4月29日，國家數(shù)據(jù)局在第八屆數(shù)字中國建設(shè)峰會(huì)上發(fā)布了《數(shù)據(jù)標(biāo)注優(yōu)秀案例集》，從全國417個(gè)申報(bào)案例中嚴(yán)格遴選出47個(gè)代表性優(yōu)秀案例，覆蓋全國29個(gè)省、自治區(qū)、直轄市及計(jì)劃單列市、新疆生產(chǎn)建設(shè)兵團(tuán)。

數(shù)據(jù)猿梳理發(fā)現(xiàn)，本次發(fā)布的數(shù)據(jù)標(biāo)注優(yōu)秀案例，涵蓋了數(shù)據(jù)標(biāo)注技術(shù)創(chuàng)新、行業(yè)賦能、標(biāo)準(zhǔn)應(yīng)用、生態(tài)培育、人才培養(yǎng)等五個(gè)方向。不僅展示了我國數(shù)據(jù)標(biāo)注領(lǐng)域的最新成果和實(shí)踐經(jīng)驗(yàn)，也為行業(yè)進(jìn)一步發(fā)展提供了有益參考和借鑒。

據(jù)統(tǒng)計(jì)，在發(fā)布的最終優(yōu)秀案例集中，其中入選行業(yè)賦能方向案例最多，占了16項(xiàng)；技術(shù)創(chuàng)新方向其次，占了15項(xiàng)；人才培養(yǎng)方向案例10項(xiàng)；生態(tài)培育方向案例5項(xiàng)；標(biāo)準(zhǔn)應(yīng)用方向案例1項(xiàng)。

47個(gè)優(yōu)秀案例各方向成果展示

截圖來自國家數(shù)據(jù)局

《數(shù)據(jù)標(biāo)注優(yōu)秀案例集》

☆數(shù)據(jù)標(biāo)注優(yōu)秀案例名單如下：

1.多模態(tài)醫(yī)學(xué)影像智能數(shù)據(jù)標(biāo)注平臺(tái)

2.多模態(tài)數(shù)據(jù)智能標(biāo)注與管理平臺(tái)

3.AI助力數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展新生態(tài)

4.時(shí)空智能數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)化實(shí)踐

5.打造數(shù)據(jù)標(biāo)注產(chǎn)業(yè) 助力縣域人才振興

6.農(nóng)村集體土地高質(zhì)量時(shí)空數(shù)據(jù)集多源協(xié)同標(biāo)注

7.數(shù)據(jù)標(biāo)注賦能電商產(chǎn)業(yè)效能提升

8.汽車行業(yè)多模態(tài)數(shù)據(jù)融合人機(jī)協(xié)同智能化標(biāo)注

9.智能標(biāo)注閉環(huán)體系重塑AI數(shù)據(jù)工程

10.數(shù)據(jù)標(biāo)注政產(chǎn)教融合人才培養(yǎng)

11.“政校企共建 產(chǎn)教訓(xùn)融合”數(shù)據(jù)標(biāo)注人培模式

12.AGI智能化時(shí)代的AI數(shù)據(jù)標(biāo)注平臺(tái)

13.AI手語翻譯數(shù)據(jù)標(biāo)注賦能無障礙信息建設(shè)

14.產(chǎn)教融合醫(yī)學(xué)影像數(shù)據(jù)標(biāo)注人才創(chuàng)新培養(yǎng)

15.ADS數(shù)據(jù)標(biāo)注與PAI平臺(tái)賦能自動(dòng)駕駛創(chuàng)新提效

16.大模型驅(qū)動(dòng)的數(shù)據(jù)自主標(biāo)注智能服務(wù)

17.SIFT技術(shù)引領(lǐng)全球大規(guī)模智能醫(yī)學(xué)影像數(shù)據(jù)標(biāo)注

18.面向深度學(xué)習(xí)的遙感影像建筑半自動(dòng)數(shù)據(jù)標(biāo)注

19.數(shù)據(jù)標(biāo)注平臺(tái)工具的創(chuàng)新實(shí)踐

20.深挖政務(wù)熱線數(shù)據(jù)標(biāo)注產(chǎn)業(yè)賦能基層治理新場(chǎng)景

21.小語種數(shù)據(jù)標(biāo)注特色創(chuàng)新模式

22.數(shù)據(jù)標(biāo)注平臺(tái) 賦能AI產(chǎn)業(yè)高質(zhì)量發(fā)展

23.深挖數(shù)據(jù)處理價(jià)值構(gòu)建城市級(jí)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)

