7月6日,在世界人工智能大會(huì)(WAIC)“WAIC2024語料主題論壇”上,《2024語料風(fēng)云榜行業(yè)研究報(bào)告》正式發(fā)布,其中,云測數(shù)據(jù)憑借其卓越的AI數(shù)據(jù)服務(wù)能力和對行業(yè)的深刻洞察,成功入選“2024語料風(fēng)云榜展TOP10”,并成為“語料生態(tài)合作伙伴倡議”的一員,彰顯了在AI數(shù)據(jù)服務(wù)領(lǐng)域的標(biāo)桿地位和影響力。

什么是語料?

這里“語料”的定義指用于開發(fā)和訓(xùn)練人工智能系統(tǒng)的文本或語音數(shù)據(jù),在廣義的人工智能和自然語言處理領(lǐng)域,圖片以及其他形式的數(shù)據(jù)(如視頻等)也可以被視為一種語料。

語料是發(fā)展人工智能的基礎(chǔ)要素,可以被視為是人工智能系統(tǒng)能力的“天花板”。數(shù)據(jù)的質(zhì)和量直接決定了模型能夠達(dá)到的性能極限。如果說,人工智能的能力像是火焰,可以用于千行百業(yè),那語料、算力等底層資源,就像是柴薪。

簡單來說,這些數(shù)據(jù)不僅用于模型的訓(xùn)練,還用于模型的評估和驗(yàn)證,確保模型能夠在實(shí)際環(huán)境中表現(xiàn)良好。更重要的是,豐富多樣的語料數(shù)據(jù)集,可以極大地提高模型的泛化能力,使其能夠應(yīng)對各種未見過的情形和數(shù)據(jù)。

近兩年來,大模型技術(shù)作為人工智能領(lǐng)域的重大突破,極大地推動(dòng)了AI產(chǎn)業(yè)的迅猛發(fā)展。隨著算法的不斷優(yōu)化與算力的大幅提升,大模型不僅在自然語言處理、計(jì)算機(jī)視覺等傳統(tǒng)領(lǐng)域?qū)崿F(xiàn)了前所未有的精度與效率,還在藥物研發(fā)、金融風(fēng)控、智能制造等新興應(yīng)用場景展現(xiàn)出巨大潛力。

但與此同時(shí),高質(zhì)量語料的短缺卻是全球人工智能研發(fā)中普遍存在的一個(gè)關(guān)鍵問題,主要原因有以下幾個(gè):

1.數(shù)據(jù)的采集往往受限于版權(quán)、隱私保護(hù)法規(guī)以及數(shù)據(jù)來源的限制,使得無法廣泛地收集到多樣的數(shù)據(jù)樣本。

2.數(shù)據(jù)的標(biāo)注工作不僅成本高昂,而且需要大量的人工參與,這在很大程度上限制了數(shù)據(jù)集的規(guī)模和多樣性。

3.標(biāo)注數(shù)據(jù)的準(zhǔn)確性和一致性的維護(hù)也是一個(gè)挑戰(zhàn),因?yàn)椴煌臉?biāo)注者可能會(huì)有不同的理解和判斷標(biāo)準(zhǔn)。

根據(jù)Pablo Villalobos等人在2024年6月4日的研究表明,高質(zhì)量數(shù)據(jù)預(yù)計(jì)將于2028年枯竭,高質(zhì)量數(shù)據(jù)的缺位將會(huì)嚴(yán)重限制未來大模型的表現(xiàn)。

因此,在大模型技術(shù)發(fā)展的帶動(dòng)下,數(shù)據(jù)標(biāo)注、模型訓(xùn)練、算力基礎(chǔ)設(shè)施等相關(guān)領(lǐng)域也迎來了新一輪的增長,云測數(shù)據(jù)等行業(yè)領(lǐng)軍企業(yè)脫穎而出,通過提供高質(zhì)量的AI數(shù)據(jù)服務(wù),支持了大模型的訓(xùn)練與優(yōu)化,為人工智能技術(shù)的廣泛應(yīng)用奠定了堅(jiān)實(shí)基礎(chǔ)。

本次“2024語料風(fēng)云榜TOP10”由大模型語料數(shù)據(jù)聯(lián)盟經(jīng)過兩個(gè)月嚴(yán)格的征集和評選,最終在上百家參與企業(yè)中遴選得出。這些企業(yè)提供了高質(zhì)量和多樣化的數(shù)據(jù)集來支持模型訓(xùn)練和優(yōu)化,承擔(dān)了中國大模型開發(fā)中數(shù)據(jù)的收集、清洗、標(biāo)注和管理等工序,并最終圍繞經(jīng)營能力、品牌能力、產(chǎn)品能力、創(chuàng)新能力、基礎(chǔ)能力、規(guī)范能力等指標(biāo)進(jìn)行綜合評價(jià)。

成功入選的云測數(shù)據(jù)以高質(zhì)量、場景化的AI訓(xùn)練數(shù)據(jù)服務(wù)為基礎(chǔ),持續(xù)為智能駕駛、智慧城市、智能家居、智慧金融等眾多領(lǐng)域提供通用數(shù)據(jù)集、數(shù)據(jù)標(biāo)注平臺(tái)&數(shù)據(jù)管理工具、數(shù)據(jù)采集/數(shù)據(jù)標(biāo)注等服務(wù),全方位支持文本、語音、圖像、視頻等各類型數(shù)據(jù)的處理。

