圖源：Unsplash

文 | 智能相對論

作者 | 沈浪

由ChatGPT掀起的這股大模型浪潮，從通用領(lǐng)域席卷垂直領(lǐng)域?，F(xiàn)階段，越來越多的行業(yè)都在開發(fā)專用垂直細分賽道的大模型產(chǎn)品，以加速AI應(yīng)用的場景化落地進程。

譬如，在電商領(lǐng)域，平臺和商家正在利用大模型重塑各個零售環(huán)節(jié)。如智能導(dǎo)購，可基于消費者的海量消費數(shù)據(jù)為其提供商品推薦、商品挑選攻略、行程建議等。同時，大模型還能理解海量商品的詳情數(shù)據(jù)，快速生成電商運營需要的商品主圖、營銷海報、詳情頁等等。

除此之外，電商垂類大模型在智能客服、供應(yīng)鏈優(yōu)化等場景上也都能基于海量數(shù)據(jù)的深度學(xué)習(xí)，快速掌握特定的售前售后話術(shù)、供應(yīng)鏈訂單處理等，全方位革新電商領(lǐng)域的零售模式和消費體驗。

隨著應(yīng)用成果的落地，垂直行業(yè)大模型的價值正在釋放，數(shù)字生產(chǎn)力持續(xù)提升。而作為人工智能三駕馬車之一的數(shù)據(jù)要素也在這個時刻被提上新的戰(zhàn)略高度——不難發(fā)現(xiàn)，垂直行業(yè)大模型的價值釋放離不開海量數(shù)據(jù)的支持。

對應(yīng)的，上游的AI數(shù)據(jù)服務(wù)商已經(jīng)針對數(shù)據(jù)層面提出了新的解決方案。在2023年中國國際服務(wù)貿(mào)易交易會期間，國內(nèi)頭部AI數(shù)據(jù)服務(wù)廠商云測數(shù)據(jù)在去年發(fā)布的“AI工程化的數(shù)據(jù)解決方案”基礎(chǔ)上全面升級，重點面向垂直行業(yè)大模型提出了全生命周期的AI數(shù)據(jù)解決方案，為大模型應(yīng)用落地提供關(guān)鍵支撐。

以大模型應(yīng)用為支點，在大量市場場景需求的撬動下，人工智能產(chǎn)業(yè)鏈上下游的板塊正在迎來全新變革，數(shù)據(jù)層面的升級已經(jīng)躍然紙上。

大模型應(yīng)用“封神”的背后，是什么樣的AI數(shù)據(jù)服務(wù)在支持？

大模型的爆發(fā)加速了人工智能的應(yīng)用進程，同時也對整個算法產(chǎn)業(yè)鏈帶來了新的挑戰(zhàn)。在數(shù)據(jù)層面，過去生產(chǎn)數(shù)據(jù)、收集數(shù)據(jù)、加工數(shù)據(jù)、存儲數(shù)據(jù)等流程就不再適用當(dāng)前的市場需求，或者說無法高效地、很好地解決新出現(xiàn)的問題。

下游的AI應(yīng)用融入大模型技術(shù)進行全新升級，上游的AI數(shù)據(jù)服務(wù)也同樣面臨著變革。那么，什么樣的AI數(shù)據(jù)服務(wù)才是垂直行業(yè)大模型場景下需要的、適用的？

一、標(biāo)準(zhǔn)化

垂直行業(yè)大模型技術(shù)成果涌現(xiàn)的背后，對應(yīng)是AI數(shù)據(jù)需求大幅增長。如何滿足大幅增長的場景化數(shù)據(jù)需求，首要不是盲目擴大數(shù)據(jù)生產(chǎn)，而是提高AI數(shù)據(jù)的通用性、易用性，也就是標(biāo)準(zhǔn)化的問題，避免AI數(shù)據(jù)服務(wù)做“無用功”，保證數(shù)據(jù)的真實、有效、易用是滿足垂直行業(yè)大模型爆發(fā)式增長需求的關(guān)鍵。

譬如，在智能網(wǎng)聯(lián)汽車行業(yè)，《智能網(wǎng)聯(lián)汽車激光雷達點云數(shù)據(jù)標(biāo)注要求及方法》（T/CSAE 213-2021）、《智能網(wǎng)聯(lián)汽車場景數(shù)據(jù)圖像標(biāo)注要求與方法》（T/CSAE 212-2021）等團體標(biāo)準(zhǔn)的發(fā)布，就為智能網(wǎng)聯(lián)汽車的研發(fā)和測試提供了一套切實可行的場景數(shù)據(jù)點云標(biāo)注方法，很好地推動了智能網(wǎng)聯(lián)汽車的研發(fā)和測試。

