「整数智能」，AI大模型重构数据标注生产效率

整数智能发展于浙江大学计算机创新技术研究院，致力于为人工智能企业及科研院所提供一站式数据管理服务。其提供的智能数据工程平台（ABAVA Platform）与数据集构建服务（ACE Service），能够满足自动驾驶、AIGC、智慧医疗等数十个应用场景的数据需求。

目前，公司已合作国内外顶级科技公司与科研机构数百家，拥有知识产权数十项，多次参与人工智能领域的标准与白皮书撰写。

整数智能创始人林群书为浙江大学计算机博士生，联合创始人赵子健为浙江大学法学硕士生，目前均处于休学创业中。

林群书认为，正如人工智能公司OpenAI的联合创始人Ilya Sutskever所说，“Training data is technology”，OpenAI训练的GPT-3大模型，有1750亿参数。作为AI领域的基础设施，数据工程是人工智能时代绝对值得All in的机会。

他告诉36氪，数据标注正在从人力密集型向自动化标注过渡。以Tesla为例，在2018年，一段clip数据需要花费500小时的人工标注。随着Tesla通过对数据引擎及自动化标注能力的重点建设，到2021年，一段clip数据的标注只需要花费0.5小时的算力标注+0.1小时的人工标注即可。

针对人工智能行业发展的大趋势，整数智能推出了智能数据工程平台（ABAVA Platfom），对人工智能所需的数据标注工具套件进行了全域覆盖，包含图像、点云、文本、音频等多模态标注工具。

林群书表示，行业当前的自动化标注，更多依赖算法工程师打磨特定场景的自动化标注算法，通用性有限。跨行业或跨场景时，如果算法自动化标注的精度下降，会需要工程师花费额外的时间精力，对自动化标注算法进行手动升级。

而ABAVA平台，其内置的AI Power系统通过结合AI大模型与小模型各自的优点，能够快速在新行业或新场景进行自动化标注，并且不断提升自动化标注的精度，使得获取高质量数据的时间成本与人力成本不断降低。

简单来说就是，能够跨越不同行业、不同场景实现自动化标注；同时还能利用标注好的数据来迭代算法模型。“使用时间越长，沉淀数据越多，自动化标注水平也就越高。”林群书说道。

此外，整数智能针对自动驾驶场景，推出了4D标注工具，即在三维空间数据的基础上叠加时间维度的序列信息进行场景重建，目前已能支持视觉重建与点云重建。据林群书介绍，其4D标注工具可以把原本需要数十帧的标注工作，极限压缩到一帧来进行，将数据标注的效率提升数十倍。

4D标注工具的研发难点在于，其一需要使用算法融合多帧数据进行场景重建，重建的质量尤为重要，直接影响后续的投影精度；其二在于重建后的点云密度非常高，给Web端点云工具的性能优化带来巨大挑战；其三在于完成标注后的结果如何精确的投影回2D空间，需要做大量的算法优化。

总的来看，林群书告诉36氪，人工智能时代获取「数据能源」将经历人工标注、自动标注、合成数据三个发展阶段。整数智能能够通过自动标注大幅降低获取数据的成本。

随着AI大模型时代到来，整数智能也在探索合成数据的模式。比如通过AI合成数据，可以解决自动驾驶缺乏Corner case场景数据的问题。

整数智能认为，AI大模型时代，数据消耗的速度将远远大于数据自然产生的速度，通过合成数据的技术路径，可以带来「数据能源」获取方式的一次革命。“AIGC（即AI生成内容，如AI生成图片）的技术爆炸，技术效果和效率会远远超过自动化标注。”

本文来自“36氪”