內容概況：數據加工包括數據清洗、數據標注、數據審核等，本質上是提升數據資源質量的過程，數據資源的質量越高其價值越大。具體分環節看：企業標配的能力，基本在數據收集存儲環節就已經完成；數據標注：由于非結構化數據占比越來越大，對于數據標注行業的需求穩定提升，已經形成一個穩定成長的行業，數據標注行業市場規模不斷擴大，圖像類和語音類需求占比超八成。數據統計，2022年中國數據標注行業市場規模為50.8億元，2023年數據標注行業市場規模約為60.8億元。

關鍵詞：數據標注、圖像標注、文本標注、語音標注、計算機視覺、智能語音

一、數據標注行業概述

數據標注是指借助特定軟件標注工具以人工的方式將圖片、語音、文本、視頻等數據內容打上特征標簽，使計算機通過大量學習這些帶有特征標簽的數據，最終具備自主識別特征的一種行為。數據標注技術作為提供訓練數據的必經環節，促進了人工智能的快速發展。常見的數據標注按照數據類型可以分為圖像標注、文本標注及語音標注。

中國數據標注行業的發展歷程可以大致分為四個階段。在起步階段，大約在2005年左右，一些計算機視覺和人工智能領域的專家開始意識到數據標注的重要性，并進行了簡單的數據標注工作。這個階段的數據標注主要由學術機構和科研人員自發進行，規模較小，還沒有形成一個獨立的行業。隨著人工智能技術的不斷發展和普及，數據標注的需求逐漸增多。在探索階段，一些企業開始看到數據標注的市場潛力，并開始進入這個領域。這個階段的數據標注主要由小型創業公司和個人工作室提供服務，標注的內容相對較簡單，主要是文本、圖片等類型的數據。從2015年開始，隨著深度學習等技術的興起，數據標注的需求呈現爆炸性增長。在快速發展階段，大量的人工智能企業涌現，對數據標注服務的需求急劇增加。同時，一些大型互聯網公司也開始布局數據標注領域，推出自己的數據標注平臺和工具。這個階段的數據標注服務逐漸形成了一個龐大的產業，涵蓋了圖像、文本、音頻、視頻等多種類型的數據標注。2018年以來，中國數據標注行業已經進入了一個相對成熟和穩定的階段。雖然數據標注的需求仍然在增長，但增長速度已經趨于平緩。在這個階段，數據標注公司的競爭更加激烈，服務質量、價格和技術實力成為競爭的關鍵因素。同時，隨著人工智能技術的不斷發展和應用場景的拓展，數據標注行業也面臨著新的挑戰和機遇。

二、數據標注行業政策

隨著數據標注市場不斷壯大，數據標注市場的各個參與主體都投入到市場運作中。相關政策文件的密集出臺推動我國數據標注產業迅速發展，技術不斷進步，基礎設施不斷完善，融合應用不斷深入。2023年12月，國家發展改革委等五部門印發《深入實施“東數西算”工程加快構建全國一體化算力網的實施意見》，提出差異化統籌布局行業特征突出的數據集群，促進行業數據要素有序流通，打造一批涵蓋算力利用與數據開發的行業數據應用空間，服務行業大模型的基礎實驗及商業化應用。2024年3月，河南省人民政府辦公廳印發《河南省加快制造業“六新”突破實施方案》，提出加快建設數據標注行業標準體系，支持商丘、安陽市打造高水平數據標注產業集群。到2025年，突破一批關鍵算法，初步建成較為完善的算法轉化與應用生態。

三、數據標注行業產業鏈

數據標注位于產業鏈中游，是AI商業化應用中重要的一環。行業的上游為AI技術數據服務商、IDC廠商、服務器等數據資源提供方和硬件資源供應商。中游為數據標注廠商，包括AI基礎數據服務商，如海天瑞聲等。下游則是數據標注行業的應用領域，包括計算機視覺、智能語音和自然語言等。

相關報告：智研咨詢發布的《中國數據標注行業市場供需形勢分析及投資前景評估報告》

四、數據標注行業發展現狀

數據加工包括數據清洗、數據標注、數據審核等，本質上是提升數據資源質量的過程，數據資源的質量越高其價值越大。具體分環節看：企業標配的能力，基本在數據收集存儲環節就已經完成；數據標注：由于非結構化數據占比越來越大，對于數據標注行業的需求穩定提升，已經形成一個穩定成長的行業，數據標注行業市場規模不斷擴大，圖像類和語音類需求占比超八成。數據統計，2022年中國數據標注行業市場規模為50.8億元，2023年數據標注行業市場規模約為60.8億元。

