都2023年了還有人創業做數據標注？還有VC和大廠看好？？
成立僅1年，融資千萬
鄧思邈 發自 副駕寺
智能車參考 | 公眾號 AI4Auto
都2023年，還有人創業做數據標注，而且迅速獲得了一眾客戶和投資？？？
選的還是自動駕駛賽道。
數據標注，AI被深度學習復興以來新增的產業之一，一度“有多少人工就有多少智能”的調侃，指的就是數據標注在行業中的重要性。
但這都2023年，數據標注還能玩出什么新花樣嗎？
這家叫愷望的新創業公司，帶來了規模化人工+自動化產線的方法，并表示可以提供穩定又低價的服務。
穩定又低價，怎么實現的？
數據標注，本質就是給訓練數據集打標簽。標簽可以添加到任何類型的數據中，包括文本、圖像、視頻、音頻和3D點云。
有了標簽后，可以幫助機器學習模型未來遇到從未見過的數據時，也能準確識別數據中的內容。
但并非所有標注過后的數據，都能真正起作用。
其中涉及到不同客戶對數據標注顆粒度、維度的要求，于是通常的痛點，會伴隨著數據質量不佳、數量規模不足、標注成本高、數據生產流程不規范、甲乙方磨合周期長……
而為了解決上述問題，愷望提供的新思路是：規模化人力+自動化產線——可以實現成本降低超過20%。
一方面，“規模化人力”，主要是找“專業的人做專業的事”，用專門的在校學生，替換之前臨時或簡單培訓就上崗的社會人士。
具體方面，愷望通過與高職院校合作，搭建數據學院，以此培養數據產線上需要的人。
據說可以迅速上崗——前期對學生進行70%的通用培訓，然后再培訓操作和運營的流程。
目前愷望第一批300名學生，已在山東等地高職院校完成培訓，他們希望今年能夠培訓超過1000位學生。
另一邊，“自動化產線”，是指通過工具提效和管理優化，提升整體運作效率。
愷望將整個數據處理流程拆成了4個環節：需求、生產、管理、生態。
簡單解釋就是，當汽車傳感器采集到了數據后，就輸入到“工廠”里，后續他們的工作首先是解讀客戶需求規則、拆分數據任務。
然后將這些任務匹配給不同的人去做，例如有人專門負責標紅綠燈、車道線，有人則負責標道路交通牌。
在生產管理過程中，可以借助飛書把握不同學生的工作進度；還能利用亞馬遜AWS云服務完成數據傳輸，好處是原來要花上2天才能完成，現在則縮短為1.5小時。
所以愷望的不同之處，就在于把自己與不規范的手工作坊區分開來，構建一套現代化工廠的運營模式。
工作人員不能是臨時拼湊的，需要提前熟悉規則。工作流程必須是清晰有條理的，盡可能減少不必要的浪費，無論是時間還是成本。
有點像是數據標注行業里的富士康。
愷望是誰？
目前行業內的技術方案，大多關注的是“預標注”這個環節的效率。
即數據標注的自動化程度。
但愷望認為目前人工智能還不能完全替代人力，自動化數據標注會有一個發展過程，愷望CEO于旭就舉例說：
就像是自動駕駛最終會走向L4、L5，但中間會經歷L2、L3，但L2、L3的經驗，可以使最終形態的自動駕駛更準確更科學的實現，人工智能一定是需要一個基于數據進行積累和建模、最終全面自動化和智能化的過程。這個不會是一蹴而就，而是需要逐步實現。
而且愷望產品項目副總裁張鵬也表示，“目前，數據標注以人工標注為主，機器標注為輔。而從整個自動駕駛行業的普遍水平來看，可以說95%的數據標注還是以人工為主”。
不過他們也給自己定下了目標，希望用3年時間，實現通用項目90%的自動化（即預標注占的百分比）。
愷望于2022年成立，創辦1年就獲得了不少知名客戶，包括長安汽車、字節跳動、元戎啟行、輝羲智能、地平線、寒武紀、易控智駕、中科創達、中交興路、曠視、商湯等等。
創始團隊由4人構成，其中創始人兼CEO于旭，碩士畢業于法國昂熱大學，畢業后成了Uber中國的第4號員工，從0到1搭建起平臺運營體系。其后就職于Momenta，參與構建了自動駕駛全鏈路數據的運營體系。此外于旭曾在字節跳動負責管理多個大型標注基地、千人規模大型數據外包渠道以及數萬人的眾包平臺。
愷望合伙人團隊，還包括奔馳金融運營流程管理專家、Monenta前數據平臺技術負責人；同時還擁有覆蓋自動駕駛商業、AI產品策略及算法領域的顧問團隊。
融資方面，2022年9月，愷望完成了千萬級天使輪融資，投資方包括辰韜資本、三一集團和溪山天使匯。目前，愷望已與三一集團在自動駕駛領域開展數據合作。
之所以在這個時間點，瞄準自動駕駛賽道成立數據公司，愷望稱，主要是因為看到了龐大的市場需求。
擺在眼前的事實是——2022年12月，我國新能源汽車零售滲透率達到29.5%，較2021年12月22.6%的滲透率提升7個百分點。
而且在大多數情況下，談電動必談智能，兩個屬性往往如影隨形、相伴而生。
目前乘用車落地的自動駕駛大部分處于L2級水平，隨著激光雷達成本的降低、逐漸量產上車，將會加速L3+的落地。
而L3級別以上的自動駕駛系統，對于計算機視覺技術的需求依賴度較高，系統需要對傳感器采集的點云圖像數據進行實時處理，構建車輛行駛環境，為預測和決策做依據。
愷望認為，在完全自動駕駛真正實現之前，仍需要大規模數據作為支撐，而這至少還需要10-15年以上時間。
而現在，“規模化人力+自動化產線”，是必經路線。
- 摩爾線程新一代GPU架構10天后發布2025-12-09
- 張亞勤院士：基礎大模型最終不超過10個，十年后機器人比人多 | MEET20262025-12-11
- 5天連更5次，可靈AI年末“狂飆式”升級2025-12-10
- 優理奇機器人完成兩輪合計3億元天使++++輪及天使+++++輪融資，“算法-硬件-場景”加速落地2025-12-05
相關閱讀
