摘 要：工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注能夠?yàn)槿斯ぶ悄苣Ｐ陀?xùn)練提供高質(zhì)量數(shù)據(jù)集，是保障智能制造系統(tǒng)性能的關(guān)鍵基礎(chǔ)。在全球范圍內(nèi)，數(shù)據(jù)標(biāo)注正廣泛應(yīng)用于制造行業(yè)和相關(guān)場(chǎng)景。歐美等國(guó)為適應(yīng)工業(yè)數(shù)據(jù)特性、應(yīng)對(duì)工業(yè)環(huán)境和場(chǎng)景需求、提升標(biāo)注質(zhì)量和專業(yè)性，實(shí)現(xiàn)了標(biāo)注技術(shù)、方法和管理的創(chuàng)新突破，進(jìn)一步強(qiáng)化了歐美工業(yè)人工智能領(lǐng)先優(yōu)勢(shì)。我國(guó)應(yīng)加快構(gòu)建工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注體系，通過(guò)推進(jìn)工業(yè)數(shù)據(jù)標(biāo)注技術(shù)與應(yīng)用研究，研制工業(yè)數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)，布局建設(shè)工業(yè)數(shù)據(jù)標(biāo)注基地，推動(dòng)工業(yè)數(shù)據(jù)標(biāo)注資源流通共享，增強(qiáng)我國(guó)工業(yè)人工智能創(chuàng)新基礎(chǔ)和發(fā)展動(dòng)力。

關(guān)鍵詞：工業(yè)人工智能；工業(yè)數(shù)據(jù)標(biāo)注

一、歐美工業(yè)領(lǐng)域人工智能和數(shù)據(jù)標(biāo)注發(fā)展趨勢(shì)

（一）歐美地區(qū)引領(lǐng)全球制造業(yè)人工智能發(fā)展

歐美地區(qū)當(dāng)前的領(lǐng)先地位主要得益于前沿技術(shù)的持續(xù)創(chuàng)新、強(qiáng)大的產(chǎn)學(xué)研生態(tài)體系、先進(jìn)的制造業(yè)數(shù)字化水平，以及大量政府和個(gè)人對(duì)人工智能研發(fā)領(lǐng)域的投資。從市場(chǎng)規(guī)模看，2023年北美地區(qū)制造業(yè)人工智能市場(chǎng)規(guī)模約為13億美元，以35.1%的份額占據(jù)全球主導(dǎo)地位①，同年我國(guó)人工智能制造業(yè)應(yīng)用市場(chǎng)規(guī)模約為8.1億美元②，與制造業(yè)增加值居全球首位的國(guó)家相比，我國(guó)制造業(yè)人工智能應(yīng)用市場(chǎng)仍有巨大發(fā)展空間。

（二）歐美數(shù)據(jù)標(biāo)注行業(yè)具備規(guī)?；I(yè)化、自動(dòng)化、精準(zhǔn)化優(yōu)勢(shì)