24.鐵塔視頻數(shù)據(jù)標(biāo)注賦能多領(lǐng)域智慧監(jiān)測(cè)

25.多模態(tài)數(shù)據(jù)自動(dòng)化標(biāo)注與增強(qiáng)平臺(tái)

26.數(shù)據(jù)標(biāo)注賦能油氣勘探地物信息智能解譯

27.高質(zhì)量多模態(tài)醫(yī)療AI訓(xùn)練數(shù)據(jù)標(biāo)注設(shè)施建設(shè)

28.無人機(jī)視角下人居環(huán)境數(shù)據(jù)集數(shù)據(jù)標(biāo)注

29.點(diǎn)-線-面多粒度遙感大規(guī)模基準(zhǔn)數(shù)據(jù)集標(biāo)注

30.礦山數(shù)工—數(shù)據(jù)標(biāo)注賦能礦山行業(yè)高質(zhì)量發(fā)展

31.無人機(jī)影像數(shù)據(jù)標(biāo)注賦能低空經(jīng)濟(jì)發(fā)展

32.數(shù)據(jù)標(biāo)注筑基高質(zhì)量數(shù)據(jù)集

33.數(shù)據(jù)標(biāo)注專業(yè)人才產(chǎn)學(xué)融合培養(yǎng)平臺(tái)

34.場(chǎng)景驅(qū)動(dòng)高質(zhì)量垂類數(shù)據(jù)標(biāo)注人才培養(yǎng)

35.4D-BEV上億點(diǎn)云標(biāo)注系統(tǒng)

36.視覺大模型自動(dòng)標(biāo)注一站式生產(chǎn)運(yùn)營

37.中醫(yī)藥行業(yè)大模型數(shù)據(jù)標(biāo)注

38.高質(zhì)量自動(dòng)駕駛數(shù)據(jù)集標(biāo)注與應(yīng)用

39.數(shù)據(jù)標(biāo)注創(chuàng)新引領(lǐng)電力行業(yè)數(shù)智轉(zhuǎn)型

40.建設(shè)人工智能數(shù)據(jù)標(biāo)注實(shí)訓(xùn)基地，打造人才培養(yǎng)高地

41.“AI+產(chǎn)教融合”助力數(shù)據(jù)標(biāo)注高技能人才培養(yǎng)

42.3D點(diǎn)云數(shù)據(jù)標(biāo)注產(chǎn)教融合人才培養(yǎng)

43.熱帶亞熱帶典型地物空天遙感樣本標(biāo)注

44.產(chǎn)教融合創(chuàng)新實(shí)踐 賦能數(shù)據(jù)標(biāo)注人才培養(yǎng)

45.數(shù)智引擎：產(chǎn)教融合型數(shù)據(jù)標(biāo)注人才培養(yǎng)

46.AI數(shù)據(jù)標(biāo)注助力中醫(yī)藥領(lǐng)域高質(zhì)量發(fā)展

47.云藏搜索引擎藏文信息處理數(shù)據(jù)標(biāo)注

47個(gè)案例一覽，有哪些特色與亮點(diǎn)？

什么是數(shù)據(jù)標(biāo)注？為什么需要數(shù)據(jù)標(biāo)注？

數(shù)據(jù)標(biāo)注是人工智能訓(xùn)練過程中的關(guān)鍵環(huán)節(jié)，通俗來說，就是教AI認(rèn)識(shí)世界——通過標(biāo)記數(shù)據(jù)的特征，讓AI理解“這是什么”。具體來看，指通過人工或半自動(dòng)方式為原始數(shù)據(jù)（如圖像、文本、語音、視頻等）添加結(jié)構(gòu)化標(biāo)簽，使其成為機(jī)器學(xué)習(xí)模型可識(shí)別的訓(xùn)練樣本的過程。可以說，沒有標(biāo)注，AI寸步難行，正是標(biāo)注質(zhì)量直接決定AI的“智商”。

比如，在醫(yī)療領(lǐng)域，醫(yī)生在肺部CT影像上用不同顏色標(biāo)注不同的病癥，紅色為惡性腫瘤、綠色區(qū)域標(biāo)注為良性結(jié)節(jié)、白色輪廓標(biāo)注為器官邊界……訓(xùn)練后的AI能自動(dòng)標(biāo)記新患者的CT片，輔助醫(yī)生快速定位病灶，實(shí)現(xiàn)效率翻倍。