其中最直觀的感受則在于，過去AI數(shù)據(jù)服務(wù)行業(yè)各企業(yè)對圖像標(biāo)注的要求與方法都各不相同，標(biāo)注結(jié)果文件各異，嚴(yán)重影響后續(xù)數(shù)據(jù)的統(tǒng)一使用。隨著相關(guān)標(biāo)準(zhǔn)的發(fā)布，對標(biāo)注流程和標(biāo)注結(jié)果的保存形式都進行了規(guī)范，進而提升標(biāo)注數(shù)據(jù)的通用性。

而在這個過程中，行業(yè)TOP地位的廠商往往都是標(biāo)準(zhǔn)的引領(lǐng)者，促使其在接下來的市場規(guī)范中獲得了更大的話語權(quán)和主動權(quán)。譬如，以上智能網(wǎng)聯(lián)汽車場景數(shù)據(jù)的兩大標(biāo)準(zhǔn)，背后都有云測數(shù)據(jù)的參與。

這家頭部AI數(shù)據(jù)服務(wù)商在參與標(biāo)準(zhǔn)制定，為行業(yè)攻陷自家經(jīng)驗和技術(shù)能力的同時，也更快、更好地掌握了數(shù)據(jù)標(biāo)注相關(guān)場景的標(biāo)準(zhǔn)化，并應(yīng)用到自家的產(chǎn)品和解決方案中。其中，基于對行業(yè)標(biāo)準(zhǔn)化的理解，云測數(shù)據(jù)發(fā)布的面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案不僅能提供大規(guī)模感知數(shù)據(jù)能力，還能智駕企業(yè)減少數(shù)據(jù)采集周期，提升數(shù)據(jù)標(biāo)注效率，降本增效，助力相關(guān)企業(yè)在數(shù)據(jù)層面實現(xiàn)研發(fā)領(lǐng)跑。

二、工程化

隨著大模型技術(shù)的融入，人工智能應(yīng)用進程正持續(xù)加速，而在供給端，AI數(shù)據(jù)服務(wù)也面臨著數(shù)據(jù)生產(chǎn)、收集、處理、加工、存儲等全生命周期流程的升級，從而才能滿足AI數(shù)據(jù)的大幅度增長需求。簡單來說，對應(yīng)AI工程化的大趨勢，AI數(shù)據(jù)服務(wù)也迎來了工程化的深度升級。

這里，云測數(shù)據(jù)發(fā)布的“面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案”呈現(xiàn)出來的結(jié)果就是一條相對清晰的路徑——通過豐富的數(shù)據(jù)標(biāo)注工具、成熟的API集成能力、高效的數(shù)據(jù)閉環(huán)，加上人員管理及項目管理體系以及安全交付軟硬件支持的方式，云測數(shù)據(jù)在保證數(shù)據(jù)隱私安全的環(huán)境下，對垂直行業(yè)大模型所需的海量數(shù)據(jù)實現(xiàn)了全生命周期管理。

更直觀來說，對應(yīng)AI數(shù)據(jù)服務(wù)的各個流程環(huán)節(jié)，云測數(shù)據(jù)都能提供對應(yīng)的工具、技術(shù)能力、管理體系，好似成熟的制造生產(chǎn)線一般，一步步地完成數(shù)據(jù)從無到有的生產(chǎn)，從粗糙到精細的加工等目標(biāo)，以供下游的垂直行業(yè)大模型用于預(yù)訓(xùn)練。

以基礎(chǔ)的數(shù)據(jù)標(biāo)注為例，云測數(shù)據(jù)目前提供了相對全面的平臺工具模塊，包括了點云融合跟蹤、OCR文字轉(zhuǎn)寫、視頻標(biāo)注、語音轉(zhuǎn)寫、語音切割、文本判斷、文本生成等等，充分滿足行業(yè)垂直大模型的多模態(tài)數(shù)據(jù)標(biāo)注需求。

三、場景化

今年以來，市場的焦點從通用大模型轉(zhuǎn)向了垂直行業(yè)大模型，其背后是對技術(shù)應(yīng)用落地的追求，同時也釋放了一個足以撬動整條人工智能產(chǎn)業(yè)鏈的趨勢——場景化。在AI數(shù)據(jù)服務(wù)領(lǐng)域，廠商不再盲目追求廣泛的海量數(shù)據(jù)，而是針對某一特定領(lǐng)域或場景的有效數(shù)據(jù)。