在標(biāo)注市場(chǎng)規(guī)模方面，2023年全球數(shù)據(jù)標(biāo)注工具市場(chǎng)規(guī)模達(dá)10.296億美元，其中北美市場(chǎng)3.725億美元，歐洲市場(chǎng)2.808億美元，分別占比36%和27%，共同引領(lǐng)全球市場(chǎng)；同期我國(guó)數(shù)據(jù)標(biāo)注工具市場(chǎng)規(guī)模約為8009萬(wàn)美元，但與印度、加拿大近似，與我國(guó)經(jīng)濟(jì)體量還不匹配①。在標(biāo)注專業(yè)化方面，Appen、Scale AI和Alegion等海外領(lǐng)先企業(yè)在技術(shù)研發(fā)和市場(chǎng)應(yīng)用上積累了豐富的經(jīng)驗(yàn)，能夠針對(duì)上千種應(yīng)用場(chǎng)景和模型需求提供定制化標(biāo)注解決方案；我國(guó)數(shù)據(jù)標(biāo)注市場(chǎng)雖然發(fā)展迅速，但許多企業(yè)仍處于初創(chuàng)階段，專業(yè)化服務(wù)水平較國(guó)際領(lǐng)先企業(yè)存在差距。在標(biāo)注自動(dòng)化方面，歐美數(shù)據(jù)標(biāo)注企業(yè)積極采用AI技術(shù)推動(dòng)數(shù)據(jù)標(biāo)注的自動(dòng)化，預(yù)計(jì)到2030年，自動(dòng)標(biāo)注將以18%的復(fù)合年增長(zhǎng)率增長(zhǎng)；但我國(guó)的數(shù)據(jù)標(biāo)注仍以人工為主，自動(dòng)化程度有待提高。在標(biāo)注精準(zhǔn)化方面，歐美領(lǐng)先的數(shù)據(jù)標(biāo)注企業(yè)結(jié)合人工智能和人工標(biāo)注優(yōu)勢(shì)，利用AI算法輔助人類標(biāo)注員，并通過(guò)人工標(biāo)注數(shù)據(jù)優(yōu)化AI算法，從而逐步提高數(shù)據(jù)標(biāo)注精準(zhǔn)度，并采用多種質(zhì)量控制指標(biāo)，如互標(biāo)引一致性和F1分?jǐn)?shù)，確保標(biāo)注結(jié)果的可靠性和一致性。

二、國(guó)際工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注的三大創(chuàng)新經(jīng)驗(yàn)

（一）針對(duì)工業(yè)數(shù)據(jù)特性的標(biāo)注技術(shù)創(chuàng)新

一是解決跨模態(tài)數(shù)據(jù)統(tǒng)一標(biāo)注難題。不同模態(tài)的工業(yè)數(shù)據(jù)在時(shí)間、空間、語(yǔ)義上存在顯著差異，且標(biāo)注標(biāo)準(zhǔn)各異，因此，跨模態(tài)數(shù)據(jù)的協(xié)同分析一直是工業(yè)數(shù)據(jù)應(yīng)用中的一個(gè)難題。美國(guó)的數(shù)據(jù)標(biāo)注企業(yè)如Scale AI和Mighty AI等通過(guò)標(biāo)注工具創(chuàng)新，能協(xié)同處理和分析圖像、聲音、傳感器等數(shù)據(jù)，從而幫助機(jī)器學(xué)習(xí)算法全面理解復(fù)雜的工業(yè)環(huán)境。二是支持實(shí)時(shí)數(shù)據(jù)標(biāo)注和響應(yīng)。在工業(yè)環(huán)境中，傳感器、機(jī)器運(yùn)行、生產(chǎn)流程不斷產(chǎn)生實(shí)時(shí)數(shù)據(jù)，傳統(tǒng)的靜態(tài)標(biāo)注已難以適應(yīng)快速變化的工業(yè)環(huán)境。澳大利亞Appen、美國(guó)Annotation Box等公司提供實(shí)時(shí)數(shù)據(jù)處理與標(biāo)注服務(wù)，并能在生產(chǎn)過(guò)程中動(dòng)態(tài)調(diào)整標(biāo)注策略，以確保數(shù)據(jù)的準(zhǔn)確性和時(shí)效性。三是結(jié)合數(shù)據(jù)增強(qiáng)技術(shù)促進(jìn)自動(dòng)化標(biāo)注。針對(duì)工業(yè)極端場(chǎng)景數(shù)據(jù)稀缺的問(wèn)題，Appen與AI合成數(shù)據(jù)庫(kù)創(chuàng)建平臺(tái)Mindtech合作，利用高精度仿真技術(shù)模擬極端場(chǎng)景并生成合成數(shù)據(jù)。這一創(chuàng)新方法旨在訓(xùn)練智能標(biāo)注算法，進(jìn)而加速自動(dòng)數(shù)據(jù)標(biāo)注創(chuàng)新，提升標(biāo)注效率和準(zhǔn)確性。