此前，有報(bào)道稱，目前市場(chǎng)上有1%的數(shù)據(jù)能被收集保存下來，同時(shí)其中有90%數(shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)，這些非結(jié)構(gòu)化的數(shù)據(jù)只有經(jīng)過清洗與標(biāo)注才能被喚醒價(jià)值，這就產(chǎn)生了源源不斷的清洗與標(biāo)注需求。

值得一提的是，此次國家數(shù)據(jù)局發(fā)布的47個(gè)優(yōu)秀案例，集中展示了我國先進(jìn)的標(biāo)注技術(shù)和方法，反映中國數(shù)據(jù)標(biāo)注產(chǎn)業(yè)的創(chuàng)新圖譜，涉及多個(gè)領(lǐng)域和行業(yè)，以及國內(nèi)多個(gè)地區(qū)。這些案例主要涵蓋了數(shù)據(jù)標(biāo)注技術(shù)創(chuàng)新、行業(yè)賦能、標(biāo)準(zhǔn)應(yīng)用、生態(tài)培育、人才培養(yǎng)等五個(gè)方向，下面我們就從這五個(gè)方面來展開分析，詳細(xì)了解一些典型的案例及其具體情況和意義。

1.數(shù)據(jù)標(biāo)注賦能行業(yè)：填補(bǔ)空白，建立標(biāo)注規(guī)范

從行業(yè)分布來看，這47個(gè)案例主要分布在醫(yī)療影像、自動(dòng)駕駛、電商產(chǎn)業(yè)、遙感影像、人才培養(yǎng)教育、人工智能與大數(shù)據(jù)、行業(yè)賦能與創(chuàng)新、小語種與多語種、特定行業(yè)應(yīng)用等領(lǐng)域。

例如，數(shù)據(jù)標(biāo)注賦能醫(yī)療健康領(lǐng)域。以排名首位的“多模態(tài)醫(yī)學(xué)影像智能數(shù)據(jù)標(biāo)注平臺(tái)”為例，該平臺(tái)由沈陽東軟智能醫(yī)療科技研究院有限公司等單位開發(fā)。該項(xiàng)目創(chuàng)新提出醫(yī)學(xué)影像分割大模型MISM等數(shù)據(jù)標(biāo)注關(guān)鍵技術(shù)，研發(fā)集數(shù)據(jù)、模型、工具、場(chǎng)景為一體的醫(yī)學(xué)影像智能數(shù)據(jù)標(biāo)注平臺(tái)，實(shí)現(xiàn)標(biāo)注工具自主可控及國產(chǎn)化替代，標(biāo)注效率提升兩個(gè)數(shù)量級(jí)（100倍）以上，質(zhì)量提升30%且成本降低60%以上。該平臺(tái)搶占自主可控的數(shù)據(jù)標(biāo)注技術(shù)高地，建立醫(yī)學(xué)影像標(biāo)注“中國標(biāo)準(zhǔn)”。

整體框架（截圖來自國家數(shù)據(jù)集）

高質(zhì)量自動(dòng)駕駛數(shù)據(jù)集標(biāo)注與應(yīng)用。高質(zhì)量的數(shù)據(jù)集對(duì)于自動(dòng)駕駛技術(shù)的發(fā)展至關(guān)重要。這些數(shù)據(jù)集不僅提升了自動(dòng)駕駛系統(tǒng)的感知能力，還促進(jìn)了技術(shù)的標(biāo)準(zhǔn)化，降低了研發(fā)成本，支持了多種任務(wù)的完成，推動(dòng)了自動(dòng)駕駛技術(shù)的全面發(fā)展。

比如，在入選的優(yōu)秀案例中包含了“4D-BEV上億點(diǎn)云標(biāo)注系統(tǒng)”、“高質(zhì)量自動(dòng)駕駛數(shù)據(jù)集標(biāo)注與應(yīng)用”等5個(gè)案例。如“4D-BEV上億點(diǎn)云標(biāo)注系統(tǒng)”、“高質(zhì)量自動(dòng)駕駛數(shù)據(jù)集標(biāo)注與應(yīng)用”，專注于解決復(fù)雜環(huán)境下的三維空間標(biāo)注問題，這些案例普遍采用點(diǎn)云連續(xù)幀標(biāo)注、多傳感器融合標(biāo)注等技術(shù)，滿足自動(dòng)駕駛高精度感知需求。

