随着技术不断发展，人工智能正逐渐从云端落地，走进大众生活。腾讯研究院在《2020腾讯人工智能白皮书》中将其描述为“泛在智能”，即广泛存在的智能。

一方面人工智能作为全行业各领域数字化、智能化转型的基础，已变成像网络、电力、交通道路一样的基础服务设施；另一方面，随着技术、算法、数据生产力的不断提升，人工智能正在深入家居、出行、医疗、金融、城市等领域，面向更多元、规模更大的受众。

“泛在智能”说明人工智能目前已经进入技术和产业融合发展阶段，这也意味着在不久的将来，AI将从实验室走向成熟的大规模商业应用，而在这个过程中，数据作为驱动人工智能前进的“燃料”，已上升到了战略性资源。

不可或缺的数据采集与标注

在阿里达摩院发布的《2020十大科技趋势》中重点提到：人工智能正在从感知智能向认知智能演进。

目前，人工智能在“听”“看”等感知领域已经达到或超越人类的水准，但在认知智能领域还处于初级阶段，让知识能够被机器理解和运用，是实现感知智能到认知智能的关键，而为了达成这一过程，背后需要大量的结构化数据支撑。

进入大数据时代后，信息爆炸，写个脚本，数据一抓一大把，但这样的庞杂无序的数据很难直接用来训练AI算法模型。

一方面，当前应用的人工智能算法模型大多是在某一特定场景下，执行某一特定任务，在网络上抓取的信息数据缺乏针对性，很难投入使用。

根据《人工智能2020：落地挑战与应对》报告显示：在图像识别、文本识别、语音识别等单点场景，可以基于外部公开数据进行模型训练。但在解决具体业务问题时，不管是前期模型训练还是模型上线后的使用，都需要用到来自实际业务场景的数据，外部数据价值度有限。

另一方面，业务场景数据也需要经过清洗和标注，才能被人工智能理解应用。因此，需要大量的人来当AI的“老师”，教它们学习知识、认知世界。而充当老师这一身份的就是“人工智能训练师”，也是我们常说的“标注员”。

就像小时候牙牙学语时，父母会指着一只毛茸茸的动物，不断重复地说着“狗”，标注员做的工作也极为类似，他们将狗的图片一个个勾勒出来，并赋予“狗”标签，从而让机器能够准确识别。

对于人工智能而言，这些带有着明确标签的结构化数据必不可少。尽管目前学界、业界正在探索仅使用少量数据的自监督学习，但就目前的发展态势而言，短时间内，AI对数据的依赖的情况还很难改变。

遍地开花的AI数据公司

由于数据的不可或缺性，在人工智能产业的飞速发展的同时，AI数据市场规模也迎来增长，随之而来的还有“掘金者”的疯狂涌入。

相对于人工智能产业链的其他环节，数据生产门槛较低，因此，目前市场上标注团队、兼职个人、众包平台不计其数。只需要数个人力，加上几台电脑，就能组建起一个临时工作室。没有重资本投入，轻快的节奏，加上不断探底的价格，足以迅速占领市场。

早期，这种数据生产模式为人工智能产业探索前进贡献了海量的“燃料”，然而随着AI商业化落地在即，对算法模型的精度要求不断提高，市场对高质量数据的需求也在不断增大，优质AI基础数据成为稀缺资源。

以开发一个语音交互模型为例，在数据采集阶段，根据语种的不同，大致可以分为外语小语种采集、中文普通话采集、方言采集、方言普通话采集，每个语系下面，又可以逐步细化，并且对于采集人是否为母语者、采集人年龄、采集的话题、时常、格式、质量、是否加入环境噪音等问题，都需要根据实际应用场景，做出界定。

在采集之后，通常还需要对数据信息进行标注，同样以语音标注为例，如果是ASR转写，就需要有精通该门语种的人进行转写标注，如果进行情绪判断、韵律判断，则需要更复杂的操作。

此外，在数据整理好后，还需要至少两轮的质检程序，以保证交付数据的准确率。

对于如此繁复的流程，单兵作战的标注团队以及兼职个人是很难完成的，必须引入成熟的项目管理经验，因此，AI品牌数据商模式应运而生。他们拥有丰富的行业经验、完善的流程管理机制，能够在安全的前提下，帮助客户获取到优质的AI数据。

景联文科技是国内最早一批AI品牌数据商，早在2016年就开始涉足AI数据业务，发展至今，已拥有220人全职标注团队，涵盖语义分割、拉框标注、多边形标注、关键点标注、3D点云、2D3D融合标注、图片分类、声纹识别、ASR转写、韵律标注、NLP、文本分类、OCR转写、情绪判断等多种标注业务。支持企业私有化部署、跨地区驻场等定制服务。

目前，景联文科技已与阿里巴巴、华为、vivo、美团、字节跳动、滴滴、陌陌、海康威视、大华、宇视、同济大学、中国人民大学、工信部中国电子技术标准化研究院、公安部一所等多家企业、机构达成深入合作。

庞大的市场需求造就了AI数据产业的繁荣，但另一方面“掘金者”大量涌入，导致行业野蛮生长，数据质量停滞不前。

在AI商业化热潮开启的当下，数据质量直接决定了模型的准确度以及业务场景适用性。就如同那句经典名言——Garbage in, garbage out（输入错误，输出错误），如果投入AI训练的数据精度不够，那么算法模型实际的效果也会差三错四。所以，无论从技术目标还是商业角度思考，高质量数据的十分必要。

在未来，景联文科技将持续聚焦AI数据，为人工智能发展提供优质的“数据燃料”，推动产业落地。