（二）適應(yīng)工業(yè)復(fù)雜場(chǎng)景的標(biāo)注模式創(chuàng)新

一是跨領(lǐng)域合作開(kāi)發(fā)專業(yè)標(biāo)注工具。歐美的企業(yè)和研究機(jī)構(gòu)通過(guò)合作，致力于開(kāi)發(fā)適用于工業(yè)的數(shù)據(jù)標(biāo)注解決方案，如德國(guó)弗勞恩霍夫研究所與行業(yè)企業(yè)合作研發(fā)了視頻數(shù)據(jù)標(biāo)注工具ANTONN、傳感器數(shù)據(jù)管理工具FROST以及3D數(shù)據(jù)點(diǎn)云自動(dòng)標(biāo)注工具等，這些工具為工業(yè)數(shù)據(jù)處理提供強(qiáng)大支持。二是跨工序標(biāo)注促進(jìn)先進(jìn)制程系統(tǒng)優(yōu)化。針對(duì)工業(yè)生產(chǎn)流程間緊密關(guān)聯(lián)的特點(diǎn)，Mighty AI開(kāi)發(fā)了基于Web的可視化平臺(tái)，可直觀地展示不同工序的數(shù)據(jù)關(guān)聯(lián)，便于跨工序的數(shù)據(jù)整合和分析，不僅提高了數(shù)據(jù)利用率，還促進(jìn)了生產(chǎn)流程的優(yōu)化與協(xié)同。三是通過(guò)數(shù)據(jù)集管理決定標(biāo)注優(yōu)先順序。Scale AI通過(guò)數(shù)據(jù)引擎實(shí)現(xiàn)了高效的智能數(shù)據(jù)集管理，能夠識(shí)別并優(yōu)先處理最具價(jià)值的數(shù)據(jù)并進(jìn)行優(yōu)先標(biāo)注，這一功能在提升操作效率、集成和分析多種數(shù)據(jù)類型的工業(yè)環(huán)境中尤為重要，為有效應(yīng)對(duì)快速變化的市場(chǎng)需求提供了重要保障。

（三）滿足工業(yè)高質(zhì)量專業(yè)化數(shù)據(jù)要求的標(biāo)注管理創(chuàng)新

一是在全球建立人工智能標(biāo)注基地并進(jìn)行統(tǒng)一培訓(xùn)和質(zhì)量管理。許多歐美企業(yè)通過(guò)在全球招募標(biāo)注人員，快速擴(kuò)展其標(biāo)注團(tuán)隊(duì)，如Appen在全球180多個(gè)國(guó)家和地區(qū)擁有40多萬(wàn)名外包合同工，眾包平臺(tái)Mechanical Turk在非洲和東南亞擁有20萬(wàn)名AI數(shù)據(jù)標(biāo)注員。為了確保標(biāo)注質(zhì)量，這些企業(yè)制定了詳細(xì)的培訓(xùn)計(jì)劃和嚴(yán)格的質(zhì)量控制流程，確保標(biāo)注人員獲得統(tǒng)一指導(dǎo)并交付高質(zhì)量的標(biāo)注數(shù)據(jù)。二是組織行業(yè)專家參與數(shù)據(jù)標(biāo)注。在工業(yè)制造專業(yè)領(lǐng)域，具備專業(yè)知識(shí)的專家標(biāo)注成果顯著優(yōu)于普通人力外包標(biāo)注。Appen、Scale AI、iMerit等領(lǐng)先數(shù)據(jù)標(biāo)注企業(yè)將“專家參與”作為服務(wù)特色，組織行業(yè)專家對(duì)標(biāo)注結(jié)果和模型微調(diào)提供評(píng)估和反饋。三是形成專業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)規(guī)范。領(lǐng)先的數(shù)據(jù)標(biāo)注企業(yè)普遍建立了數(shù)據(jù)標(biāo)注質(zhì)量規(guī)范。如Scale AI建立了一套提升數(shù)據(jù)標(biāo)注質(zhì)量的方法，包含模型性能評(píng)估指標(biāo)、基準(zhǔn)任務(wù)篩選和實(shí)現(xiàn)高質(zhì)量標(biāo)注的最佳實(shí)踐。此外，歐美各國(guó)標(biāo)準(zhǔn)化組織和行業(yè)協(xié)會(huì)也在積極推動(dòng)建立并采用數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)。如美國(guó)制造業(yè)協(xié)會(huì)（NAM）敦促制造商采用一致的數(shù)據(jù)標(biāo)注實(shí)踐，并在相關(guān)白皮書(shū)中強(qiáng)調(diào)數(shù)據(jù)標(biāo)注在確保AI系統(tǒng)可靠性方面的關(guān)鍵作用。