數(shù)據(jù)標(biāo)注賦能油氣勘探。標(biāo)注技術(shù)應(yīng)用于垂直行業(yè)的智能化轉(zhuǎn)型，這些案例通常需要深厚的行業(yè)知識(shí)沉淀，標(biāo)注對(duì)象具有高度專業(yè)化特征。在油氣勘探領(lǐng)域，準(zhǔn)確的地物信息解譯對(duì)于資源的發(fā)現(xiàn)和開發(fā)至關(guān)重要。通過高效的數(shù)據(jù)標(biāo)注技術(shù)，不僅提高了勘探的效率和精度，還降低了勘探成本，推動(dòng)了油氣勘探行業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級(jí)。

典型案例如第26號(hào)，“數(shù)據(jù)標(biāo)注賦能油氣勘探地物信息智能解譯”。在這個(gè)案例中，傳統(tǒng)人工標(biāo)定面臨海量地物與復(fù)雜地形挑戰(zhàn)，存在效率低、錯(cuò)漏率高難題。通過基于多源地理數(shù)據(jù)融合的智能解譯系統(tǒng)，并結(jié)合AI算法與圖像處理技術(shù)構(gòu)建了自動(dòng)化翻譯平臺(tái)，累計(jì)處理地物8900萬個(gè)，解譯精度達(dá)90%，效率較人工提升20倍。經(jīng)測(cè)算，年度可節(jié)約成本1.89億元，為勘探智能化轉(zhuǎn)型提供核心技術(shù)支撐，顯著推動(dòng)行業(yè)降本增效。

數(shù)據(jù)標(biāo)注賦能油氣勘探 數(shù)據(jù)融合過程示意圖

（來源：國家數(shù)據(jù)局）

在鄉(xiāng)村振興領(lǐng)域，如第6號(hào)“農(nóng)村集體土地高質(zhì)量時(shí)空數(shù)據(jù)集多源協(xié)同標(biāo)注”，該項(xiàng)目通過多源協(xié)同標(biāo)注技術(shù)，為農(nóng)村土地確權(quán)和數(shù)字化管理提供數(shù)據(jù)基礎(chǔ)。

2.展現(xiàn)強(qiáng)大自研能力：多模態(tài)、大模型加持

在技術(shù)創(chuàng)新方面，很多入選案例都展現(xiàn)了強(qiáng)大的技術(shù)自研能力，如利用人工智能、機(jī)器學(xué)習(xí)等技術(shù)實(shí)現(xiàn)智能標(biāo)注，提高標(biāo)注效率和質(zhì)量，降低人工成本。值得一提的是，有多個(gè)案例都提到了多模態(tài)數(shù)據(jù)標(biāo)注，這也展示了當(dāng)前數(shù)據(jù)標(biāo)注技術(shù)發(fā)展的一個(gè)重要趨勢(shì)。比如第一個(gè)案例“多模態(tài)醫(yī)學(xué)影像智能數(shù)據(jù)標(biāo)注平臺(tái)”，它實(shí)現(xiàn)了胸部疾病的批量化智能檢測(cè)與標(biāo)注，體現(xiàn)了技術(shù)的高效性,又如第二個(gè)案例“多模態(tài)數(shù)據(jù)智能標(biāo)注與管理平臺(tái)”。

此外，還有大模型賦能標(biāo)注，典型案例如第16號(hào)案例“大模型驅(qū)動(dòng)的數(shù)據(jù)自主標(biāo)注智能服務(wù)”和第36號(hào)案例“視覺大模型自動(dòng)標(biāo)注一站式生產(chǎn)運(yùn)營”，通過預(yù)訓(xùn)練大模型實(shí)現(xiàn)標(biāo)注過程的自動(dòng)化迭代，大幅降低人工依賴。這些平臺(tái)通過打通算法平臺(tái)與標(biāo)注平臺(tái)的數(shù)據(jù)交互流水線，實(shí)現(xiàn)數(shù)據(jù)自驅(qū)的多模態(tài)標(biāo)注算法快速迭代，形成AI數(shù)據(jù)生產(chǎn)的新質(zhì)生產(chǎn)力。

