人工智慧趨勢下，基礎數據供應商如何掘金？

撰稿：劉雪兒 編輯：劉惜墨

2015年底，龍貓數據CEO昝智主動停薪半年。

一年前，昝智對給公交系統做移動支付信心滿滿，並與他在豌豆莢負責技術的同事姚毅一拍即合，二人決定出來創業。

當時昝智已經與北上廣深的公交集團達成合作。哪知商場風向瞬息萬變，支付寶和微信爭相在線下燒錢推廣，且已蔓延至公交系統。微信、支付寶兩大移動支付巨頭盤踞在側，一直燒錢運營的狀態下，致使昝智的業務急劇收縮，員工也從高峰期近三十人縮到十幾個人。

▲龍貓數據CEO 昝智

必須尋找下一個業務刺激點。

趁著微信紅利尚未褪盡，為了讓團隊先活下去，昝智決定做微信公號運營，用發紅包等方式聚集了一批用戶，用戶通過發朋友圈的方式給商家做推廣，昝智稱為 「眾包」模式。

今天的龍貓數據40個全職員工，合作客戶有50多家，靠眾包平台上的400萬用戶，已經發展成為人工智慧領域提供大數據採集標註處理、線下巡檢、市場推廣的服務商，平台每天平均完成任務量是20萬件。

然而這個方向被昝智稱為「機緣巧合」。

2016年，昝智看到AI爆發的風潮，躍躍欲試，但非科班出生的他對人工智慧拿捏不準，一時進退兩難。

同年6月，百度找上門來，需要非常多的原始數據來訓練演算法，「小度」才會變得聰明。 如果單獨找上千人收集數據，不僅一時間湊不齊那麼多人，而且成本會很高。在沒有第三方眾包平台之前，做語音識別的科大訊飛就曾自己招募了上千名標註員。

「人工智慧，人工越多越智能。」昝智對新經濟100人說。

依靠龍貓數據的眾包平台優勢，百度很快完成了數據採集。

2016年AI元年，轉型還有機會。昝智總結人工智慧最重要的三點：除人才外，還有兩處基礎服務很重要，一是數據，二是運算能力。龍貓數據將火力集中在數據上。「不要想著怎麼去改變這個世界，而應該更多想想世界需要什麼。」

龍貓數據投資人、九合創投創始合伙人王嘯認為,「類似當年的『移動戰略』，AI作為底層邏輯，將帶領互聯網將進入『智能互聯網』階段。智能互聯網包含數據層、基礎設施層、技術設施層和消費層四個基礎面，其中數據層是整個鏈條的基礎。」

隨著人工智慧的深入發展，文本、圖片、語音、視頻等形式的數據需求越來越多。相關創業公司也應需而起。新經濟100人發現，行業里發展較早的海天瑞聲和數據堂，前者主要做語音數據，後者有部分非定製化數據出售業務，其他創業公司還比較早期。

「我們相信能夠高效率收集原始數據的公司將會創造巨大價值。」王嘯說。

昝智認為，龍貓數據的優勢在於能提供定製化生產需求：人工智慧公司在前期搞模型時，可以用公開數據訓練，但隨著發展的深入，需要有定製化的數據來提高準確率。

比如近年來智能音箱的流行，首先要有喚醒詞。比如百度的是「小度小度」，小米的是「小愛同學」，啟動後還有指令詞，比如「開空調」，「播放一首TFBOYS的《青春修鍊手冊》」。機器要輸入不同口音、不同年齡段、各種喜怒哀樂情緒下的語音，才能變聰明。

文本類應用也很廣泛。比如在各大電商的售後系統中，客服機器人的功勞不容小覷，通過一些關鍵詞能做好顧客基本的售後服務，緩解人工客服的壓力。比如在網站文章和留言的審核上，機器通過學習後能快速大量阻擋涉黃與不良信息等。

▲車輛標註

有些採集來的數據仍不能直接使用，需要人工標註才能「餵食」機器，這便要引出龍貓數據的另一大業務——數據標註，尤其在圖片處理上應用較廣。

比如在人臉識別上，不光要精確標註五官，就連眼睛就有好幾處需要標註，內眼角、外眼角、眼角間的弧線和等分點等。比如無人車應用上，機動車、非機動車、紅綠燈、行人、行駛路線等都要一一標註，給機器耐心引導。目前這塊多做2D標註，未來要做的3D標註會更加複雜。

對風險比較高的金融和個人隱私數據，龍貓會先調查使用用途，用途不明的或者太隱私的數據項目會直接拒絕。對所持數據，甲乙雙方都會簽保密合同，數據只能使用一次，雙方不能轉售外泄。

據了解，很多公司通過正規渠道和價格，獲取數據介面，但調用數據時，會在本地設備形成一個緩存庫，當數據積累到一定程度後，便二次銷售緩存庫里的數據，這些緩存庫也一度成為黑客的獵物。

數據提供商就這樣野蠻生長著。

為了站穩腳跟，龍貓數據推出「先使用後付款」政策，如果效果不好可以不付款，早期就出現這樣一個例子。

那是個文字判斷項目，帶有很強的主觀性，連規則就有十幾頁，需要幾萬人同時做判斷，客戶希望準確率達到95%以上。早期運營團隊缺乏經驗，快到截止日了才搞清規則，最後做的效果也不好，項目一分錢沒收回來。

