人工智能趋势下，基础数据供应商如何掘金？

撰稿：刘雪儿 编辑：刘惜墨

2015年底，龙猫数据CEO昝智主动停薪半年。

一年前，昝智对给公交系统做移动支付信心满满，并与他在豌豆荚负责技术的同事姚毅一拍即合，二人决定出来创业。

当时昝智已经与北上广深的公交集团达成合作。哪知商场风向瞬息万变，支付宝和微信争相在线下烧钱推广，且已蔓延至公交系统。微信、支付宝两大移动支付巨头盘踞在侧，一直烧钱运营的状态下，致使昝智的业务急剧收缩，员工也从高峰期近三十人缩到十几个人。

▲龙猫数据CEO 昝智

必须寻找下一个业务刺激点。

趁着微信红利尚未褪尽，为了让团队先活下去，昝智决定做微信公号运营，用发红包等方式聚集了一批用户，用户通过发朋友圈的方式给商家做推广，昝智称为 「众包」模式。

今天的龙猫数据40个全职员工，合作客户有50多家，靠众包平台上的400万用户，已经发展成为人工智能领域提供大数据采集标注处理、线下巡检、市场推广的服务商，平台每天平均完成任务量是20万件。

然而这个方向被昝智称为「机缘巧合」。

2016年，昝智看到AI爆发的风潮，跃跃欲试，但非科班出生的他对人工智能拿捏不准，一时进退两难。

同年6月，百度找上门来，需要非常多的原始数据来训练算法，「小度」才会变得聪明。 如果单独找上千人收集数据，不仅一时间凑不齐那么多人，而且成本会很高。在没有第三方众包平台之前，做语音识别的科大讯飞就曾自己招募了上千名标注员。

「人工智能，人工越多越智能。」昝智对新经济100人说。

依靠龙猫数据的众包平台优势，百度很快完成了数据采集。

2016年AI元年，转型还有机会。昝智总结人工智能最重要的三点：除人才外，还有两处基础服务很重要，一是数据，二是运算能力。龙猫数据将火力集中在数据上。「不要想着怎么去改变这个世界，而应该更多想想世界需要什么。」

龙猫数据投资人、九合创投创始合伙人王啸认为,「类似当年的『移动战略』，AI作为底层逻辑，将带领互联网将进入『智能互联网』阶段。智能互联网包含数据层、基础设施层、技术设施层和消费层四个基础面，其中数据层是整个链条的基础。」

随着人工智能的深入发展，文本、图片、语音、视频等形式的数据需求越来越多。相关创业公司也应需而起。新经济100人发现，行业里发展较早的海天瑞声和数据堂，前者主要做语音数据，后者有部分非定制化数据出售业务，其他创业公司还比较早期。

「我们相信能够高效率收集原始数据的公司将会创造巨大价值。」王啸说。

昝智认为，龙猫数据的优势在于能提供定制化生产需求：人工智能公司在前期搞模型时，可以用公开数据训练，但随着发展的深入，需要有定制化的数据来提高准确率。

比如近年来智能音箱的流行，首先要有唤醒词。比如百度的是「小度小度」，小米的是「小爱同学」，启动后还有指令词，比如「开空调」，「播放一首TFBOYS的《青春修炼手册》」。机器要输入不同口音、不同年龄段、各种喜怒哀乐情绪下的语音，才能变聪明。

文本类应用也很广泛。比如在各大电商的售后系统中，客服机器人的功劳不容小觑，通过一些关键词能做好顾客基本的售后服务，缓解人工客服的压力。比如在网站文章和留言的审核上，机器通过学习后能快速大量阻挡涉黄与不良信息等。

▲车辆标注

有些采集来的数据仍不能直接使用，需要人工标注才能「喂食」机器，这便要引出龙猫数据的另一大业务——数据标注，尤其在图片处理上应用较广。

比如在人脸识别上，不光要精确标注五官，就连眼睛就有好几处需要标注，内眼角、外眼角、眼角间的弧线和等分点等。比如无人车应用上，机动车、非机动车、红绿灯、行人、行驶路线等都要一一标注，给机器耐心引导。目前这块多做2D标注，未来要做的3D标注会更加复杂。

对风险比较高的金融和个人隐私数据，龙猫会先调查使用用途，用途不明的或者太隐私的数据项目会直接拒绝。对所持数据，甲乙双方都会签保密合同，数据只能使用一次，双方不能转售外泄。

据了解，很多公司通过正规渠道和价格，获取数据接口，但调用数据时，会在本地设备形成一个缓存库，当数据积累到一定程度后，便二次销售缓存库里的数据，这些缓存库也一度成为黑客的猎物。

数据提供商就这样野蛮生长着。

为了站稳脚跟，龙猫数据推出「先使用后付款」政策，如果效果不好可以不付款，早期就出现这样一个例子。

那是个文字判断项目，带有很强的主观性，连规则就有十几页，需要几万人同时做判断，客户希望准确率达到95%以上。早期运营团队缺乏经验，快到截止日了才搞清规则，最后做的效果也不好，项目一分钱没收回来。

