数据标注产业是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的新兴产业。其核心任务是将未经处理的原始数据转化为人工智能模型可学习的高质量数据集，是连接数据资源、算法模型和应用场景的关键桥梁，其发展水平直接影响人工智能应用效果和场景落地。近年来，生成式人工智能取得突破性进展，海量标注需求推动数据标注产业快速发展。与此同时，人工智能的飞速发展对数据标注也提出了更高要求，数据标注产业正经历深刻变革，纯人工时代已渐行渐远，取而代之的是知识密集型和技术驱动型并存的新态势，推动产业发展从“量”向“质”跃迁。
全球数据标注产业发展现状
数据标注产业与人工智能产业发展相伴相生。2007年ImageNet项目以众包的方式成功构建了一个规模庞大的图像标记数据集，标志着数据标注产业的开端。自2015年起，随着深度学习技术兴起，大量人工智能企业成立，促使数据标注服务需求迅猛增长，大量初创公司和平台涌现。尤其是2022年后，随着生成式人工智能技术崛起，对高质量、大规模标注数据的需求激增，数据标注产业快速发展。根据市场研究机构Grand View Research的数据，2024年全球数据标注解决方案和服务市场规模达186.3亿美元，预计2025年—2030年以20.3％的复合年均增长率增长，到2030年将达576.3亿美元。
从国家和地区发展来看，美国、中国和印度为2024年全球数据标注解决方案和服务市场的前三大国家，分别占全球市场的22.3％、9.2％和9.1％；亚太、北美和欧洲为前三大地区，分别占比35％、33.9％和26.4％。美国以技术创新为核心驱动力，专注于中高端市场，在数据标注领域投入巨大，培育了Scale AI、Mighty AI、Surge AI、Labelbox等一批数据标注独角兽企业。中国数据标注产业发展迅速，拥有众多数据标注企业，涌现出海天瑞声、数据堂、百度众包等人工智能基础数据服务企业。印度利用丰富且廉价的人力优势，成为美国主要的数据标注外包承接区，孕育了Infolks、iMerit等多个潜力型企业。欧洲地区围绕数据隐私和AI伦理的严格监管框架鼓励高质量、合规的数据标注解决方案的发展，拥有Mindy Support、CloudFactory等企业。
AI时代数据标注产业的跃迁
AI时代下，伴随AI应用场景细分以及大模型技术崛起，数据标注在规模、精度、多样性、复杂性等方面面临更高要求，推动产业向专业化、智能化、平台化跃迁，使其从劳动密集型向知识密集型、技术驱动型深度转型。这一变化不仅体现了AI技术的持续演进，更预示着产业迈向更加高效与广阔的未来。
需求升级：从“浅层需求”到“深层需求”。一是需求场景从通用领域向专业领域延伸。早期数据标注以简单分类为主，但随着自动驾驶、医疗AI、智能制造等应用加速落地，标注需求逐渐向专业化演进。Appen、Scale AI、iMerit等领先数据标注企业将“专家参与”作为服务特色，组织行业专家对标注结果和模型微调进行评估和反馈。目前Scale AI的专家网络中，80％的成员拥有学士或更高学位，其中约15％拥有博士学位。二是需求从简单标签向类人理解层面提升。为解决自然语言理解中的细微差别问题，如讽刺、隐喻和文化特定表达等，Surge AI聘请语言专家、文化解读者等领域专家担任标注人员，帮助AI模型捕捉不同语言中的文化和社会语境。
技术驱动：从“人海战术”到“人机协同”。一是AI预标注与智能化标注技术的应用。传统的数据标注产业属于依赖“人海战术”的劳动密集型产业，面临效率低下、质量难以保证、人工成本高昂等难题。但随着AI预标注技术和智能化标注技术不断取得突破，“人机协同”的标注模式日益成熟。众多标注企业研发或引入AI辅助标注工具，利用AI模型对未标注的数据进行预标注，人工标注更加聚焦于复杂的任务，大幅提升了标注的效率和效果。Appen自主研发的预标注通用模型和交互式算法在数据标注任务中能产生25％至10倍的效率提升。二是多模态标注技术的研发。标注企业研发多模态数据标注、跨模态语义对齐等技术，让不同模态的数据在语义层面上统一理解，建立准确的关联关系。Scale AI、Labelbox、Mighty AI等企业通过标注工具创新，协同处理和分析图像、声音、传感器等数据，帮助机器学习算法全面理解复杂环境，解决跨模态标注难题。三是合成数据生成的探索。为了应对现实数据难以获取或数据涉及隐私的挑战，标注企业利用合成数据技术生成符合物理规律和业务逻辑的训练数据，从而突破数据瓶颈。针对工业极端场景数据稀缺的问题，Appen与AI合成数据库创建平台Mindtech合作，利用高精度仿真技术模拟极端场景并生成合成数据。
业务模式演进：从“单一标注服务”到“全栈式平台服务”。一是平台化，构建集数据管理、任务分发、质量管理、人员培训于一体的SaaS平台。为满足AI企业的全流程需求，标注企业打造一站式解决方案，从单一标注服务延伸至数据采集、清洗、标注、质检等全流程平台化服务。二是产品服务化，提供特定垂直领域的标注产品和方案，而非仅劳动力。区别于基础标注任务，Invisible Technologies通过其“专家市场”平台，为需要数学、天体物理学等专业知识的复杂标注工作提供解决方案。三是全栈式，标注平台与模型训练平台的集成越发紧密，形成“数据—训练—评估”的闭环。Scale AI等数据标注领先企业持续拓宽业务范围，提供从数据标注和数据管理服务到数据集试验、开发与更新，再到AI大模型测试与评估等全栈式平台服务。
（作者单位：中国电信研究院）