三、數(shù)據(jù)標(biāo)注創(chuàng)新促進(jìn)人工智能快速發(fā)展

（一）積累大量高質(zhì)量數(shù)據(jù)集，增強(qiáng)工業(yè)人工智能“原料”供給

一是開(kāi)源平臺(tái)通過(guò)眾包標(biāo)注積累工業(yè)數(shù)據(jù)集。國(guó)際知名數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái)Kaggle吸引全球?qū)＜覅⑴c數(shù)據(jù)標(biāo)注和模型構(gòu)建，積累了近600個(gè)制造業(yè)公共數(shù)據(jù)集，其中近百個(gè)數(shù)據(jù)集得到8分以上的高可用度評(píng)價(jià)。二是行業(yè)企業(yè)聯(lián)合科技企業(yè)打造專業(yè)數(shù)據(jù)集。寶馬集團(tuán)與微軟、英偉達(dá)合作打造了數(shù)據(jù)自動(dòng)標(biāo)注工具和無(wú)代碼AI工具，發(fā)布了包含80萬(wàn)張標(biāo)注圖像的汽車工程數(shù)據(jù)集SORDI，涵蓋汽車工程與物流核心技術(shù)對(duì)象共計(jì)80個(gè)生產(chǎn)資源類別。三是領(lǐng)先的科技企業(yè)發(fā)布大規(guī)模帶標(biāo)注數(shù)據(jù)集。2024年7月，Meta發(fā)布了一個(gè)大型帶標(biāo)注數(shù)據(jù)庫(kù)，包括來(lái)自47個(gè)國(guó)家的約51000個(gè)真實(shí)世界視頻和超過(guò)600000個(gè)時(shí)空掩碼，與現(xiàn)有最大的視頻分割數(shù)據(jù)集相比，該數(shù)據(jù)庫(kù)視頻數(shù)量多4.5倍，標(biāo)注數(shù)量多53倍，對(duì)于幫助AI模型更準(zhǔn)確識(shí)別和處理復(fù)雜場(chǎng)景具有重要價(jià)值。

