“亲爱的特朗普总统，美国必须赢得AI战争。”今年早些时候，只有28岁的亚历山大·王（Alexandre Wang）在特朗普就职典礼的第二天，在华盛顿邮报（Washington Post）上为服务公司创建了整个页面的广告。乍看之下，“添加戏剧”，亚历山大·王（Alexandre Wang）首次将数据得分带入了公众愿景。它也强调现实。在AI的三个要素中，与模型和计算机功率领域中的火药烟相比，公众对数据场的演变的了解较低。但是，两周前，梅塔以143亿美元的价格赢得了AI规模资本的49％。这导致AI数据服务领域专注于全球关注，从而在美国数据标签行业引起了重要的地震。巧合的是，除了美国巨头关于AI数据服务价值的巨人赌注外，国家数据标签行业还拥有G在过去的一年中，人们的流行程度很高，在高层市场中采取了相当大的行动。国家一级数据标记基础的七个试点城市已经实施，国家数据办公室还发布了47个出色的数据标签案例。同时，许多数据标签服务正在迅速提高其性能。但是，除了频繁的行业行为外，数据注释还促进了自动化和行业，技术进步逐渐消除了更多的注释任务。这使您问您在哪些行业对中国和美国的下注。这个领域现在是哪个阶段？自动化会消除数据注释吗？比赛将如何开始下面？融合案例01背后的AI数据服务站“数据是人工智能中最有价值的资产之一。”在人工智能时代，这种共识已通过AI量表的融合得到了高度验证，后来在基本数据服务中震惊E行业。收购143亿美元的收购金额仅因元融合历史上的WhatsApp收购而超过。目标愿意付出这个价格，而后面是当前大型模型竞争的延迟。我担心目标。近几个月来，这家硅谷巨人的压力很大。今年4月，四个进球火焰模型的评论低于预期，并且巨大的较大模型也被推迟了。 AI量表如此昂贵的原因是，它不仅与公司在AI基本数据服务领域的地位密切相关，还与注释和数据挖掘在当前模型培训中的重要位置相关。 Scale AI成立于2016年，最初是一个平台，提供众包服务，帮助他们完成了需要手动干预的几项任务，例如内容评论，数据提取等。后来，由于巨大对数据审核的需求并在自动驾驶领域进行标记，AI将专注于数据标签领域，这将帮助客户获得，标签和获取和获取和以丰富的数据标签为其客户。经过大型模型浪潮，AI -Scale收入从2022年的2.9亿美元增加到2023年，平均年平均每年7.6亿美元，持续增长到2024年的8.7亿美元。据报道，据报道，它的收入是2025年达到20亿美元。如果您不了解很多Revenues，Openai的Revenues在2024年的Revenues却是3.7亿美元，则为3.7亿美元。根据Grand View研究数据，服务市场和全球数据服务市场的规模将达到140.7亿美元。其中，美国市场的规模达到了42亿美元，占全球近30％。 AI尺度收入量表可以被视为基本数据服务领域的水供应商之一。规模的AI客户包括Google，Apple，XAI，Meta，Microsoft和Amazon。去年，去Ogle在规模上花费了约1.5亿美元，并成为其最大的客户。 Technology Media BI今年4月报道说，Scale AI在Google上至少执行了38个活跃项目，当时有107个发电项目中的三分之一以上。服务XAI的数据项目包括称为xylophonecludes的项目，这主要承认聊天机器人XAI的培训，并提高了LAS的互动功能。广泛的客户网络实际上反映了当前模型培训中数据注释和基本数据服务的关键位置。在人工智能行业中，有一个术语“进入垃圾和垃圾”，数据质量对模型性能有很大的影响。数据注释基本上转换了许多机器在无法理解的结构化数据中可以理解的非结构化数据。根据大型模型浪潮，数据参数的规模不在之前，预算的预算也是如此注释和数据处理以提高模型中的智能水平。一项对2024年AI项目经验的322家公司的调查发现，2023年公司对培训数据的总投资占这些公司的Theia建筑投资的15％。以前，该行业有一个谚语，高质量的标签数据是它与其他竞争对手不同的原因之一。根据许多因素，目标已经做出了一个很好的决定来获取规模。也许在当前的目标愿景中，与数据服务领域的领导者的合作将帮助他们更好地训练模型的独特数据，从而使他们能够根据数据训练更高的智能模型，从而维持对较大模型的竞争的当前节奏。