在行业端，云测数据一直在积极推动完善AI数据服务生态发展，通过丰富成熟的数据服务与策略积累，联合AI领域各大代表企业积极推动行业相关标准体系化的建设，围绕数据生产流程、数据质量管理、数据交付实施等能力形成多维度评价指标。
中国发展改革报社记者 杜壮
大模型时代到来，生成式人工智能（AIGC）众多垂直场景落地，以及通用智能、具身智能等前沿领域探索，与高质量、专业化的场景数据密不可分。作为AI认识世界的起点，数据标注本质上是将现实世界信息结构化、数字化，充分发挥数据信息的价值。随着数据标注从劳动密集型加速朝着知识密集型转型，行业壁垒进一步提高。
作为底层基础服务，数据标注贯穿大模型全生命周期 （训练测试、评估验证和应用迭代）。一方面，牵涉关键Know-how，更多大模型公司/AI企业选择自建标注团队和管线；另一方面，上下游合作关系将更为紧密和耦合，专业数据服务提供商更多机会将在垂直领域，帮助企业完成私有化部署。与此同时，数据标注标准难以统一、数据处理流程尚未规范，高学历多领域多专业成为标注人才的硬指标。
作为人工智能产业发展的参与者和建设者，云测数据面向智能驾驶、智慧城市、智能家居、智慧金融、新零售等众多领域，提供了一站式AI数据处理服务；通过通用数据集、数据标注平台与数据管理系统等生产工具，持续为计算机视觉、语音识别、自然语言处理、知识图谱等AI主流技术领域提供高价值数据支持，实现场景数据专业化、高质量交付，帮助企业更快更好地实现AI应用落地。
在行业端，云测数据一直在积极推动完善AI数据服务生态发展，通过丰富成熟的数据服务与策略积累，联合AI领域各大代表企业积极推动行业相关标准体系化的建设，围绕数据生产流程、数据质量管理、数据交付实施等能力形成多维度评价指标。
在助力AI数据标准化体系建设进程中，云测数据将成熟的技术、服务等经验进行总结，先后参与编制《智能网联汽车激光雷达点云数据标注要求及方法》《智能网联汽车场景数据图像标注要求与方法》《人工智能研发运营一体化（Model/MLOps）能力成熟度模型第一部分：开发管理》《人工智能研发运营一体化（Model/MLOps）能力成熟度模型 第二部分：模型交付》《面向人工智能的数据交付服务能力成熟度模型》《人工智能数据集质量管理能力评估方法》等产业相关标准，助力人工智能数据服务在落地领域规范化发展。