從市場結構來看，計算機視覺和智能語音是數據標注行業的主要應用領域。其中計算機視覺是目前最熱門的人工智能項目之一，應用于開發自動駕駛模型、手機面部識別和情感識別等。2023年計算機視覺用數據標注市場規模達到27.5億元。

智能語音是指聲音信息在人機間的交互，包括語音識別技術（ASR）和語音合成技術（TTS）。隨著信息技術的發展，智能語音技術已經成為人們信息獲取和溝通最便捷、最有效的手段。數據統計，2023年中國數據標注行業智能語音市場規模達到24.6億元。

五、數據標注行業企業格局和重點企業分析

企業格局

AI行業的蓬勃發展，對數據的需求呈井噴式增長，數據標注行業是伴隨著AI的興起而產生的一個新興行業。目前，我國國內市場越來越多的互聯網巨頭公司開始組建自己的數據標注平臺，京東（京東眾智）、百度（百度眾測）都已經擁有自己的標注平臺和工具。頭部公司之外，國內近年興起眾多數據標注公司，如龍貓數據、Testin云測、倍賽BasicFinder、數據堂等，這些公司僅次于第一梯隊，都具有相當的規模。

重點企業

北京海天瑞聲科技股份有限公司（以下簡稱“海天瑞聲”）是我國領先的訓練數據專業提供商。自2005年成立以來，公司致力于為AI產業鏈上的各類機構提供算法模型開發訓練所需的專業數據集。公司所提供的訓練數據覆蓋智能語音（語音識別、語音合成等）、計算機視覺、自然語言等多個核心領域，全面服務于人機交互、智能駕駛、智能家居、智慧城市等多種創新應用場景。數據統計，2023年海天瑞聲智能語音、計算機視覺、自然語音營收分別為1.03億元、0.47億元和0.15億元。

六、數據標注行業發展趨勢

1、細化數據標注任務

隨著人工智能技術在一些行業的廣泛應用，這些行業原有的數據標注任務已經不再滿足業務需求。以智能安防為例，為了促進智能安防系統從傳統的被動防御走向智能化的主動預警，一些新的數據標注任務也應運而生。例如，當一個神情緊張或者頭戴面罩的小偷手握一根棍子準備翻越小區外墻企圖實施盜竊行為時，安防系統應該馬上啟動報警系統，并及時向安防人員發出警告，以保障住戶的財產安全。實現異常情況預警的新標注任務，包括表情標注、危險品標注和行為標注，利用這些數據標注就能幫助安防系統識別緊張的表情、違法的面罩和違規的翻越行為。從技術角度來看，新標注任務為異常行為的識別與建模提供了高質量的訓練數據，也有利于提高模型訓練的準確性。因此，針對特定的行業需求細化標注任務，將是今后數據標注的一個發展趨勢。

2、推動半自動化數據標注工具的研發

隨著AI技術的發展，數據標注工具需要從只支持人工標注逐漸轉化為人工標注+AI輔助標注的方法。其基本思路為：基于以往的標注，可以通過AI模型對數據進行預處理，然后由標注人員在此基礎上做一些校正。以圖像標注為例，標注工具首先通過預訓練的語義分割模型來處理圖像，并生成多個圖像片段、分類標簽及其置信度分數。置信度分數最高的片段用于對標簽的初始化，呈現給標注者。標注者可以從機器生成的多個候選標簽中為當前片段選擇合適的標簽，或者對機器未覆蓋到的對象添加分割段。AI輔助標注技術的應用，能夠極大地降低人力成本并使標注速度大幅提升。目前，已經有一些數據標注公司開發了相應的半自動化工具，但是從標注比例來看，機器標注占比30%左右，而人工標注占比達到70%左右。因此，數據標注工具的發展趨勢是開發以人工標注為主機器標注為輔的半自動化標注工具，同時減少人工標注的比例，并逐步提高機器標注的占比。

以上數據及信息可參考智研咨詢（www.chy數據標注數據標注.com）發布的《中國數據標注行業市場供需形勢分析及投資前景評估報告》。智研咨詢是中國領先產業咨詢機構，提供深度產業研究報告、商業計劃書、可行性研究報告及定制服務等一站式產業咨詢服務。您可以關注【智研咨詢】公眾號，每天及時掌握更多行業動態。