（二）助力工業(yè)領(lǐng)域機(jī)器學(xué)習(xí)，促進(jìn)智能技術(shù)創(chuàng)新應(yīng)用

一是強(qiáng)化人工智能對(duì)工業(yè)生產(chǎn)環(huán)境的理解，推動(dòng)工業(yè)機(jī)器人等先進(jìn)技術(shù)創(chuàng)新。阿西布朗勃法瑞公司（ABB）通過(guò)對(duì)大量視覺(jué)數(shù)據(jù)進(jìn)行精確標(biāo)注，訓(xùn)練機(jī)器人識(shí)別不同類型的物體和環(huán)境，優(yōu)化其在制造和物流中的自動(dòng)化操作，使其能夠在復(fù)雜的工業(yè)環(huán)境中安全高效地執(zhí)行任務(wù)。二是利用經(jīng)過(guò)標(biāo)注的數(shù)據(jù)構(gòu)建工業(yè)知識(shí)庫(kù)，促進(jìn)工業(yè)數(shù)據(jù)智能應(yīng)用。西門(mén)子對(duì)其集團(tuán)內(nèi)部多源異構(gòu)數(shù)據(jù)進(jìn)行了整合和標(biāo)準(zhǔn)化標(biāo)注，構(gòu)建了包含120萬(wàn)種產(chǎn)品的工業(yè)知識(shí)圖譜，實(shí)現(xiàn)了跨部門(mén)的知識(shí)共享和數(shù)據(jù)利用，支持智能搜索、產(chǎn)品組態(tài)、生產(chǎn)規(guī)劃等應(yīng)用，為集群級(jí)分析和人工智能應(yīng)用奠定基礎(chǔ)。

（三）廣泛應(yīng)用于行業(yè)和場(chǎng)景，加速工業(yè)數(shù)智化轉(zhuǎn)型

全球領(lǐng)先的制造商們正加速人工智能技術(shù)應(yīng)用，據(jù)麥肯錫針對(duì)燈塔工廠的統(tǒng)計(jì)，人工智能技術(shù)貫穿制造業(yè)價(jià)值鏈，能夠?yàn)橹圃焐處?lái)10%到60%的效能提升。其中，數(shù)據(jù)標(biāo)注直接影響了工業(yè)制造業(yè)人工智能系統(tǒng)的表現(xiàn)和性能。在工業(yè)制造業(yè)領(lǐng)域，數(shù)據(jù)標(biāo)注能夠明確指出制造零件的缺陷位置和類型、裝配線工作流程的時(shí)間順序、傳感器異常讀數(shù)以及機(jī)械臂精確方位等信息，從而生成帶標(biāo)記的圖像、視頻、文本、點(diǎn)云、音頻等數(shù)據(jù)集，這些標(biāo)記數(shù)據(jù)集用于訓(xùn)練工業(yè)人工智能模型，使其能夠有效解釋現(xiàn)實(shí)世界的復(fù)雜情況。從標(biāo)注應(yīng)用行業(yè)看，數(shù)據(jù)標(biāo)注服務(wù)能滿足各類工業(yè)行業(yè)專業(yè)化需求。Scale AI、Labelbox、PremeterX、Datarella等歐美數(shù)據(jù)標(biāo)注企業(yè)分別面向半導(dǎo)體、能源電力、機(jī)械制造、航空航天等行業(yè)提供定制化的數(shù)據(jù)標(biāo)注服務(wù)。從標(biāo)注應(yīng)用場(chǎng)景看，歐美的數(shù)據(jù)標(biāo)注應(yīng)用正向廣泛的工業(yè)智能場(chǎng)景滲透，除了典型的圖像識(shí)別場(chǎng)景如缺陷檢測(cè)和安全生產(chǎn)監(jiān)控外，還結(jié)合圖像、文本、音頻等跨模態(tài)標(biāo)注技術(shù)，應(yīng)用于設(shè)備預(yù)測(cè)性維護(hù)、供應(yīng)鏈管理、工藝流程優(yōu)化等復(fù)雜場(chǎng)景。