3.培養(yǎng)專業(yè)數(shù)據(jù)標(biāo)注師，解決產(chǎn)業(yè)脫鉤問題

數(shù)據(jù)標(biāo)注是人工智能發(fā)展的核心基石之一，貫穿于算法訓(xùn)練、模型評(píng)估、迭代優(yōu)化以及場(chǎng)景應(yīng)用等多個(gè)環(huán)節(jié)，數(shù)據(jù)標(biāo)注作為新興產(chǎn)業(yè)，存在人員需求大、勞動(dòng)密集強(qiáng)度高、職業(yè)技能迭代快、產(chǎn)教融合深度不足、政府扶持力度不夠等現(xiàn)狀。

數(shù)據(jù)猿梳理發(fā)現(xiàn)，此次入選的案例有的探索出多種創(chuàng)新路徑，來培養(yǎng)專業(yè)的數(shù)據(jù)標(biāo)注人才。如，第11號(hào)案例的“政校企共建 產(chǎn)教訓(xùn)融合”數(shù)據(jù)標(biāo)注人培模式、第34號(hào)案例“場(chǎng)景驅(qū)動(dòng)高質(zhì)量垂類數(shù)據(jù)標(biāo)注人才培養(yǎng)”。

入選單位提到，在第11號(hào)案例的“政校企共建 產(chǎn)教訓(xùn)融合”數(shù)據(jù)標(biāo)注人培模式中，為解決數(shù)據(jù)標(biāo)注人才培養(yǎng)痛點(diǎn)，政府、學(xué)校、企業(yè)共建溫州數(shù)據(jù)學(xué)院，將“生產(chǎn)、教學(xué)、培訓(xùn)”相融合，實(shí)現(xiàn)了“技能培訓(xùn)、人才就業(yè)、效益產(chǎn)值”共贏，打造了數(shù)據(jù)標(biāo)注人才培養(yǎng)的新范式。

“政校企共建 產(chǎn)教訓(xùn)融合”

數(shù)據(jù)標(biāo)注人培模式的整體框架

又比如第34號(hào)案例，大連金慧科技的“場(chǎng)景驅(qū)動(dòng)高質(zhì)量垂類數(shù)據(jù)標(biāo)注人才培養(yǎng)”案例，通過將垂類業(yè)務(wù)場(chǎng)景、自主研發(fā)的大模型智能標(biāo)注平臺(tái)與人才培養(yǎng)體系結(jié)合，推出場(chǎng)景化人機(jī)協(xié)同培養(yǎng)模式，解決高質(zhì)量垂類多模態(tài)數(shù)據(jù)標(biāo)注專業(yè)人才短缺問題，已在多個(gè)業(yè)務(wù)基地落地實(shí)施，累計(jì)培養(yǎng)逾1萬名專業(yè)標(biāo)注人員，有效縮短人才培養(yǎng)周期20%，提升培訓(xùn)效率40%，培訓(xùn)后準(zhǔn)確率提升8%。

但具體來看，在人才培養(yǎng)這個(gè)方面，不同的案例也會(huì)采用不同的路徑和方法。比如，有的側(cè)重于政產(chǎn)學(xué)研合作，如數(shù)據(jù)標(biāo)注政產(chǎn)教融合人才培養(yǎng)案例；有的注重實(shí)踐能力培養(yǎng)，如人工智能訓(xùn)練師崗課賽證綜合育人模式案例，這些不同的人才培養(yǎng)模式滿足了不同地區(qū)、不同企業(yè)和不同人群對(duì)數(shù)據(jù)標(biāo)注人才的需求。

4.標(biāo)準(zhǔn)應(yīng)用

比如，第4號(hào)案例“時(shí)空智能數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)化實(shí)踐”，針對(duì)時(shí)空數(shù)據(jù)標(biāo)注不統(tǒng)一的問題，武漢大學(xué)牽頭制定國際開放地理信息協(xié)會(huì)OGC TrainingDML-AI標(biāo)準(zhǔn)，并轉(zhuǎn)為ISO標(biāo)準(zhǔn)（ISO 19178-1）和國家標(biāo)準(zhǔn)，涵蓋時(shí)空數(shù)據(jù)標(biāo)注概念模型、編碼等標(biāo)準(zhǔn)規(guī)范。

