數據服務門檻再提升，澳鵬Appen（中國）憑何再度領軍
上海2022年12月21日 /美通社/ -- 在人工智能領域，數據的重要程度正在迅速提升。
根據ML大牛吳恩達提出的著名二八定律：80%數據+20%模型=更好的AI。他認為，一個機器學習團隊80%的工作應該放在數據準備上，確保數據質量是最重要的工作。如果更多地強調以數據為中心而不是以模型為中心，那么機器學習的發展會更快。
而隨著中國自動駕駛產業商業化落地的高速推進，市場對于數據的需求也正在呈現急速上升的趨勢。根據公開數據，預計至2030年，中國運營的自動駕駛車輛將達3000萬輛，或將成為全球最大的自動駕駛市場。
總體來看，整個自動駕駛正處于L2級自動駕駛向L3級發展的階段，場景越來越復雜的同時，也帶來了對于3D等更高維度、更高質量數據的巨大需求。而另一方面，自動駕駛全產業鏈的企業數量正在飛速擴展，包括傳統車企、車企相關互聯網公司、跨界互聯網公司、新型自動駕駛相關公司等在內的企業，也讓我們看到了更大的數據需求。
自動駕駛數據的重要程度正在持續上升
如果說智能化1.0階段，車企拼的是技術的快速落地和高階能力的標桿效應，那么2.0階段就是拼規?；钶d。
根據高工智能汽車研究院發布的《2023-2025年智能網聯產業趨勢報告》顯示，今年1-10月，前向ADAS（L2含NOA）同比上年增長67.11%。NOA（導航輔助駕駛）同比上年增長116.25%。
當前，軟件和數據已成為智能汽車的核心增量。在很多業內人士看來，打造一套可用的智能駕駛系統并不難，但開發和維護可擴展和可靠的完整數據驅動解決方案才是真正面臨的挑戰。這意味著，智能駕駛系統真正實現基于數據+軟件定義的全新模式。
眾所周知，數據貫穿了整個AI的生命周期，從數據獲取，數據準備、模型訓練和部署、再到人工模型評估?？梢钥吹剑谥袊袌觯瑪祿盏膬r值也已然明朗。
高工智能汽車研究院預計，接下來兩三年仍是攝像頭上車的市場紅利期，預計到2025年中國市場單車搭載攝像頭將提升至7-8顆。同時前向雙目、三目，周視等更多攝像頭配置成為主流，基于數據認知的訓練也成為剛需。
另一方面，4D毫米波雷達以及激光雷達的搭載也正處于最關鍵的導入期，這帶來了一個全新的市場：多傳感器感知的數據融合。此外，艙內人機交互的體驗升級，也同樣需要數據迭代支持。這也再次表明，無論是在自動駕駛還是輔助駕駛領域，數據標注的需求量都將迎來增長的高峰期。
自動駕駛數據標注當前面臨的難點
作為產業鏈的重要一環，澳鵬Appen同樣深刻感受到自動駕駛市場需求的火熱：尤其在今年，自動駕駛的數據標注需求更是呈現爆發式增長。
2020年澳鵬Appen（中國）做到4.7m美金的營收，2021年是24.7m美金，實現了421%的增長；2021年上半年141%增長大部分是來自自動駕駛，目前自動駕駛占總業務量60%以上，澳鵬Appen（中國）一半以上的客戶來自自動駕駛。
然而，隨著業界對于數據標注需求量的爆發，過去簡單粗暴的“人力堆疊”已無法滿足當前對于“高質高量”數據供不應求的行業痛點。
要知道，在自動駕駛領域，數據標注幾乎沒有出錯的余地，也不容缺少關鍵用例。這就導致自動駕駛汽車的數據采集和標注是非常耗時的資源密集型過程。同時這也是為什么一直以來自動駕駛企業會面臨上市時間延遲、產品性能堪憂以及推廣困難等問題。
澳鵬Appen（中國）產品及研發總監錢程表示，伴隨L3級自動駕駛的進階升級，自動駕駛廠商對艙外數據服務的需求與日俱增，其中既包括數據需求量的增長，也有更復雜的數據類型的變化。行業對于激光雷達3D點云數據的大量需求，也讓數據標注的工作變得更為復雜，數據成本急劇上升。
而對于下游企業而言，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。
澳鵬Appen（中國）產品及研發總監錢程認為，自動駕駛數據標注當前的技術主要面臨以下難點：
1：隨著自動駕駛市場的爆發式增長，總體數據量增大使得平臺業務吞吐量增大，這對于工作流的數據流轉效率、穩定性提出了更高要求；
2：采集到的數據精度提高、數據稠密度的提升，導致需要處理的單條數據變大，標注員設備可能比較低端，需要加大力度在研發上支持工具在各種高低端設備上的正常使用；
3：采集設備越來越多樣化和復雜，使得數據類型增多，產生包括4D傳感器數據等多傳感器數據融合標注的需求；
4：數據成本和企業降本增效的需求，對標注效率和管理能力的要求越來越高，需要不斷打磨和優化工具功能以及項目管理功能；
5：隨著自動駕駛商業化落地進程的加快，客戶需求也越來越細化和多變，需要加大投入模型輔助標注的研發并針對不同項目進行定制化的模型開發。
可以看到，為了解決以上難點，數據服務企業采用的數據標注技術已然從最早的單機標注工具演進為數據標注平臺，繼而升級為現階段的智能數據標注平臺/企業級AI數據標注平臺。
目前，行業已涌現出多家較為優質的“平臺”。然而如果論經驗與深厚積淀的話，澳鵬Appen則當屬其中的第一梯隊。
澳鵬Appen（中國）三年的飛速增長
作為一家成立于1996年的元老級AI訓練數據服務企業，澳鵬Appen早已在智能駕駛的春風吹拂過神州大地之前，就將服務遍布于170個國家和70,000個地區中。
