发展数据标注技术，把数据“原油”炼成“汽油”

今年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，其中提出“支持发展数据标注、数据合成等技术，培育壮大数据处理和数据服务产业”。

“数据标注通过对数据特征提取、分类、注释、标签化等操作，将人类的知识和思维逻辑转化为计算机可识别的语言，可为数据注入新价值，还可有效激活数据潜能，是人工智能高质量数据集建设的关键环节。”国家数据局数字科技和基础设施建设司副司长李建国告诉记者，经过标注的高质量数据能有效提升垂类大模型的专业领域性能，加速人工智能赋能千行百业。

2024年12月，国家发展改革委、国家数据局等部门印发《关于促进数据标注产业高质量发展的实施意见》，提出“到2027年，数据标注产业专业化、智能化及科技创新能力显著提升，产业规模大幅跃升，年均复合增长率超过20%”。据了解，国家数据局已指导安徽合肥、四川成都等7个城市建设数据标注基地，先行先试、探索经验。截至今年上半年，7个数据标注基地建设数据集524个，服务大模型163个，带动数据标注行业相关产值超过83亿元。

在分子和药物智能研发场景，对原子、电荷、化学键、靶点、活性等关键信息进行标记，人工智能才能更好赋能新药研发；在工业质检场景，对产品缺陷尺寸、位置、类型等信息进行标记，人工智能才能精准捕捉产品缺陷或异常……在人工智能大模型和相关政策驱动下，数据标注需求爆发式增长，相关企业也茁壮成长。“我们的主要业务是为人工智能场景化落地提供数据采集和标注服务。在人工智能产业带动下，仅过去一年公司就承接了2000多项数据标注项目需求，预计今年业务量将增长超过30%。”标贝科技政企中心总经理栾永乐表示。

“数据标注产业链覆盖上游数据提供方、中游平台公司、下游服务商。目前，我国已经初步形成产业链闭环，各地也在加速培育数据标注产业，产业集聚带动作用日益凸显。”李建国说，数据标注产业正呈现出新的发展趋势。

技术迭代。智能化标注技术不断取得突破，人机协同标注模式日益成熟。“企业通过人工智能对未标注的数据进行预标注，数据标注员更多承担关键决策角色，通过实时纠正模型错误，并将改进反馈给算法，促进其自我优化。”栾永乐表示，这种模式不仅提高了标注效率，还保证了标注的准确性。

要求提升。随着大模型的发展，高质量数据集的评判标准变得更加复杂。“比如医疗影像标注需要专业知识以识别病灶，自动驾驶领域离不开对道路场景的高精度标注。”中国信息通信研究院副院长魏亮说，数据标注产业逐渐从劳动密集型产业转变为知识密集型产业，对从业者的专业要求越来越高。

对象拓展。被标注的数据从文本、图像等单模态向多模态标注转变，其领域也从通识领域逐渐扩展到医疗、工业制造等专识领域。

目前，数据标注产业还处于初期阶段，需要各方群策群力，共同培育壮大数据标注产业生态。李建国表示，各地要加强政策落实和引导，与产业各界深度合作，搭建常态化供需对接服务平台；应用企业要以实际需求驱动数据标注能力体系建设，模型厂商等数据应用企业要结合自身技术路线与业务场景，与标注企业共同开展标注工具研发、流程优化工作，推动行业标准规范建设。