2024年中国数据标注行业发展现状及趋势研判：数据标注发展潜力巨大，细化数据标注成为行业未来发展趋势[图]

内容概况：数据加工包括数据清洗、数据标注、数据审核等，本质上是提升数据资源质量的过程，数据资源的质量越高其价值越大。具体分环节看：企业标配的能力，基本在数据收集存储环节就已经完成；数据标注：由于非结构化数据占比越来越大，对于数据标注行业的需求稳定提升，已经形成一个稳定成长的行业，数据标注行业市场规模不断扩大，图像类和语音类需求占比超八成。数据统计，2022年中国数据标注行业市场规模为50.8亿元，2023年数据标注行业市场规模约为60.8亿元。

关键词：数据标注、图像标注、文本标注、语音标注、计算机视觉、智能语音

一、数据标注行业概述

数据标注是指借助特定软件标注工具以人工的方式将图片、语音、文本、视频等数据内容打上特征标签，使计算机通过大量学习这些带有特征标签的数据，最终具备自主识别特征的一种行为。数据标注技术作为提供训练数据的必经环节，促进了人工智能的快速发展。常见的数据标注按照数据类型可以分为图像标注、文本标注及语音标注。

中国数据标注行业的发展历程可以大致分为四个阶段。在起步阶段，大约在2005年左右，一些计算机视觉和人工智能领域的专家开始意识到数据标注的重要性，并进行了简单的数据标注工作。这个阶段的数据标注主要由学术机构和科研人员自发进行，规模较小，还没有形成一个独立的行业。随着人工智能技术的不断发展和普及，数据标注的需求逐渐增多。在探索阶段，一些企业开始看到数据标注的市场潜力，并开始进入这个领域。这个阶段的数据标注主要由小型创业公司和个人工作室提供服务，标注的内容相对较简单，主要是文本、图片等类型的数据。从2015年开始，随着深度学习等技术的兴起，数据标注的需求呈现爆炸性增长。在快速发展阶段，大量的人工智能企业涌现，对数据标注服务的需求急剧增加。同时，一些大型互联网公司也开始布局数据标注领域，推出自己的数据标注平台和工具。这个阶段的数据标注服务逐渐形成了一个庞大的产业，涵盖了图像、文本、音频、视频等多种类型的数据标注。2018年以来，中国数据标注行业已经进入了一个相对成熟和稳定的阶段。虽然数据标注的需求仍然在增长，但增长速度已经趋于平缓。在这个阶段，数据标注公司的竞争更加激烈，服务质量、价格和技术实力成为竞争的关键因素。同时，随着人工智能技术的不断发展和应用场景的拓展，数据标注行业也面临着新的挑战和机遇。

二、数据标注行业政策

随着数据标注市场不断壮大，数据标注市场的各个参与主体都投入到市场运作中。相关政策文件的密集出台推动我国数据标注产业迅速发展，技术不断进步，基础设施不断完善，融合应用不断深入。2023年12月，国家发展改革委等五部门印发《深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》，提出差异化统筹布局行业特征突出的数据集群，促进行业数据要素有序流通，打造一批涵盖算力利用与数据开发的行业数据应用空间，服务行业大模型的基础实验及商业化应用。2024年3月，河南省人民政府办公厅印发《河南省加快制造业“六新”突破实施方案》，提出加快建设数据标注行业标准体系，支持商丘、安阳市打造高水平数据标注产业集群。到2025年，突破一批关键算法，初步建成较为完善的算法转化与应用生态。

三、数据标注行业产业链

数据标注位于产业链中游，是AI商业化应用中重要的一环。行业的上游为AI技术数据服务商、IDC厂商、服务器等数据资源提供方和硬件资源供应商。中游为数据标注厂商，包括AI基础数据服务商，如海天瑞声等。下游则是数据标注行业的应用领域，包括计算机视觉、智能语音和自然语言等。

相关报告：智研咨询发布的《中国数据标注行业市场供需形势分析及投资前景评估报告》

四、数据标注行业发展现状

数据加工包括数据清洗、数据标注、数据审核等，本质上是提升数据资源质量的过程，数据资源的质量越高其价值越大。具体分环节看：企业标配的能力，基本在数据收集存储环节就已经完成；数据标注：由于非结构化数据占比越来越大，对于数据标注行业的需求稳定提升，已经形成一个稳定成长的行业，数据标注行业市场规模不断扩大，图像类和语音类需求占比超八成。数据统计，2022年中国数据标注行业市场规模为50.8亿元，2023年数据标注行业市场规模约为60.8亿元。

从市场结构来看，计算机视觉和智能语音是数据标注行业的主要应用领域。其中计算机视觉是目前最热门的人工智能项目之一，应用于开发自动驾驶模型、手机面部识别和情感识别等。2023年计算机视觉用数据标注市场规模达到27.5亿元。

智能语音是指声音信息在人机间的交互，包括语音识别技术（ASR）和语音合成技术（TTS）。随着信息技术的发展，智能语音技术已经成为人们信息获取和沟通最便捷、最有效的手段。数据统计，2023年中国数据标注行业智能语音市场规模达到24.6亿元。

五、数据标注行业企业格局和重点企业分析

企业格局

AI行业的蓬勃发展，对数据的需求呈井喷式增长，数据标注行业是伴随着AI的兴起而产生的一个新兴行业。目前，我国国内市场越来越多的互联网巨头公司开始组建自己的数据标注平台，京东（京东众智）、百度（百度众测）都已经拥有自己的标注平台和工具。头部公司之外，国内近年兴起众多数据标注公司，如龙猫数据、Testin云测、倍赛BasicFinder、数据堂等，这些公司仅次于第一梯队，都具有相当的规模。

重点企业

北京海天瑞声科技股份有限公司（以下简称“海天瑞声”）是我国领先的训练数据专业提供商。自2005年成立以来，公司致力于为AI产业链上的各类机构提供算法模型开发训练所需的专业数据集。公司所提供的训练数据覆盖智能语音（语音识别、语音合成等）、计算机视觉、自然语言等多个核心领域，全面服务于人机交互、智能驾驶、智能家居、智慧城市等多种创新应用场景。数据统计，2023年海天瑞声智能语音、计算机视觉、自然语音营收分别为1.03亿元、0.47亿元和0.15亿元。

六、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。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、推动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，已经有一些数据标注公司开发了相应的半自动化工具，但是从标注比例来看，机器标注占比30%左右，而人工标注占比达到70%左右。因此，数据标注工具的发展趋势是开发以人工标注为主机器标注为辅的半自动化标注工具，同时减少人工标注的比例，并逐步提高机器标注的占比。

以上数据及信息可参考智研咨询（www.chy数据标注数据标注.com）发布的《中国数据标注行业市场供需形势分析及投资前景评估报告》。智研咨询是中国领先产业咨询机构，提供深度产业研究报告、商业计划书、可行性研究报告及定制服务等一站式产业咨询服务。您可以关注【智研咨询】公众号，每天及时掌握更多行业动态。