，2019年中小型数据供应商份额比预期缩小了20.8%，头部效应逐渐显现。随着应用端的业务复杂度增加、需求多样化，数据服务领域势必面临竞争和洗牌。
●文章来源 | 证券时报
●图片贴纸来源 | 网络