四、我國(guó)工業(yè)人工智能與數(shù)據(jù)標(biāo)注產(chǎn)業(yè)進(jìn)展

（一）我國(guó)人工智能制造業(yè)應(yīng)用取得顯著進(jìn)展

2023年，我國(guó)人工智能制造業(yè)應(yīng)用市場(chǎng)規(guī)模約為56億元人民幣，預(yù)計(jì)在2025年將超過(guò)140億元人民幣。其中，電子通信、半導(dǎo)體領(lǐng)域的市場(chǎng)規(guī)模預(yù)計(jì)將達(dá)到41億元人民幣，汽車制造行業(yè)37億元人民幣，能源電力行業(yè)25億元人民幣。在國(guó)家政策的積極推動(dòng)下，智能制造正在加速發(fā)展。截至2023年年底，我國(guó)已培育出421家國(guó)家級(jí)示范工廠和超過(guò)1萬(wàn)家省級(jí)數(shù)字化車間。同時(shí)，我國(guó)工業(yè)機(jī)器人交付量和使用量遠(yuǎn)超歐美國(guó)家，根據(jù)國(guó)際機(jī)器人聯(lián)合會(huì)的數(shù)據(jù)，我國(guó)2022年安裝工業(yè)機(jī)器人超過(guò)29萬(wàn)臺(tái)，是日本的6倍、美國(guó)的7倍、德國(guó)的12倍，法國(guó)的40倍。2023年，我國(guó)安裝的新型工業(yè)機(jī)器人占全球一半以上，機(jī)器人化正在加速推進(jìn)。

（二）我國(guó)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)日益成熟

近年來(lái)，我國(guó)逐步形成了一個(gè)上游包含AI基礎(chǔ)數(shù)據(jù)服務(wù)商、IDC廠商，中游包含數(shù)據(jù)治理平臺(tái)服務(wù)商，下游包含智慧政務(wù)、金融、工業(yè)、自動(dòng)駕駛等人工智能應(yīng)用的數(shù)據(jù)標(biāo)注行業(yè)產(chǎn)業(yè)鏈。國(guó)內(nèi)數(shù)據(jù)標(biāo)注代表企業(yè)包括互聯(lián)網(wǎng)企業(yè)、專業(yè)數(shù)據(jù)標(biāo)注公司、人力外包和派單平臺(tái)等?；ヂ?lián)網(wǎng)巨頭自行組建的數(shù)據(jù)標(biāo)注平臺(tái)，例如百度眾測(cè)、阿里數(shù)據(jù)標(biāo)注、京東眾智、網(wǎng)易數(shù)據(jù)眾包平臺(tái)等，都積極參與市場(chǎng)競(jìng)爭(zhēng)。專業(yè)數(shù)據(jù)標(biāo)注公司，如海天瑞聲、云測(cè)、龍貓數(shù)據(jù)、倍賽等，擁有自研標(biāo)注平臺(tái)，并根據(jù)專業(yè)需求提供定制化標(biāo)注工具，通過(guò)平臺(tái)使用費(fèi)獲得收益。此外，主要為小微企業(yè)的大量人力外包和派單平臺(tái)，通過(guò)對(duì)接標(biāo)注訂單提供人工標(biāo)注服務(wù)，其核心優(yōu)勢(shì)在于低成本的人力資源。

（三）我國(guó)工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注面臨挑戰(zhàn)

我國(guó)工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注市場(chǎng)主要依托工業(yè)視覺(jué)技術(shù)，應(yīng)用于表面質(zhì)檢、工藝過(guò)程監(jiān)控和安全監(jiān)測(cè)三大場(chǎng)景，普及程度不高。調(diào)研發(fā)現(xiàn)，我國(guó)工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注主要面臨四大挑戰(zhàn)。一是數(shù)據(jù)標(biāo)準(zhǔn)化挑戰(zhàn)，難以適配工業(yè)數(shù)據(jù)特性。工業(yè)領(lǐng)域存在各類非結(jié)構(gòu)化數(shù)據(jù)、時(shí)序數(shù)據(jù)等，使得數(shù)據(jù)標(biāo)注的適用性受到限制。二是標(biāo)注技術(shù)挑戰(zhàn)，難以應(yīng)對(duì)復(fù)雜多變的工業(yè)場(chǎng)景需求。生產(chǎn)流程的關(guān)聯(lián)性、實(shí)時(shí)更新要求、大規(guī)模生產(chǎn)以及高精度標(biāo)注需求等，給數(shù)據(jù)標(biāo)注技術(shù)帶來(lái)了挑戰(zhàn)。三是專業(yè)知識(shí)挑戰(zhàn)，缺乏精深的工業(yè)知識(shí)和數(shù)據(jù)標(biāo)注能力。工業(yè)領(lǐng)域具有大量來(lái)自行業(yè)和專業(yè)領(lǐng)域的數(shù)據(jù)標(biāo)注需求，但缺乏具備豐富行業(yè)背景的數(shù)據(jù)標(biāo)注人員。四是數(shù)據(jù)流通挑戰(zhàn)，標(biāo)注數(shù)據(jù)難以實(shí)現(xiàn)共享應(yīng)用，造成大量重復(fù)標(biāo)注工作，不利于工業(yè)領(lǐng)域智能化發(fā)展。