龙猫数据销售总监谢林波很生气，在客户和运营团队两头沟通，他说昝智很冷静。「他要搞清楚问题在哪，主观和客观原因是什么，没有过多地考虑公司损失。」谢林波回忆昝智的做法。

此后再碰到难弄的文本判断类项目，龙猫会事先筛选一批标注员，比如学历高的，以前做任务很认真的，做过类似任务的，把任务定向发给这些人。

众包的用户是数据采集的来源，也是数据标注的执行者，用户运营关系到整个数据服务的规模化。

▲龙猫众包App部分任务

打开龙猫众包App，可以在「数据采集」任务栏下看到多个任务，有男性20个手势赚6元、老人的现在和过去赚3元、拍汽车内吸烟照片赚6.3元等，点进去会有每项任务的详情要求，对照片背景和人物姿态都有规定。新经济100人试验了几项任务，一两天左右就有审核结果出来。

用户中学生群体占大多数，还有一些宝妈和低收入年轻群体。龙猫数据发现很多人不看任务要求，还埋怨审核不通过。比如照片的脸庞往左偏与右偏都有要求，很多人经常弄混淆，以自己的方位来推断图中人的方位。后来，龙猫数据干脆录了一段视频，直观地讲解要求，有时也会开直播室来培训，实在不懂就直接电话客服。

为了减轻团队压力、活跃用户，昝智决定建立工会，给用户优惠策略，让用户管理用户，大家可以在一个群里交流，老人带新人。目前总体考核通过率50%-60%，熟练工通过率更高。

除了培训外，龙猫数据还会让用户参与审核。这在早期是不可想象的，以前都是客户给结果后，龙猫数据才给用户审核，发钱的发钱，拒绝的拒绝，但时间太长，会打击用户积极性。昝智决定打破规则，先自己审核，只要用户做好任务，就按规则发钱，这意味着龙猫要承担所有的风险，万一客户觉得效果不好，龙猫就要担着损失。

龙猫数据CTO姚毅说，目前龙猫有三种审核方式，一是自己审核，二是交给用户审核，三是自动审核，适用于客观判断题项目。后续还有交叉验证等进一步控制质量。

目前，数据采集主要在龙猫众包App上，数据标注主要在PC端。

谢林波曾做过人脸的标注任务，「要标200多个点，眼睛疼得受不了，要特别心细」，后来，他把一张脸拆成几部分，有人专门标眼睛，有人标嘴巴，大家就轻松多了，目前做1小时标注赚15元左右。

龙猫数据是一家技术加销售导向的公司，一端连着智能公司客户，一端系着普通用户，龙猫数据需要平衡好这个「跷跷板」。

有客户会和谢林波叫价，反正你们那么多人，任务那么容易，不能便宜点吗？谢林波让他们换位思考，「如果给你几块钱，你愿意拍几张照片吗，他（客户）就不说话了，那为什么别人愿意接受低廉的价格？大家要互相理解。再说了，价格低了，短时间收集不了那些数据，对你一点意义都没有。」

「我们既要对客户好，也要对用户好，这样我们才能发展，一方都不能得罪。」谢林波对新经济100人说。

除了客户与用户，龙猫数据也需要时刻关注人工智能行业的发展。随着增强学习、迁移学习等算法的发展，只需要少量数据就可以达成一定效果，数据提供商的价值是否打折？

姚毅觉得即便如此，市场仍有数据量的需求，采集和标注还是需要人来做，而且还存在不同形态、不同维度的数据，比如人脸识别，做完普通亚洲人的，还有其他人种、不同侧面、多个光源、不同年纪等。「当一个新的应用场景诞生时，就会衍生出一批新的数据需求。」

▲路况标注

在昝智看来，未来5年内人工智能还得依赖监督学习，所谓监督学习就是人标注好了数据让机器看，监督它去学习。

除了做好数据服务外，昝智想着可以在人工智能领域做延展。比如看到不少AI公司的研发领域和数据需求很相似，日后可能参与类似数据共享平台的建设。

在更长远的定位上，龙猫数据是一家给人工智能公司提供基础服务的平台，「在这个过程中我可以洞察到很多的机会，也可能就某些机会去做进一步的事情。」昝智对新经济100人说。

当务之急，昝智想尽快把国内顶尖的互联网科技公司和AI公司都签下来，已经签约50多个，包括百度、腾讯、小米、今日头条、蔚来汽车、出门问问等。目前包括互联网巨头+新兴人工智能创业公司总共在300家左右。

「真的要有战斗精神，如果认定了这个市场，你要有非常强大的内心，你得把整个蛋糕吃完。」30岁的昝智说。

「我的作战能力是有的，但除了自己搏杀，怎么带大家都进入搏杀的状态，是需要思考的。」