“更好的數(shù)據(jù)意味著更好的決策”。這句話如今被越來越多智能駕駛領域人士提及和認可。

讓汽車具備“智慧”，智能駕駛成為全球許多國家都在關注的一個重要課題。而在這一過程中，AI數(shù)據(jù)對于汽車智能駕駛而言至關重要，它是汽車變得更“聰明”的關鍵。

然而，關于智能駕駛引發(fā)的事故我們也已經看到太多，這些教訓也在告誡我們，我們需要更加安全的智能駕駛，需要更多精準的數(shù)據(jù)為安全保駕護航，能夠在汽車感知、規(guī)劃、決策、控制方面進行指揮，才是真正的人工智能。

在汽車智能駕駛的過程中，汽車本身需要具備感知、策劃、決策、控制等一些列能力，而數(shù)據(jù)則是培養(yǎng)智能駕駛AI能力的重要因素，數(shù)據(jù)標注存在的意義是讓機器理解并認識世界，想要讓汽車本身的算法做到處理更多、更復雜的場景，背后就需要有海量的真實道路場景數(shù)據(jù)做支撐。

算力、算法方興未艾：高質量數(shù)據(jù)成產業(yè)落地著力點

數(shù)據(jù)、算力、算法是推動人工智能技術進步的“三駕馬車”。如今，在計算機視覺、語音識別領域，AI的商業(yè)化落地突破并不明顯，原因就在于算法算力的技術瓶頸。

從宏觀角度來看，現(xiàn)有算法、算力無法準確處理復雜環(huán)境下無限可能的長尾場景，這時候AI數(shù)據(jù)的覆蓋就顯得更加重要。

我們看到，在現(xiàn)有的算法算力的基礎上，越來越多的AI進化方式是通過對大量的原始數(shù)據(jù)進行框選、提取、分類，從而將復雜的原始數(shù)據(jù)標簽化，轉為機器學習可以識別的精準數(shù)據(jù)，以提升AI的感知能力。

對于智能駕駛技術而言，這樣的數(shù)據(jù)精確化顯得更為重要：一方面，現(xiàn)實交通場景復雜、安全威脅多，非常重視數(shù)據(jù)分析的效率和敏捷。尤其是國內路況的復雜性和國內智能駕駛起步稍晚的現(xiàn)狀，更需要高質、更精準的數(shù)據(jù)來進行算法訓練。

從安全性上來看，標注數(shù)據(jù)質量的高低將直接影響智能駕駛的安全性。例如，人像、建筑物、植物、道路、交通標志、車輛等數(shù)據(jù)標注的準確性直接決定智能駕駛AI對于路況的判斷，數(shù)據(jù)標注偏差或者完成度不高會直接影響行駛安全。

2017年5月17日，美國加利福尼亞州一名車主在開啟了智能駕駛狀態(tài)下撞上前方轉彎的卡車不幸身亡。原因是智能駕駛系統(tǒng)沒有辨別出前方白色車輛和天空的區(qū)別，沒有識別出障礙物導致智能剎車沒有及時制動引發(fā)的事故。

從體驗上，首先安全性的保證本身就是最佳的體驗，精準的數(shù)據(jù)是確保AI智能駕駛落地的重要前提。兼?zhèn)鋽?shù)量與質量的標注數(shù)據(jù)可以很大程度上提升汽車智能駕駛的安全性與實用性，如何解決數(shù)據(jù)質量問題，規(guī)避數(shù)據(jù)錯誤、保障數(shù)據(jù)質量已經成為智能駕駛領域發(fā)展的頭等大事。

“當下，人工智能正加速往應用人工智能方向發(fā)展，在算法、算力沒有重大突破的前提下，質量高和安全性強的數(shù)據(jù)成為人工智能商業(yè)化落地的關鍵點。”Testin云測CTO陳冠誠在接受媒體采訪時表示。

從產業(yè)的角度來看，智能駕駛的產業(yè)化落地將成為高精度數(shù)據(jù)標注行業(yè)未來發(fā)展方向的一個重要縮影，高質量數(shù)據(jù)在促使自動駕駛產業(yè)化落地的同時，也成為數(shù)據(jù)產業(yè)商業(yè)化程度不斷深入的著力點。

云測數(shù)據(jù)優(yōu)勢：專業(yè)定制、獨立安全，方能有的放矢

數(shù)據(jù)是整個人工智能行業(yè)的燃料，數(shù)據(jù)在智能駕駛領域的重要性不容置疑。絕大部分智能駕駛企業(yè)對數(shù)據(jù)也非常重視，但現(xiàn)實情況是缺乏獲得大量且高質量數(shù)據(jù)的渠道。