五、歐美工業(yè)數(shù)據(jù)標(biāo)注發(fā)展經(jīng)驗(yàn)對(duì)我國(guó)的啟示

（一）推進(jìn)工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注研究

依托工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)工信部重點(diǎn)實(shí)驗(yàn)室，設(shè)立行業(yè)級(jí)數(shù)據(jù)智能標(biāo)注研究中心。一方面，聯(lián)合行業(yè)龍頭企業(yè)，設(shè)立工業(yè)數(shù)據(jù)標(biāo)注場(chǎng)景實(shí)驗(yàn)室，開(kāi)展針對(duì)重點(diǎn)工業(yè)場(chǎng)景的研究與實(shí)踐，形成行業(yè)場(chǎng)景標(biāo)注知識(shí)庫(kù)。另一方面，需促進(jìn)企業(yè)、高校和科研機(jī)構(gòu)跨領(lǐng)域合作，共同開(kāi)展適用于跨模態(tài)、跨工序、復(fù)雜工業(yè)場(chǎng)景的數(shù)據(jù)標(biāo)注技術(shù)和方法研究。

（二）研制工業(yè)數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)

首先，需制定工業(yè)數(shù)據(jù)標(biāo)注通用標(biāo)準(zhǔn)，規(guī)范工業(yè)數(shù)據(jù)標(biāo)注流程，形成工業(yè)數(shù)據(jù)標(biāo)注質(zhì)量評(píng)估和控制規(guī)范，并確立敏感工業(yè)數(shù)據(jù)在標(biāo)注中的保護(hù)規(guī)則。其次，圍繞重點(diǎn)行業(yè)和場(chǎng)景需求，制定分行業(yè)分場(chǎng)景的數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)，定制數(shù)據(jù)注釋指南和分類體系。最后，針對(duì)工業(yè)數(shù)據(jù)管理和流通問(wèn)題，研究制定標(biāo)注數(shù)據(jù)目錄管理規(guī)范，明確標(biāo)注數(shù)據(jù)流通交易規(guī)則。

（三）建設(shè)工業(yè)數(shù)據(jù)標(biāo)注基地

按照“規(guī)范引領(lǐng)、分類布局、生態(tài)協(xié)同”原則，布局建設(shè)工業(yè)數(shù)據(jù)標(biāo)注基地。首先需要制定工業(yè)數(shù)據(jù)標(biāo)注基地評(píng)估標(biāo)準(zhǔn)，推動(dòng)基地規(guī)范化管理。其次，根據(jù)地方產(chǎn)業(yè)需求和人才基礎(chǔ)，規(guī)劃建設(shè)區(qū)域級(jí)和行業(yè)級(jí)工業(yè)數(shù)據(jù)標(biāo)注基地。再次，開(kāi)展工業(yè)人工智能數(shù)據(jù)服務(wù)人才培訓(xùn)，構(gòu)建工業(yè)細(xì)分行業(yè)數(shù)據(jù)服務(wù)專業(yè)人才庫(kù)。最后，整合區(qū)域和行業(yè)工業(yè)數(shù)據(jù)標(biāo)注需求、技術(shù)服務(wù)資源、人力和教育資源，培育工業(yè)數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)。