2019年，中國的智能駕駛行業進入了如火如荼的發展階段。而彼時的澳鵬Appen早已擁有了全球AI數據服務細分領域行業第一的光環。同年10月，澳鵬Appen帶著不足10人的原始團隊來到中國市場。憑借20余年的深厚技術積淀，這支白手起家的團隊僅歷經短短3年時間，便完成了從“0”到“行業TOP1”的閃電般飛躍。
據2022年公開數據顯示，澳鵬中國在專注于人工智能數據服務商中營收排名第一。在疫情肆虐的2021年依然實現了財年營收421%的爆炸性增長。
三年以來，澳鵬中國通過高質量、高效率的數據服務在自動駕駛領域積累了具有相當規模的客戶群體，其中包括知名互聯網企業、新勢力造車、整車廠的創新研發部門等。究其緣由，技術、服務、資質、經驗缺一不可。
澳鵬Appen深諳，企業需要一套成熟的技術體系，如無縫的接口開發/API對接等。由此，澳鵬中國借鑒全球經驗自主研發的MatrixGo高精度AI數據標注平臺，專門面向企業本地部署環境，幫助CIO們以高度自動化、標準化和規?；绞浇I標注數據供應鏈。
該平臺可支持像素級語義分割、2D圖像復合標注、3D點云拉框及語義分割等功能；同時采標一體的任務能夠實現采集-質檢-標注-質檢-客戶驗收的雙向協同流程，讓整個數據生產線上的各個環節實現無縫銜接；內置的多輪質檢模塊可以按需配置，滿足不同復雜度項目的需求；2D圖像復合標注是全結構化的模型訓練利器，支持點、線、框、多邊型融合標注（常見工具是單模式的，點、線or折線，多邊形）與連續幀；
總體上，其標注工具可實現99.9%的準確率，并達到5分鐘一張、1秒一幀極速質檢，在交互、超大數據加載、實時切幀進行渲染等方面都達到了行業第一。根據案例顯示，可助力客戶提升3倍效率的成功部署速度。
值得一提的是，在今年，其在自動駕駛領域的模型輔助標注（自動化標注）進一步取得了技術進展，如交互式語義分割、信號燈預標注、停車位自動識別等，經過不斷迭代優化，大部分工具可使標注效率提升30%-50%。
目前，點云檢測、2D障礙物檢測等工具也在計劃上線中，且平臺版本平均每兩周就會做一次迭代更新。
在服務方面，公司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。在自動駕駛領域，澳鵬中國單月的巔峰產值可達600萬人民幣以上，資源數目可達2000人以上。
同時，公司具備快速、低成本召集資源并靈活交付的能力：其在全球擁有超過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70,000個地區。澳鵬（中國）總部位于上海，在無錫、大連、重慶均設有大型交付中心。
目前，澳鵬（中國）擁有超過千余名全職員工、1000+BPO資源、數萬名高質量的本土眾包人員并持續擴張中。澳鵬Appen可以提供一套專業的項目管理方法論，尤其是在自動駕駛領域積累的大量實戰經驗，幫助企業在項目部署中快速應對如數據規則的對齊、數據波動、人員穩定性等問題。
在數據安全方面，澳鵬Appen始終助力智能時代安全保障體系的構建，始終致力于為客戶提供最高級別的管理標準：
目前，澳鵬中國已獲ISO 27001, ISO 9001和ISO 27701認證，在信息安全管理、質量管控和數據隱私保護方面達到受國際認可的“黃金標準”。全球范圍內，澳鵬Appen亦通過GDPR，SOC 2 Type II，HIPAA等全球不同國家和地區的數據安全合規認證，確保數據來源和渠道正規、安全、合法。
此外，其自主研發的人工智能輔助數據標注平臺MatrixGo也具有權限管控、數據加密傳輸、PII信息加密存儲等嚴格的數據安全管控策略，并專門設有DPO進行數據安全管理，最大限度地保證客戶的數據資產安全。澳鵬Appen高水平的數據管理平臺，數據通過阿里云存儲，也可以做到在客戶的平臺上進行私有化部署。
在經驗方面，針對自動駕駛諸多特有的數據類型和難點，澳鵬Appen配備了具備相關經驗和知識的專業人才。例如，澳鵬中國產研團隊配備專門的算法人員負責自動駕駛等領域的算法研發，能夠更好地理解自動駕駛客戶的技術需求。
作為自動駕駛汽車的“燃料”，一個合格的數據合作伙伴提供的高質量數據能夠幫助企業在自動駕駛領域乃至整個汽車行業占得先機?！拔覀冎铝τ趲椭髽I完成全球最具創新性的自動駕駛汽車項目?！?澳鵬Appen（中國）產品及研發總監錢程表示。
澳鵬Appen
更多資訊，歡迎掃描下方二維碼關注中國輪胎商務網 微信公眾號（tire123）
友情提醒 |
本信息真實性未經中國輪胎商務網 證實，僅供您參考。未經許可，請勿轉載。已經本網授權使用的，應在授權范圍內使用，并注明“來源：中國輪胎商務網 ”。 |
特別注意 |
本網部分文章轉載自其它媒體，轉載目的在于傳遞更多行業信息，并不代表本網贊同其觀點和對其真實性負責。在本網論壇上發表言論者，文責自負，本網有權在網站內轉載或引用，論壇的言論不代表本網觀點。本網所提供的信息，如需使用，請與原作者聯系，版權歸原作者所有。如果涉及版權需要同本網聯系的，請在15日內進行。 |
