|向产业链精细化进军：AI该如何深挖训练数据价值？( 二 )

过去AI模型训练以一个个项目为主，做完项目、得出一个预期质量的AI模型后，使用过的数据便被“丢弃”；而现在，企业倾向于持续把过去已有的数据利用起来，逐步形成属于企业的数据池子，将数据在多个相关模型开发中进行重复利用。
这就导致单个企业所积累的数据量越来越多，而众所周知数据量的增长又以非结构化数据为主，企业所面临的AI数据集管理的挑战越来越明显，例如，数据量太大，针对特殊的场景缺乏精准的方式去找到有价值的数据；原本数据管理凌乱，本地服务器存一点、云端有一点，版本更新不同步，甚至出现一个Excel表格管理数据的现象；数据随意拷贝、传输，存在重大的资产损失风险等等。
显而易见，这时候，能够帮助企业管理好AI数据，就成了重要的创新机遇。
到目前为止，有三类不同背景的玩家在加入赛道：
一是原本就向企业提供数据采集与标注服务的厂商，例如开篇提到的云测数据，这类企业入局，是AI“产业链条”自然延伸的结果。
从行业地位看，在《互联网周刊》&eNet研究院、德本咨询联合发布的《2021数据标注公司排行》中，云测数据凭借最高99.99%精准度数据标注能力和场景化训练数据方案等，再次排在“数据标注公司排行”榜首位置，其云测数据标注平台4.0能够实现AI数据训练综合效率提升200% 。
但是，越是如此，云测数据这样的平台就越绕不过企业AI数据管理的问题——如果只是提供数据、帮助训练效率提升，而不推动企业“搞定”数据管理，随着企业面临数据管理的挑战，其商业模式越往下走就越会越到障碍，这时候，就只能在已有的技术和服务经验积累的基础之上拓展AI产业链条细化环节，推出专门的针对AI数据集管理的技术系统——也顺势成为国内首个该领域的系统。
可以说，云测数据推出AI数据集管理系统，既是基于人工智能行业前瞻性发展的具象化技术产品体现，为企业寻找新的发展空间，也是AI产业链条闭环的一种倒逼。
其优势在于，作为原来的AI训练数据服务商，借助AI数据集管理系统，可以以“全生命周期关注”的姿态走进需求企业，推动企业从最开始的数据获取到最终的产业落地全周期效率提升，帮助客户企业整体化思考，也契合AI发展告别项目制走向敏捷开发的趋势。而作为原本AI训练数据服务领域的领导者，云测数据的智能驾驶、智慧城市、智能家居、智慧金融、新零售等众多垂直领域的数据服务技术与经验可以很好地横移到AI数据集管理当中，在数据检索、数据呈现、数据安全保障等方面有垂直化的经验壁垒。
二是互联网、科技领域的大厂，它们都具备云计算方面的数据管理基础禀赋，其入局，是从数据管理大赛道延展到AI数据集管理小赛道的客观结果。
较为典型的是IBM ，面向中国市场提供混合数据管理系统， “利用数据管理驱动AI”是官方宣称的重要价值之一，例如其IBM Cloud Pak for Data ，产品功能是帮助企业收集、组织和分析数据， “以实现有影响力的AI” ，而其实现主要包括在容器化的环境中运行IBM Db2 Warehouse等——不需要知道这是什么，只要知道这些原本就用于云计算数据管理即可。
其他如从事数据标注的百度、阿里等，其云计算中都或多或少包含AI数据集管理的能力，只不过并非专门的系统，这类企业的优势在于，原本的数据管理往往会积累一定的基础客户量，在品牌上也有大厂背书。
三是“白手起家” ，直接切入赛道的创新企业，这类企业以寻找商业机会为直接目标。