龍貓數據銷售總監謝林波很生氣，在客戶和運營團隊兩頭溝通，他說昝智很冷靜。「他要搞清楚問題在哪，主觀和客觀原因是什麼，沒有過多地考慮公司損失。」謝林波回憶昝智的做法。

此後再碰到難弄的文本判斷類項目，龍貓會事先篩選一批標註員，比如學歷高的，以前做任務很認真的，做過類似任務的，把任務定向發給這些人。

眾包的用戶是數據採集的來源，也是數據標註的執行者，用戶運營關係到整個數據服務的規模化。

▲龍貓眾包App部分任務

打開龍貓眾包App，可以在「數據採集」任務欄下看到多個任務，有男性20個手勢賺6元、老人的現在和過去賺3元、拍汽車內吸煙照片賺6.3元等，點進去會有每項任務的詳情要求，對照片背景和人物姿態都有規定。新經濟100人試驗了幾項任務，一兩天左右就有審核結果出來。

用戶中學生群體佔大多數，還有一些寶媽和低收入年輕群體。龍貓數據發現很多人不看任務要求，還埋怨審核不通過。比如照片的臉龐往左偏與右偏都有要求，很多人經常弄混淆，以自己的方位來推斷圖中人的方位。後來，龍貓數據乾脆錄了一段視頻，直觀地講解要求，有時也會開直播室來培訓，實在不懂就直接電話客服。

為了減輕團隊壓力、活躍用戶，昝智決定建立工會，給用戶優惠策略，讓用戶管理用戶，大家可以在一個群里交流，老人帶新人。目前總體考核通過率50%-60%，熟練工通過率更高。

除了培訓外，龍貓數據還會讓用戶參與審核。這在早期是不可想像的，以前都是客戶給結果後，龍貓數據才給用戶審核，發錢的發錢，拒絕的拒絕，但時間太長，會打擊用戶積極性。昝智決定打破規則，先自己審核，只要用戶做好任務，就按規則發錢，這意味著龍貓要承擔所有的風險，萬一客戶覺得效果不好，龍貓就要擔著損失。

龍貓數據CTO姚毅說，目前龍貓有三種審核方式，一是自己審核，二是交給用戶審核，三是自動審核，適用於客觀判斷題項目。後續還有交叉驗證等進一步控制質量。

目前，數據採集主要在龍貓眾包App上，數據標註主要在PC端。

謝林波曾做過人臉的標註任務，「要標200多個點，眼睛疼得受不了，要特別心細」，後來，他把一張臉拆成幾部分，有人專門標眼睛，有人標嘴巴，大家就輕鬆多了，目前做1小時標註賺15元左右。

龍貓數據是一家技術加銷售導向的公司，一端連著智能公司客戶，一端系著普通用戶，龍貓數據需要平衡好這個「蹺蹺板」。

有客戶會和謝林波叫價，反正你們那麼多人，任務那麼容易，不能便宜點嗎？謝林波讓他們換位思考，「如果給你幾塊錢，你願意拍幾張照片嗎，他（客戶）就不說話了，那為什麼別人願意接受低廉的價格？大家要互相理解。再說了，價格低了，短時間收集不了那些數據，對你一點意義都沒有。」

「我們既要對客戶好，也要對用戶好，這樣我們才能發展，一方都不能得罪。」謝林波對新經濟100人說。

除了客戶與用戶，龍貓數據也需要時刻關注人工智慧行業的發展。隨著增強學習、遷移學習等演算法的發展，只需要少量數據就可以達成一定效果，數據提供商的價值是否打折？

姚毅覺得即便如此，市場仍有數據量的需求，採集和標註還是需要人來做，而且還存在不同形態、不同維度的數據，比如人臉識別，做完普通亞洲人的，還有其他人種、不同側面、多個光源、不同年紀等。「當一個新的應用場景誕生時，就會衍生出一批新的數據需求。」

▲路況標註

在昝智看來，未來5年內人工智慧還得依賴監督學習，所謂監督學習就是人標註好了數據讓機器看，監督它去學習。

除了做好數據服務外，昝智想著可以在人工智慧領域做延展。比如看到不少AI公司的研發領域和數據需求很相似，日後可能參與類似數據共享平台的建設。

在更長遠的定位上，龍貓數據是一家給人工智慧公司提供基礎服務的平台，「在這個過程中我可以洞察到很多的機會，也可能就某些機會去做進一步的事情。」昝智對新經濟100人說。

當務之急，昝智想儘快把國內頂尖的互聯網科技公司和AI公司都簽下來，已經簽約50多個，包括百度、騰訊、小米、今日頭條、蔚來汽車、出門問問等。目前包括互聯網巨頭+新興人工智慧創業公司總共在300家左右。

「真的要有戰鬥精神，如果認定了這個市場，你要有非常強大的內心，你得把整個蛋糕吃完。」30歲的昝智說。

「我的作戰能力是有的，但除了自己搏殺，怎麼帶大家都進入搏殺的狀態，是需要思考的。」