地理人工智能數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)化實(shí)踐系統(tǒng)圖

5.生態(tài)培育初見成效

數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)培育過程中，面臨技術(shù)薄弱、業(yè)務(wù)匱乏、人才不足等挑戰(zhàn)。一些案例通過構(gòu)建數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)，整合產(chǎn)業(yè)鏈上下游資源，實(shí)現(xiàn)了數(shù)據(jù)標(biāo)注與其他產(chǎn)業(yè)的協(xié)同發(fā)展。

如昆玉公司打造“1+N”數(shù)據(jù)產(chǎn)業(yè)群，形成覆蓋數(shù)據(jù)采集、清洗、標(biāo)注、訓(xùn)練全產(chǎn)業(yè)鏈的數(shù)據(jù)服務(wù)能力，成功孵化4家數(shù)據(jù)標(biāo)注企業(yè)、7個(gè)項(xiàng)目工作室，輸出123類產(chǎn)品數(shù)據(jù)集。

此外，還有第3號(hào)案例，“AI助力數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展新生態(tài)”中，百度智能云（山西）科技有限公司通過政企協(xié)同，并利用技術(shù)、生態(tài)和品牌優(yōu)勢(shì)，結(jié)合山西轉(zhuǎn)型綜合改革示范區(qū)的產(chǎn)業(yè)政策，形成疊加效應(yīng)，推動(dòng)產(chǎn)業(yè)鏈形成。標(biāo)注效率提升超60%，累計(jì)產(chǎn)值超15億元，孵化企業(yè)超50家，帶動(dòng)就業(yè)與人才培養(yǎng)超3萬人。

八仙過海，不同區(qū)域、行業(yè)、

技術(shù)的實(shí)踐路徑有何不同？

通過47個(gè)案例的分析，也可以看到不同區(qū)域基于資源稟賦和產(chǎn)業(yè)基礎(chǔ)，探索出各具特色的發(fā)展道路。從不同的區(qū)域特色發(fā)展、不同的技術(shù)路徑來分析，可以看出：

不同區(qū)域具有不同的發(fā)展模式。比如：

西部地區(qū)：核心特色是就業(yè)優(yōu)先。如，新疆昆玉案例針對(duì)“兵團(tuán)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)空白、人才短缺、技術(shù)依賴內(nèi)地”問題，通過自研技術(shù)、校企合作、標(biāo)準(zhǔn)化管理等措施，聚焦小語種標(biāo)注、自動(dòng)駕駛、無人零售等領(lǐng)域，累計(jì)解決當(dāng)?shù)鼐蜆I(yè)問題。

東部地區(qū)：側(cè)重前沿技術(shù)與高端制造技術(shù)的融合。比如，廣東入選案例如“無人機(jī)視角下人居環(huán)境數(shù)據(jù)集數(shù)據(jù)標(biāo)注”和“SIFT技術(shù)引領(lǐng)全球大規(guī)模智能醫(yī)學(xué)影像數(shù)據(jù)標(biāo)注”，展現(xiàn)技術(shù)密集型發(fā)展路徑，這些案例更關(guān)注前沿技術(shù)在高端制造和智慧城市中的應(yīng)用。

東北地區(qū)：側(cè)重與數(shù)據(jù)標(biāo)注賦能傳統(tǒng)轉(zhuǎn)型模式，將技術(shù)自主創(chuàng)新賦能傳統(tǒng)醫(yī)療，以東北地區(qū)東軟醫(yī)療影像標(biāo)注平臺(tái)為代表，依托傳統(tǒng)醫(yī)療產(chǎn)業(yè)優(yōu)勢(shì)，深耕專業(yè)醫(yī)療數(shù)據(jù)標(biāo)注領(lǐng)域，實(shí)現(xiàn)老工業(yè)基地的數(shù)字化轉(zhuǎn)型

民族地區(qū)：側(cè)重在文化保護(hù)模式，用數(shù)據(jù)標(biāo)注來加持文化保護(hù)，比如第47號(hào)案例中“云藏搜索引擎藏文信息處理數(shù)據(jù)標(biāo)注”，專注于少數(shù)民族語言和文化保護(hù)，填補(bǔ)多語言標(biāo)注領(lǐng)域空白。

從不同的技術(shù)路徑來看，獲選案例采用了不同的技術(shù)路徑和方法。有的側(cè)重于算法研發(fā)，如多任務(wù)分類與分割算法、大模型驅(qū)動(dòng)等；有的注重工具和平臺(tái)的創(chuàng)新，如智能標(biāo)注平臺(tái)、4D-BEV上億點(diǎn)云標(biāo)注系統(tǒng)等，有的在數(shù)據(jù)增強(qiáng)等技術(shù)上進(jìn)行了創(chuàng)新實(shí)踐。