據(jù)了解,目前云測數(shù)據(jù)的深度合作伙伴覆蓋汽車、安防、手機(jī)、家居、金融、教育、新零售、生態(tài)系統(tǒng)等行業(yè),包括眾多世界500強(qiáng)企業(yè)、高?？蒲袡C(jī)構(gòu)、政府機(jī)構(gòu)、頭部AI企業(yè)和大型互聯(lián)網(wǎng)企業(yè),涵蓋了計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理、知識(shí)圖譜等AI主流技術(shù)領(lǐng)域,并先后參與編制了《智能網(wǎng)聯(lián)汽車激光雷達(dá)點(diǎn)云數(shù)據(jù)標(biāo)注要求及方法》、《智能網(wǎng)聯(lián)汽車場景數(shù)據(jù)圖像標(biāo)注要求與方法》、《人工智能研發(fā)運(yùn)營一體化(Model/MLOps)能力成熟度模型第一部分:開發(fā)管理》、《人工智能研發(fā)運(yùn)營一體化(Model/MLOps)能力成熟度模型 第二部分:模型交付》、《面向人工智能的數(shù)據(jù)交付服務(wù)能力成熟度模型》、《人工智能數(shù)據(jù)集質(zhì)量管理能力評估方法》等產(chǎn)業(yè)相關(guān)標(biāo)準(zhǔn)。

在本次發(fā)布的《2024語料風(fēng)云榜行業(yè)研究報(bào)告》中,云測數(shù)據(jù)也作為代表案例,集中展示了標(biāo)注平臺(tái)、面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案、智能駕駛AI數(shù)據(jù)解決方案等能力。

云測數(shù)據(jù)標(biāo)注平臺(tái)入選了“北京市人工智能行業(yè)賦能典型案例(2023)”、“2022可信AI案例-人工智能平臺(tái)應(yīng)用標(biāo)桿案例”,將數(shù)據(jù)采集、處理、標(biāo)注、訓(xùn)練、模型輸出進(jìn)行持續(xù)迭代集成,支持圖像、點(diǎn)云、視頻、文本、語音等數(shù)據(jù)類型的加工處理,可解決AI場景落地多樣性、豐富性的數(shù)據(jù)需求,幫助企業(yè)快速獲得高質(zhì)量訓(xùn)練數(shù)據(jù)。

面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案可以為行業(yè)客戶深度定制數(shù)據(jù)采集方案,助力獲取高價(jià)值數(shù)據(jù),同時(shí)在面對微調(diào)任務(wù)會(huì)根據(jù)大模型落地場景特點(diǎn),提供包含QA-instruct、prompt等文本類任務(wù)項(xiàng)目和多模態(tài)大模型的相關(guān)能力支持。在完成微調(diào)后,云測數(shù)據(jù)通過垂直領(lǐng)域的人員和專家積累+評測體系和服務(wù),幫助企業(yè)對各個(gè)垂直應(yīng)用落地領(lǐng)域進(jìn)行評估。并通過以集成數(shù)據(jù)底座為核心的數(shù)據(jù)標(biāo)注平臺(tái),將難例數(shù)據(jù)回流完成清洗標(biāo)注。

云測數(shù)據(jù)自動(dòng)駕駛解決方案2.0,以集成數(shù)據(jù)底座為核心,在數(shù)據(jù)閉環(huán)能力、自動(dòng)標(biāo)注能力、數(shù)據(jù)管理工具鏈、人工效能評估等多方面進(jìn)行了全方位升級,造保證數(shù)據(jù)標(biāo)注質(zhì)量的基礎(chǔ)上,全面提升數(shù)據(jù)標(biāo)注、流轉(zhuǎn)效率。

隨著自動(dòng)駕駛技術(shù)應(yīng)用加速落地,系統(tǒng)感知、決策、執(zhí)行、通信各方面架構(gòu)勢必迎來全新升級,BEV-transformer和數(shù)據(jù)閉環(huán)將成為下一代自動(dòng)駕駛系統(tǒng)的核心架構(gòu)。目前,云測數(shù)據(jù)已和業(yè)內(nèi)包括自主、合資車企,大型Tier1、Tier2,以及無人出租車、自動(dòng)駕駛公司等眾多企業(yè),建立了持久良好的合作關(guān)系。

在WAIC語料主題論壇上,云測數(shù)據(jù)還積極響應(yīng)“語料生態(tài)合作伙伴倡議”,并與50余家單位共同發(fā)起。該倡議旨在打造一個(gè)資源共享、互利共贏、國際融通的語料生態(tài)圈,通過強(qiáng)化語料生態(tài)全產(chǎn)業(yè)鏈的交流合作,推動(dòng)中國大模型產(chǎn)業(yè)的健康發(fā)展。

云測數(shù)據(jù)的加入,不僅展示了其在行業(yè)內(nèi)的廣泛影響力和責(zé)任感,也為其在未來的發(fā)展中贏得了更多合作機(jī)會(huì)和市場空間。隨著人工智能技術(shù)的不斷進(jìn)步和應(yīng)用場景的持續(xù)拓展,云測數(shù)據(jù)將繼續(xù)發(fā)揮其在AI數(shù)據(jù)服務(wù)領(lǐng)域的領(lǐng)先優(yōu)勢,攜手行業(yè)伙伴共同推動(dòng)人工智能產(chǎn)業(yè)的創(chuàng)新發(fā)展,迎接更加美好的未來。