場景的聚焦是加速垂直行業(yè)大模型落地的關(guān)鍵，同時也意味著更高要求的AI數(shù)據(jù)服務(wù)。以智能網(wǎng)聯(lián)汽車為例，云測數(shù)據(jù)為其提供的AI數(shù)據(jù)解決方案目前就包括三部分，分別為基礎(chǔ)數(shù)據(jù)庫、定制化數(shù)據(jù)采集和標(biāo)注服務(wù)以及包括數(shù)據(jù)采集標(biāo)注、數(shù)據(jù)管理的全方位數(shù)據(jù)工具鏈。

簡單來說，隨著場景化趨勢的發(fā)展，AI數(shù)據(jù)服務(wù)的定制化將越來越深入，不僅要針對某一特定行業(yè)或場景提供專業(yè)服務(wù)，還有可能聚焦某一公司或某一技術(shù)模塊提供高度定制化數(shù)據(jù)服務(wù)。

同時，基于場景化的AI數(shù)據(jù)需求也遠超常規(guī)，隨著行業(yè)大模型的持續(xù)升級，場景的細分也會越來越精細，對應(yīng)的數(shù)據(jù)需求更加嚴(yán)格。在與「智能相對論」的交流中，云測數(shù)據(jù)總經(jīng)理賈宇航就提到，在智能網(wǎng)聯(lián)汽車領(lǐng)域，為滿足相關(guān)場景的豐富性，云測數(shù)據(jù)可以需要提供包含數(shù)據(jù)采集、數(shù)據(jù)生產(chǎn)、平臺工具在內(nèi)的AI數(shù)據(jù)服務(wù)，從而滿足相關(guān)大模型的預(yù)訓(xùn)練需求。

總的來說，對應(yīng)人工智能產(chǎn)業(yè)鏈上下游的關(guān)系，AI數(shù)據(jù)服務(wù)需要服務(wù)于垂直行業(yè)大模型的需求?，F(xiàn)階段，垂直行業(yè)大模型加速落地，需要更多、更有效、更精準(zhǔn)的場景數(shù)據(jù)，AI數(shù)據(jù)服務(wù)的升級有跡可循。

AI數(shù)據(jù)服務(wù)走入“深水區(qū)”，頭部廠商如何繼續(xù)保持引領(lǐng)？

市場趨勢的變化往往最先被行業(yè)TOP廠商所感知和反饋。在AI數(shù)據(jù)服務(wù)領(lǐng)域，云測數(shù)據(jù)提出“面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案”，站在下半年垂直行業(yè)大模型進一步爆發(fā)的節(jié)點上將繼續(xù)引領(lǐng)AI數(shù)據(jù)服務(wù)行業(yè)。

那么，只是純粹的進場快，就能實現(xiàn)行業(yè)引領(lǐng)嗎？顯然不是。

結(jié)合垂直行業(yè)大模型發(fā)展的市場需求，云測數(shù)據(jù)的“面向垂直行業(yè)大模型AI數(shù)據(jù)解決方案”所呈現(xiàn)出來的更關(guān)鍵的價值在于其背后三大思維。

一、聚焦賽道，重視價值回歸

垂直行業(yè)大模型的爆發(fā)式增長讓“百模大戰(zhàn)”愈演愈烈，各行各業(yè)都在做相應(yīng)的大模型產(chǎn)品，呈現(xiàn)出來的市場機會很多，但是對應(yīng)的AI數(shù)據(jù)服務(wù)需求也在升級。這就意味著不能用通用思維來做垂直行業(yè)大模型的AI數(shù)據(jù)服務(wù)，也很難有能力把所有行業(yè)都覆蓋。

那么，在這個過程，廠商就需要有所取舍。目前，云測數(shù)據(jù)“面向垂直行業(yè)大模型AI數(shù)據(jù)服務(wù)解決方案”主要落地在零售電商、金融保險、智能網(wǎng)聯(lián)汽車等領(lǐng)域。而這些都是云測數(shù)據(jù)從創(chuàng)立之初就聚焦深耕的行業(yè)，具備相應(yīng)的數(shù)據(jù)積累、行業(yè)知識、項目經(jīng)驗以及客戶資源等。

在云測數(shù)據(jù)總經(jīng)理賈宇航看來，云測數(shù)據(jù)做垂直行業(yè)大模型的AI數(shù)據(jù)服務(wù)，首要的關(guān)鍵點是價值考量。