（四）推動(dòng)工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注資源流通共享

建設(shè)工業(yè)數(shù)據(jù)標(biāo)注生態(tài)服務(wù)平臺(tái)，集成標(biāo)注基地評(píng)估管理、標(biāo)注專業(yè)人才儲(chǔ)備管理、標(biāo)注數(shù)據(jù)目錄管理、標(biāo)注業(yè)務(wù)供需對(duì)接、標(biāo)注數(shù)據(jù)流通交易、智能應(yīng)用場(chǎng)景展示等功能，打通工業(yè)數(shù)據(jù)標(biāo)注在技術(shù)、人才、應(yīng)用、數(shù)據(jù)流通等方面的壁壘。整合工業(yè)領(lǐng)域數(shù)據(jù)標(biāo)注產(chǎn)業(yè)生態(tài)，實(shí)現(xiàn)專業(yè)人才、技術(shù)工具、創(chuàng)新資源、公共數(shù)據(jù)等資源的共享。

參考文獻(xiàn)

[1] Market.US. AI in Manufacturing Market[EB/OL]. （2024-02-01）[2024-10-16]. https：//market.us/report/ai-in-manufacturingmarket/

[2]麥肯錫報(bào)告解析：AI重塑制造業(yè)，開(kāi)啟萬(wàn)億級(jí)增長(zhǎng)潛力[EB/OL]. （2024-05-27）[2024-10-16]. https：//www.industrysourcing.cn/ article/459598

[3] BimAnt.數(shù)據(jù)標(biāo)注市場(chǎng)趨勢(shì)2024[EB/ OL]. （2024-01-30）[2024-10-16]. http：//www. bimant.com/blog/data-annotation-markettrends-2024/

[4] 36氪研究院.2024年中國(guó)AI+制造產(chǎn)業(yè)研究報(bào)告[EB/OL]. （2024-07-08）[2024-10-16]. https：//www.36kr.com/p/2853458940627588

[5]德勤.制造業(yè)+人工智能創(chuàng)新應(yīng)用發(fā)展報(bào)告[EB/OL]. （2024-07-15）[2024-10-16]. https：//www2.deloitte.com/cn/zh/pages/ energy-and-resources/articles/manufacturingartificial-intelligence-innovation-applicationdevelopment-report.html

[6]人民網(wǎng).“燈塔工廠”、無(wú)人化工廠和智能工廠等新型工廠大量涌現(xiàn)——中國(guó)迅速擁抱智能化浪潮[EB/OL]. （2024-04-08）[2024-10-16]. http：//paper.people.com.cn/ rmrbhwb/html/2024-04/08/content_26051136. htm

（作者系中國(guó)工業(yè)互聯(lián)網(wǎng)研究院工程師）

The Enlightenment for China from Europe and the US Strengthening their Advantages in Industrial AI through Innovations in Industrial Data Annotation

Wang Ruiying

Abstract： Industrial data annotation offers high - quality data sets for AI model training and is key to intelligent manufacturing system performance. Globally， it’s widely used. The US and Europe have innovated in annotation technologies， methods and management to adapt to industrial data， meet environment/scenario requirements， improve quality and professionalism， strengthening their AI lead. China should speed up building an industrial data annotation system. By promoting relevant research， formulating standards， establishing bases and facilitating resource circulation and sharing， China can enhance its industrial AI’s innovation foundation and development momentum.

Keywords： Industrial Artificial Intelligence； Data Annotation in the Industrial Field

① https：//market.us/report/ai-in-manufacturing-market/

② Bizwit，德勤研究“德勤人工智能制造業(yè)應(yīng)用調(diào)查”.deloitte-cn-cip-ai-manufacturing-application-survey-zh-200114.pdf

① Data Annotation Tools Market Size Outlook， 2030 https：//www.grandviewresearch.com/horizon/outlook/data-annotationtools-market-size/global