1月13日，国家发展改革委等4部门发布关于促进数据标注产业高质量发展的实施意见。 意见提到，释放公共数据标注需求；深化人工智能在政务服务、城市治理、乡村振兴等领域应用，编制公共数据标注目录，依法依规有序推动公共数据标注与开发利用。 此外，培育一批数据标注龙头企业，鼓励通过资源整合、并购重组等方式做大做强，推动数据标注企业规模化、标准化、集约化发展。 数据标注是指对图片、语音、文本、视频等数据进行处理，标记对象的特征，生成满足机器学习训练要求的可读数据编码。 数据标注企业，通常需要完成数据集结构/流程设计、数据处理、数据质检等工作，为下游客户提供训练数据集、定制化服务。数据标注一直是人工智能技术研发中不可或缺的一环，伴随着AI在自动驾驶、金融、医疗、安防等多个垂直场景的深度落地。 中国信通院表示，大模型发展需要新一代高水平数据标注。当前，随着深度学习和人工智能模型的复杂度提升，对高质量、精细化标注数据的需求愈发迫切，这不仅要求数据标注技术能够高效处理大规模数据集，还需要具备对多模态数据（如图像、语音、视频及文本）和跨领域数据综合处理的能力，数据标注逐渐向专业化、智能化、多模态方向发展。 一是自动化与智能化标注工具创新成为焦点。当前，基于计算机视觉、自然语言处理等技术的自动标注工具快速涌现，这些工具利用算法初步完成标注，再由人工进行校验和修正，可大幅提高标注效率，降低成本； 二是多模态数据标注技术的融合逐渐成为趋势。随着AI应用向更复杂的场景拓展，单模态数据已无法满足需求，跨领域的多模态标注技术，结合图像、声音、文本和视频的多模态联合标注，正在成为数据标注的新趋势。例如，由HumanSignal开发的LabelStudio开源数据标注工具，可支持文本、图像、语音等多模态数据标注，广泛应用于NLP、CV、语音识别等领域，显著提高了AI模型训练效率； 三是持续学习与反馈机制引入促进数据标注质量和效率双重提升。通过将标注后的数据反馈给AI模型，不断训练和优化模型性能，形成标注-训练-反馈的闭环，不仅能提升 四是跨学科融合深度和广度进一步拓展。随着人工智能技术的不断发展，越来越多的重点行业领域开始应用数据标注技术，不同行业领域的数据标注需求呈现多样化和专业化的特点，需要跨领域的专业知识和技术支持。 以智能驾驶为例，中央企业人工智能应用场景优秀案例白皮书表示，数据标注需要耗费大量人工与时间成本，不仅增加了自动驾驶技术研发的复杂性，也使得部署在车端的深度学习模型与相关功能的优化效率受到制约。因此，如何在确保数据标注质量的同时，探索高效的数据标注方法，降低相关成本，已成为当前自动驾驶技术发展亟待解决的关键性问题，对于推动自动驾驶技术的成熟与普及具有重要意义。 东方证券指出，数据标注方面，目前技术从人工标注转为AI主导人工辅助。一方面，视觉大模型知识完备性好、精度高、泛化能力强；另一方面，自动驾驶数据积累和标注复杂度提高使数据标注工作量快速增加，AI大模型的应用有助于加速数据标注并大幅降低数据生产成本。 *免责声明：文章内容仅供参考，不构成投资建议 *风险提示：股市有风险，入市需谨慎