一方面，要做就先做有積累、有基礎(chǔ)的領(lǐng)域——基于這個思路，云測數(shù)據(jù)在提供場景化數(shù)據(jù)采集方案的同時，也會在微調(diào)任務(wù)后對應(yīng)行業(yè)需求提供專業(yè)的評測體系和服務(wù)，讓AI數(shù)據(jù)服務(wù)更有價值。

另一方面，盡管垂直行業(yè)大模型很火，但商業(yè)化落地程度仍具有局限性。對于云測數(shù)據(jù)而言，結(jié)合過去的服務(wù)經(jīng)驗、項目經(jīng)驗篩選有市場需求的領(lǐng)域深耕，是對企業(yè)自身發(fā)展的負(fù)責(zé)，避免在過熱的市場環(huán)境中迷失自我，失去發(fā)展價值。

二、縱橫升級，強化基本功

垂直行業(yè)大模型應(yīng)用落地是一個縱橫能力協(xié)同的過程。云測數(shù)據(jù)總經(jīng)理賈宇航將這一過程理解為“搭積木”，橫向強化底座能力，有一個穩(wěn)定的基礎(chǔ)，縱向深耕場景化，對應(yīng)不同的行業(yè)進行微調(diào)、優(yōu)化，給出專業(yè)的解決方案。

具體來看，云測數(shù)據(jù)基于AI工程化的數(shù)據(jù)服務(wù)升級，在橫向上就構(gòu)建了一套包括數(shù)據(jù)可視化、擴展工具模塊、數(shù)據(jù)權(quán)限管理體系等在內(nèi)的AI數(shù)據(jù)服務(wù)解決方案，應(yīng)對大模型預(yù)訓(xùn)練本身所需要的數(shù)據(jù)需求。

縱向上則針對不同的場景，基于行業(yè)理解提供專精解決方案，比如對應(yīng)智能網(wǎng)聯(lián)汽車研發(fā)與測試所需要的車外環(huán)境感知、車內(nèi)智能座艙、人體動作識別等，滿足垂直行業(yè)大模型的進階需求。

三、堅守底線，規(guī)避行業(yè)敏感點

且不說數(shù)據(jù)領(lǐng)域本身就敏感，作為建立在海量數(shù)據(jù)之上的垂直行業(yè)大模型應(yīng)用對數(shù)據(jù)的需求就非常嚴(yán)格，數(shù)據(jù)安全是一方面，數(shù)據(jù)的獨特性、權(quán)威性、有效性則是另一方面。

對此，云測數(shù)據(jù)作為行業(yè)TOP企業(yè)始終將數(shù)據(jù)隱私安全放在業(yè)務(wù)開展的首位。云測數(shù)據(jù)總經(jīng)理賈宇航表示，為了確保垂直行業(yè)大模型用于訓(xùn)練的數(shù)據(jù)合法合規(guī)，云測數(shù)據(jù)都會與企業(yè)客戶簽訂數(shù)據(jù)授權(quán)協(xié)議。同時，云測數(shù)據(jù)在過去多年的發(fā)展中也會建立具備自由版權(quán)的數(shù)據(jù)集，以幫助更多行業(yè)客戶去獲取更多的高質(zhì)量數(shù)據(jù)。此外，云測數(shù)據(jù)更是一家滿足ISO27001和ISO27701標(biāo)準(zhǔn)的AI數(shù)據(jù)服務(wù)廠商，并先后獲得ISO9001、ISO20000、CMMI3等相關(guān)認(rèn)證。

結(jié)語

AI數(shù)據(jù)作為生產(chǎn)資料，是推動整個AI行業(yè)發(fā)展的必要一環(huán)，也是人工智能商業(yè)化的主要驅(qū)動力之一。換句話來說，高質(zhì)量的數(shù)據(jù)決定了AI的落地程度也不為過。云測數(shù)據(jù)總經(jīng)理賈宇航曾提出類似的觀點。

而垂直行業(yè)大模型的爆發(fā)式增長，也就意味著AI數(shù)據(jù)需求的澎湃發(fā)展。圍繞高質(zhì)量數(shù)據(jù)為需求，垂直行業(yè)大模型的落地才有真正意義的基礎(chǔ)。這是AI數(shù)據(jù)服務(wù)廠商的機會，也是人工智能產(chǎn)業(yè)突破發(fā)展的關(guān)鍵。

*本文圖片均來源于網(wǎng)絡(luò)

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。