这种大规模获取导致数据标签行业和人工智能供应链中的一系列链反应。首先，许多制造商C与终点线相称的人已经开始减少与规模的合作。例如，Rapihe是AI的最大客户，Rapihe停止了创世记和甲壳的冠冕，在交易结束后任命了两个项目合作代码。其次，标记与规模AI竞争的制造商的数据组有机会培养Sapien，Appen，多产和Turing等客户成为候选人，以便许多IA制造商选择广泛的数据标记供应商。 Sapien AI的首席执行官Rowan Stone也具有征服平台后48小时的交易目标，其平台增加了40,000个新的数据标签订户，并表示服务器已被封锁。在对目标获取对标记为商业数据和泄漏的量表的影响的担忧，Scale AI还发布了平台中立的声明。但是，该声明的发起并没有阻止工业中的任何类型的争议该行业的负面改建已经在进行中。 02政策市场正在促进，国内市场正在大大增加。在过去的一两年中，中国作为世界上人工智能行业中增长最快的国家之一的发展迅速，数据标记领域也在发展。首先，政策方面的支持非常明显。自去年以来，与数据标记有关的国家政策和法规已连续发布，为高级设计的数据标记行业提供了催化剂。去年6月，国家数据管理局根据数据标签推出了七个试点城市中的第一个。七个城市在生态建筑，能力改善和DA标签行业库克的场景应用中发挥了作用。 IDC在数字情报中说，这项政策的最初意图是促进高质量数据集的构建，以促销NG更好的IA开发并为数据元素的分布提供标准数据支持。诸如城市需求和人才结构之类的因素在城市选??择方面被彻底考虑。去年12月，由另一个重要程序文档领导的数据标记字段。到2027年，四个国家部委和委员会清楚地提出了工业规模的平均年增长率的发展目标，并共同发表了有关促进数据标签行业高质量发展的实施意见，该行业已建立了国家数据标签行业的工业发展“四个支柱”。同时，地方政府也是在过去一年中不断发布的法律和相关政策，以指导工业发展。图形来源：东北证券研究报告同时，行业当局积极建立参考点并建立印度河的标准化尝试。它正在促进。今年4月，国家数据管理局在中国建设峰会的第八次数字峰会“高质量的数据集和交换数据标签问题的活动”中启动了47个杰出数据标签，这些峰会涵盖了20多个领域，其中包括医疗关注，运输，农业，农业和能源。这些参考案例提供了可重复使用的实用样本，建立了统一标准的基础，并在相关领域分享经验。通过政策支持，大规模应用浪潮的到来也导致了市场标记在市场方面的普及和规模上的大幅度。海地·艾森（Haitian Aisheng）和奥彭（Aopeng）等公司的绩效正在迅速增长。以Aopeng为例，Aopeng于今年2月发布了其2024年的年度报告，去年的商业收入超过4.2亿，年增长率为71％，其中大型型号/AIGC拥有增加了526％。 Aopeng透露，许多AI领导者，尤其是大型模型公司，已成为Aopeng客户，与该模型相关的大型公司。占奥在收入的40％。数据服务AI的整个智能AI的首席执行官Lin Qunshu告诉数字情报方面，他认为数据注释市场的需求由于去年多模型的快速发展而显示了指数增长。 Go AyveIndustry Frogs认为，数据标签领域的活跃市场的终结与过去一年中人工智能领域的结构变化有关。诸如DeepSeek之类的国家开源模型在很大程度上扩大了国家和国外模型之间的差距。同时，国家模型已得到改善，减少了计算机能源的消耗，减少了许多公司的计算机功率焦虑，并提高了数据水平的重要性。 “质量，规模和准确性数据直接确定了模型功能的上限，并且是模型实施有效性的关键，”该人告诉前卫 - 数字智能的前卫 - 数字智能的garde。在那里迅速开放。iResearch咨询数据表明，中国基本数据服务的基本人工智能市场在2024年在2024年增长了58亿YUAN，年度为17亿美元，与20228年汇总，乘以20228年的汇总，乘以17亿美元。谈到数字智能，当前的模型应用程序正在转向垂直领域，并且对数据注释方案的需求围绕着自动驾驶，教育，健康，财务，零售贸易和政府的需求，而我们的竞争正在增加制造商可能在提供更完整的模型功能方面具有与数据标记字段有关的产品。