同時(shí)，不同行業(yè)、不同應(yīng)用領(lǐng)域差異化較大。如，不同案例在數(shù)據(jù)標(biāo)注的應(yīng)用領(lǐng)域各有側(cè)重。有些專注于特定行業(yè)的深度應(yīng)用，如醫(yī)療影像數(shù)據(jù)標(biāo)注、交通流量數(shù)據(jù)標(biāo)注等；有的則涵蓋了多個(gè)領(lǐng)域的綜合應(yīng)用，如多模態(tài)數(shù)據(jù)標(biāo)注平臺(tái)在醫(yī)療、電商、自動(dòng)駕駛等多個(gè)領(lǐng)域應(yīng)用。這種差異化的特點(diǎn)反映了數(shù)據(jù)標(biāo)注行業(yè)在不同領(lǐng)域的多樣化需求和發(fā)展?jié)摿Α?/p>

透過數(shù)據(jù)看行業(yè)：

對(duì)我國數(shù)據(jù)標(biāo)注有哪些啟示？

綜上，我們可以看到，技術(shù)創(chuàng)新是數(shù)據(jù)標(biāo)注行業(yè)發(fā)展的核心動(dòng)力，在很多優(yōu)秀案例中，都展示了強(qiáng)大的自主研發(fā)能力。這表明，未來數(shù)據(jù)標(biāo)注行業(yè)還需不斷探索和應(yīng)用新技術(shù)，如深度學(xué)習(xí)、人工智能、自動(dòng)化工具等，以提高標(biāo)注的準(zhǔn)確性和效率。

此外，自動(dòng)化標(biāo)注技術(shù)的出現(xiàn)，顯著提高了標(biāo)注效率和準(zhǔn)確性，雖然目前還不能完全取代人工標(biāo)注，但已經(jīng)大幅減少了人工工作量，并有望在未來實(shí)現(xiàn)更高程度的智能化。但我們已明顯看到，隨著生成式人工智能和大模型技術(shù)的突破，數(shù)據(jù)標(biāo)注已從傳統(tǒng)的人力密集型向AI輔助自動(dòng)化轉(zhuǎn)型。

未來，數(shù)據(jù)標(biāo)注技術(shù)還將擴(kuò)展到各個(gè)行業(yè)進(jìn)一步深化，推動(dòng)整個(gè)行業(yè)的效率提升和成本降低。隨著人工智能進(jìn)入多元行業(yè)和場(chǎng)景落地階段，自動(dòng)駕駛、醫(yī)療、法律、金融等有一定專業(yè)性要求的垂直化場(chǎng)景將成為主要需求，從而帶動(dòng)行業(yè)進(jìn)一步朝著垂直化、定制化方向發(fā)展。

當(dāng)然，我們也會(huì)看到，未來數(shù)據(jù)標(biāo)注行業(yè)需要建立和推廣更多的標(biāo)準(zhǔn)，以確保數(shù)據(jù)標(biāo)注的質(zhì)量和一致性，同時(shí)也便于數(shù)據(jù)的共享和利用。

有數(shù)據(jù)顯示，到2027年，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)專業(yè)化、智能化及科技創(chuàng)新能力顯著提升，產(chǎn)業(yè)規(guī)模大幅躍升，年均復(fù)合增長率超過20%。

數(shù)據(jù)標(biāo)注市場(chǎng)的主要增長動(dòng)力，來自于人工智能技術(shù)的快速發(fā)展和應(yīng)用。數(shù)據(jù)標(biāo)注作為數(shù)據(jù)預(yù)處理的重要環(huán)節(jié)，市場(chǎng)需求隨之?dāng)U大。隨著大模型時(shí)代的到來，數(shù)據(jù)標(biāo)注在AI開發(fā)模式中的重要性日益凸顯，貫穿大模型的全生命周期，上下游合作關(guān)系更為緊密耦合。此外，非結(jié)構(gòu)化數(shù)據(jù)的清洗與標(biāo)注需求不斷增加，也將為數(shù)據(jù)標(biāo)注市場(chǎng)帶來了源源不斷的增長動(dòng)力。

來源：數(shù)據(jù)猿