全球及中国数据标注行业市场现状分析.pdf

全球及中国数据标注行业市场现状分析

一、数据标注行业概况

数字经济是全球新一轮科技和产业革命最典型的标志，其中最关

键的动力来自人工智能等前沿技术的创新突破。近年来，得益于人工

智能的兴起，数据标注产业应运而生，它主要是根据人工智能企业的

要求，对图像、声音、文字等进行不同方式的标注，从而为人工智能

企业提供大量的数据供机器训练和学习。发展数据标注产业，对我省

绿色健康发展转型，有着重大现实意义。

目前数据标注有3种常用的划分方式：(1)按照标注对象进行分类，

包括图像标注、视频标注、语音标注和文本标注；(2)根据标注的构

成形式，将其分为结构化标注非结构化标注和半结构化标注(3)根据

标注者类型，分为人工标注和机器标注：

数据标注产业的发展，促进了人工智能的蓬勃兴起，其主要的应

用行业和不同行业的标注场景总结如下：

二、全球数据产生现状分析

近年来，全球数据量依然增长迅速，据统计，2019年全球数据产

量为41ZB，同比增长24.24%，预计2020年全球数据产生量约为47ZB。

从全球数据标注处理容量需求空间来看，目前市场上有1%的数据

能被收集保存下来，据统计，2019年全球数据标注处理容量需求量
为378EB，同比增长24.34%，预计2020年全球数据标注处理容量需

求空间约为433EB。

三、中国数据标注行业市场现状分析

数据标注行业的发展带动了中国许多城市和城镇的就业，促使中

国逐渐成为世界数据标注的中心，据统计，2019年我国数据标注行

业市场规模达到30.9亿元，同比增长19.31%，预计到2025年我国数

据标注行业市场规模将突破100亿元。

从各类型数据标注市场来看，2019年我国图像类数据标注市场占

比最高，占比49.7%，其次是语音类数据标注市场，占比39.1%，NLP

类数据标注市场占比11.2%。

从我国数据标注需求相关企业区域分布来看，据统计，2020年4

月我国数据标注相关企业数量为565家，截至2020年12月增长至

705家，其中企业数量排名前五的分别是北京市、上海市、成都市、

深圳市与杭州市。

投融资方面，2020年我国数据标注行业投融资事件数量为6起，

在新冠疫情的影响下热度依然未减少，截至2021年4月我国数据标

注行业投融资事件数量为2起。

目前，语音标注质量评估算法主要有词错误率(worderrorrate，简

称WER)算法和句子错误率(sentenceerrorrate，简称SER)算法。词错

误率表示为了让识别出来的词序列和标准的词序列之间保持一致，而
需要进行替换、删除或者插入的某些词。各数据标注质量评估算法对

比如下：

四、中国数据标注行业竞争格局分析

目前我国数据标注行业参与企业主要分为三个梯队，其中第一梯

队头部企业主要有京东（京东众智）、百度（百度众测）、腾讯、阿

里（阿里数据标注）；第二梯队中部企业主要有龙猫数据、Testin云

测、倍赛BasicFinder、数据堂；第三梯队主要为其他广大中小型企业。

五、数据标注行业发展趋势

1、细化数据标注任务

随着人工智能技术在一些行业的广泛应用，这些行业原有的数据

标注任务已经不再满足业务需求。以智能安防为例，为了促进智能安

防系统从传统的被动防御走向智能化的主动预警，一些新的数据标注

任务也应运而生。例如，当一个神情紧张或者头戴面罩的小偷手握一

根棍子准备翻越小区外墙企图实施盗窃行为时，安防系统应该马上启

动报警系统，并及时向安防人员发出警告，以保障住户的财产安全。

实现异常情况预警的新标注任务，包括表情标注、危险品标注和行为

标注，利用这些数据标注就能帮助安防系统识别紧张的表情、违法的

面罩和违规的翻越行为以及可能的凶器——棍子。从技术角度来看，

新标注任务为异常行为的识别与建模提供了高质量的训练数据，也有
利于提高模型训练的准确性。因此，针对特定的行业需求细化标注任

务，将是今后数据标注的一个发展趋势。

2、半自动化数据标注工具的研发

随着AI技术的发展，数据标注工具需要从只支持人工标注逐渐转

化为人工标注+AI辅助标注的方法。其基本思路为：基于以往的标注，

可以通过AI模型对数据进行预处理，然后由标注人员在此基础上做

一些校正。以图像标注为例，标注工具首先通过预训练的语义分割模

型来处理图像，并生成多个图像片段、分类标签及其置信度分数。置

信度分数最高的片段用于对标签的初始化，呈现给标注者。标注者可

以从机器生成的多个候选标签中为当前片段选择合适的标签，或者对

机器未覆盖到的对象添加分割段。AI辅助标注技术的应用，能够极

大地降低人力成本并使标注速度大幅提升。目前，已经有一