BasicFinder CEO杜霖：AI新需求將不斷出現，數據標註訂單暴增

【獵雲網（微信：ilieyun）北京】5月8日報道（文/朱騰飛）

數據是AI的「血液」，無數據，不AI。

阿里巴巴董事局主席馬雲說：在未來3-5年，數據標註行業將會有一個蓬勃發展期，就像股市持續上漲，在這個階段參與的人都能一直賺錢。

眼下，隨著AI行業的縱深發展帶來對數據的新需求，催生出一批AI大數據服務公司，數據標註服務公司根據項目方要求，利用人工為圖片、視頻和語音內容打標籤、做標記。為AI公司用來訓練演算法模型，然後應用到圖像識別、語音識別、動作識別、自動駕駛等不同領域。

每一項 AI 技術的場景應用，背後都需要海量數據的支持。數據標註得越準確、數量越多，演算法模型的效果就越好，高質量的數據標註決定一家AI公司的行業競爭力。

近日，獵雲網對BasicFinder倍賽數據 CEO杜霖進行了採訪，分別從創業初衷、行業現狀、業務差異等多個方面進行了分析解讀。

壹

說起AI數據採集與標註，杜霖和他的團隊一點都不陌生。他目前的創始團隊均來自上海交大，「對AI和數據的研究，我們很早就開始了。」 BasicFinder CEO杜霖告訴獵雲網。

早在13年前，高二的杜霖就帶領衡水中學機器人興趣小組研究機器人視覺，高三時他寫了第一篇關於模式識別的科研論文，對於圖像和模式識別，他一直保持著非常強烈的興趣和研究。

2008年，讀大二的杜霖開始了第一次數據技術的創業。他做了一家基於數據挖掘技術的SEM公司，將來自互聯網的各種數據進行挖掘獲取長尾關鍵詞，用程序做量化競價和轉化率分析，自動去篩選高質量關鍵詞做流量變現。

2010年大學畢業，杜霖以400萬美金的價格把公司賣給了一家土耳其SEM公司，賺了第一桶金。隨後，他跟幾個朋友成立了一家早期TMT行業投資公司，從事了數年創投工作，這為他後來的業務積累了很多資源。

2014年，伴隨著深度學習技術的興起和發展，AI行業開始展露頭角，進一步催生和帶動了數據標註行業。基於多年對數據的理解和對未來趨勢把握，杜霖和團隊認為，未來AI發展只有兩個核心，一個是數據，一個是演算法。

「首先，我們擅長對於數據一系列處理流程的管理，包括所有任務的定義、發布、分發、管理、拆分，生產和質檢；其次，我們強調保證質量、效率和數據安全性。基於這些，我們決定搭建自己的數據平台和工廠。」

正是從那時起，杜霖和團隊開始搭建了一套完善的協同加工數據處理平台，用一部分融資去建立和收購一些工廠。

一方面基於數據需求方發布、定義任務；對於工廠管理人員拆分、分配任務；另一方面，對於操作人員做任務的領取和生產；對於質檢人員質檢，修改，匯總任務；以及最終的數據介面匹配與任務交付。

數據服務除了工廠模式，與專業的數據標註公司業務類似的還有數據眾包平台，其區別在於眾包平台上多為互聯網網民兼職操作，由於沒有受過專業化培訓，在質量和數量都難以滿足數據加工需求。

貳

據了解，深度模型在機器學習很多領域都取得了巨大成功，但也對演算法的原材料訓練數據提出了更多的要求。對於研發高水平的演算法，數據的高質量採集、清洗、處理等等對演算法效果會有直接影響。

杜霖認為，至少在5年內，數據標註行業的增長空間還很大，數據標註的市場才剛打開，數據需求將緊隨人工智慧的大規模落地引來一波爆髮式增長。「當時我們就預測到未來人工智慧對於數據的需求會呈現井噴，所以我們提前布局了。」

「BasicFinder不是單純標註數據的公司，我們是提供協同人力（Human Based Intelligence）的公司。在這個平台上，工廠需要一系列的管理功能。

目前，能被建模量化的數據只佔真實世界中的極少一部分。現有的數據標註業務主要集中在安防和自動駕駛領域，未來，隨著AI深入更多垂直行業，新需求將不斷出現。

杜霖認為，AI行業本質離不開科研，科研其實是其真正的內部動力，就出現一個非常有意思的現象，在學術界如果某種方法或者效果好，工業界就會很快垂直落地，真正能推動需求的是來源於學術界的效果和工業界的落地場景。

眾所周知，數據標記是個重人力的勞動密集型行業，這類公司的關鍵點就在於——人員效率、交付質量，「我們針對不同的市場需求和任務類型，開發了兩個產品。一個是倍賽工廠（BasicFinder Premium），一個是倍賽眾包（BasicFinder Forall）。」 BasicFinder CEO杜霖告訴獵雲網。