據(jù)2018年智研發(fā)布的《2019-2025年中國數(shù)據(jù)標注與審核行業(yè)市場專項分析研究及投資前景預測報告》顯示，近幾年，數(shù)據(jù)標注與審核行業(yè)快速發(fā)展，2018年市場規(guī)模已達到52.55億元，阿里、騰訊、百度等多家互聯(lián)網(wǎng)巨頭都擁有海量的數(shù)據(jù)標注需求。

實際上，數(shù)據(jù)標注是一個簡單又困難的事情，一方面，在執(zhí)行上的難度相對算法開放要低得多，但另一方面數(shù)據(jù)標注本質上是要獲得更準確，更精細化的數(shù)據(jù)結果，而場景數(shù)據(jù)缺失、數(shù)據(jù)質量良莠不齊，以及隱私安全問題成為數(shù)據(jù)行業(yè)面臨的三大痛點。

為解決這些行業(yè)性問題，國內AI數(shù)據(jù)服務頭部企業(yè)云測數(shù)據(jù)，通過提供定制化的場景化數(shù)據(jù)，來滿足業(yè)內高標準的數(shù)據(jù)需求。

以云測數(shù)據(jù)的場景化為例，為了滿足智能駕駛領域不同場景的特殊需求，云測數(shù)據(jù)搭建了自己的場景實驗室，為各種智能駕駛細分場景模擬無噪的專屬數(shù)據(jù)，通過定制化數(shù)據(jù)采集直擊特定場景化下的數(shù)據(jù)缺失、質量良莠不齊等行業(yè)問題。一方面，在場景下的定制化數(shù)據(jù)采集更加精準、數(shù)據(jù)質量更高，另一方面，定制化的數(shù)據(jù)集也與智能駕駛需求端的匹配度更高，從而最大化將數(shù)據(jù)轉化為生產力。

對于智能駕駛來講，無噪的專屬數(shù)據(jù)采集完成后，數(shù)據(jù)通過標注后或者說加上標簽才有意義，才能用于算法的學習和訓練，最終智能駕駛的應用落地。

當前的自動駕駛所需數(shù)據(jù)需求，正向著多模態(tài)的方向發(fā)展。所謂多模態(tài)，即是對多維時間、空間、環(huán)境數(shù)據(jù)的感知與融合。比如當前的自動駕駛需要雷達+攝像頭才能跑的更穩(wěn)，相對應的，就需要2D/3D融合標注工具。

在標注工具方面，云測數(shù)據(jù)自研了一套可以支持圖片、語音、文本等多品類的標注平臺，其中的三維標注工具，尤其是3D點云的標注工具，對雷達成像的圖像中的機動車、障礙物、行人等多目標進行3D標注，并通過渲染引擎的優(yōu)化，來保證整個過程的流暢和快捷，在數(shù)據(jù)質量的導向下實現(xiàn)更優(yōu)的品控和更快的數(shù)據(jù)交付，當屬業(yè)內領先。對此，數(shù)據(jù)數(shù)據(jù)總經理賈宇航表示，“我們希望通過精準高質、獨立安全的數(shù)據(jù)幫助智能駕駛客戶快速構建核心數(shù)據(jù)壁壘?！?/p>

值得一提的是，智能駕駛客戶在選擇數(shù)據(jù)供應商時，獨立第三方數(shù)據(jù)標注公司更具優(yōu)勢。

某業(yè)內人士在接受采訪時表示“考慮到大廠能也有自動駕駛的團隊或業(yè)務，難免會擔心自家數(shù)據(jù)被拿去訓練別人的模型；再加上要價不菲，所以合作并不多。如果跟第三方數(shù)據(jù)標注公司合作，就不用擔憂這種問題。他們要價合理，而且既不會把數(shù)據(jù)外泄，也不會自用?！?/p>

目前云測數(shù)據(jù)在華東、華北、華南設有數(shù)據(jù)標注基地，還有幾個基地在部署中，并擁有行業(yè)內最大規(guī)模的專業(yè)數(shù)據(jù)服務全職人員，用來構建整體 AI 數(shù)據(jù)的生態(tài)。

尾聲：

隨著AI技術商業(yè)化的持續(xù)深入，算法、算力方興未艾之時，場景化的數(shù)據(jù)成為推動AI深入長尾應用的關鍵推動力。

作為人工智能領域內最值得期待的場景，智能駕駛產業(yè)落地的大門已然開啟。場景化、定制化的高質量的數(shù)據(jù)已成為智能駕駛領域最需要的基礎動力之一，而數(shù)據(jù)產業(yè)也將在不斷深入的產業(yè)落地中，為科技的進步和發(fā)展貢獻著力量。