典型的Yoezhipu AI是去年Lotsbranked的API，使用大型模型技术来解决数据注释问题。百度智能云和其他数据标签服务。一些应用程序公司从实施AI的角度来启动了几种操纵工具来标记应用程序中的一些数据，以减少场景的幻觉。通常，Lingyang在应用快速智能客户服务服务的情况下成立了一个AI运营中心。响应智能客户服务方案的幻想问题，标记高质量的数据和反馈模型，以使您的问题更加精确。 “应用标签是在此阶段缺乏基本模型功能的补充或临时解决方案，这有助于调整模型。” 03技术进化，您会删除数据注释吗？作为标签行业DE Global数据迅速发展，有人说，由于技术进步，数据标记领域可能会面临新的挑战。例如，有人指出，未来AI将自动完成许多注释任务，并且注释领域的公司可能需要加速其转换。为了应对这一趋势，可以提供数字信息。该领土的正面已经与许多行业专家进行了交流。该行业通常认为，在伟大模型的时代，数据注释逐渐变得更加复杂，自动化和专业化。自动化波并不意味着不需要注释。首先，数据注释往往会有并发症。这与大规模模型技术的演变引起的数据注释的需求不断变化有关。大规模的模型师通常使用非监督自动学习机制，使用前LE中的许多未标记数据ISURE过程，然后是基于人类反馈（RLHF）的学习加强期间进行精细调整监测（SFT）和手动注释。根据基于人类反馈（RLHF）的强化学习联系的数据标记行业的特权信息，公司的数据需求要求人们组织和调整机器中给出的响应，从而使他们具有人道主义倾向，意见和自动学习偏好。与使用牵引力和绘画圈的先前简单注释相比，随着良好的调整和RLHF链接，数据注释的复杂性更大，对注释设备的要求也更高。在该行业中，据说在RLHF阶段，一些团队有一个博士学位课程来完成注释任务。例如，Scale AI正在招募数十位医生，以在RLHF过程中提供数据注释服务，Openai为Cooperat提供了数十名医生E在实现IA量表之后的这些注释的质量测试中。标记自动化的趋势与大型模型技术的进步有关，以在现场使用数据标记。数据标签本身还可以使用模型来提高质量和效率。 IA是国际开源数据注释和清洁平台，以前已经进行了测试。 AI可以大大提高数据注释的质量并降低数据注释的成本。几个NLP中的模型注释的标签精度（对应于实际标签）明显高于人类注释。每列中最高值以绿色突出显示。 Digiel Intelligence Front，例如观察到的是，国家和国际数据标签制造商现在正在改善数据标记自动化的水平，并将数据标记任务从手动劳动劳动自动化标签变为平台。国外的AI，ISEN，AOPENG和INTELIgence整体有自己的自动数据分数平台。除了专业的数据服务提供商外，一些公司内的标签方案也是自动化的。特斯拉采用自主驾驶场景，以前曾形成了大型业务数据标签设备，但在2022年，它开始揭示由辅助驾驶系统和Fire Off Off Offnot受监管而不是通过Dojo SuperComuter培训的数据标记设备的大小。智能数据服务提供商每日互动的总裁Liu Yu告诉数字智能前线，在当前的Feroz市场竞争中，数据标签服务提供商可以通过促进标准化产品的服务能力来提高公司竞争性阈值。 “相同的劳动力可以通过更高质量的标签和供应稳定性来更有效地标记。”但是，该行业认为，这种自动化趋势并不意味着没有地方可以给专业标签l服务任务和供应商要使用。实际上，正在为垂直方案实施AI，这增加了对专业领域中复杂任务的手动进入的需求。 “数据标签变得越来越困难。例如，一旦数据是自动化的，AI就可以完成90％的自动标签，其余的10％甚至更为重要，”中国IDC的Li Haoran表示，数字情报局长Li Haoran说。手动以前的教育问题可能是中学，但现在可能是一个大学问题。 Furtermore，上一张照片中的注释只需要人脸就可以圈出它。现在我们需要输入文本。这些趋势还揭示了数据注释场的进化方向。同时，行业进入门槛已从劳动密集型发展到更高的专业阈值。此外，随着球员竞争的重点变化到复杂能力（例如技术能力和现场资源）的变化，行业的回合是LSO同时开始，市场竞争变得更加激烈。