叄

AI企業對數據標註的質量要求是非常高的，而AI企業在尋找數據標註服務的過程中，數據標註質量差成為了AI企業最為苦惱的事情。往往在數據清洗、數據標註、數據交付等多個環節出現不及時、不流暢、不合格等情況。那麼數據標註如何把控質量呢？

談到數據標註如何把控其質量，BasicFinder CEO杜霖告訴獵雲網：

首先，數據工廠通過了ISO9001 質量體系認證。「舉一個例子，如果客戶要求95%的正確率，我們就會在最終完成的作業中隨機抽取100份樣本，只要發現錯誤數超過5份，那麼整批作業都將被打回。」

其次，用系統控制質量，內部用AI和質控模型來管理數據標註員。「比如，我們會間隔穿插相同任務給業務員，觀察他們對同一個任務處理的前後一致性，如果偏差較大，系統會自動提示業務員有走神或疲勞行為。從而提高數據標註工作的效率，保證數據交付質量。」

第三，對業務員進行精細化管理，「他們都有歷史正確率，做什麼樣任務，哪些任務錯了，分析出他擅長做的，優先動態分配任務。

由於AI企業對於數據標註是多樣化的，任何場景、任何事物都有可能產生標註需求。BasicFinder從最前期的任務定義、採集數據，到中間的清洗、加工，以及後期的質量檢測、訓練迭代等全部環節分開作業，開發了一套系統用來輔助人工提高效率，精準分析需求，匹配最優方案，縮短項目周期。

與2017年同期相比，BasicFinder倍賽數據今年第一季度訂單量增幅超過260%，預計2018年全年增量穩超去年三倍。

聊到行業現狀，杜霖認為數據標註行業市場潛力巨大，但行業內良莠不齊，甚至亂象橫生。「一方面有人追求控制成本，不同公司對數據精度要求不一樣，價格可能差了一倍都不止，標註的質量是不可控的；另一方面從業人員素質參差不齊、工作環境不正規。」 談及2017年業務量增速驚人，「這是我們優質客戶對倍賽數據服務能力的肯定，也是客戶對數據標註行業充分了解之後做出的選擇。」杜霖對BasicFinder的業務能力信心十足。

肆

據了解，BasicFinder倍賽數據擁有12家下轄專業化數據基地及2000餘名全職數據操作員，BasicFinder 運用自身高效培訓、管理體系以及專業的軟硬體設施為客戶的AI引擎增添強勁數據動力。

在對數據標註從業人員上，BasicFinder進行系統篩選，這是一個大浪淘沙的過程，他堅信市場慢慢會變得更清晰和透明，它會經歷一個從價格敏感到質量敏感，最終必定是質量勝出。

2017年，BasicFinder 倍賽數據推出了倍賽眾包產品，覆蓋120所城市，眾包用戶增速超過55%，價格監控引擎根據人力和需求的匹配情況，實現價格動態管控，降低客戶的服務成本。

值得一提的是，BasicFinder早期還沒有發力市場和營銷，海外客戶和訂單竟紛紛找上門來。外商非常注重質量，不是特別在意價格。「這是長久穩定的合作基礎。」

BasicFinder創始人杜霖告訴獵雲網，BasicFinder工廠採用的是「自營」模式，數據標註師大多是經過培訓的人員，他們技能相對網民標記效率很高。

「第一是對任務需求的充分理解；第二是要有足夠的耐心；第三是要有責任。我們要把每個任務做精細，比如在自動駕駛數據標註方面，我一直講，今天標註的每一個數據都是自動駕駛的一部分，不能漏，不能少，更不能錯，否則你犯的任何一個錯誤，未來很可能會出現巨大的災難。「倍賽數據一直在強調對人的要求。」 BasicFinder CEO杜霖補充說道。

現階段數據標註主要依靠人力來完成，百萬級的數據標註對於標註員來說是一個不小的壓力。尤其是複雜的標註任務，合格率低、時間跨度大等因素對於標註員來說需要有強大的心理承受能力。

問及是否會用機器替代人力進行標記，BasicFinder CEO杜霖表示，AI對數據需求的多樣性會增加AI的范化能力，這樣的多樣性正是來源於人類本身。用機器生產的數據再訓練機器是一個偽命題，會影響AI訓練效果。

採訪末，BasicFinder CEO杜霖告訴獵雲網接下來主要在兩個方面發力：一是紮實的運營平台，加大研發力度，讓任務發布的管理更加高效；二是降低成本，服務多元的客戶需求，提供更高質量的解決方案。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！