什么是数据标注，是将人类最基本的类比学习能力教给机器，对未经处理的语音、图片、文本和视频等数据来进行转义，打点、拉线、画框等操作，标注为电脑可以识别的信息。

　　所以从事数据标注的工作人员只要了解什么是车什么是人就能完成这项工作。现在部分数据也能够最终靠机器自动化标注，将用户训练出来的结果，反过来迭代自己的AI模型，从而更好的实现自动化数据标注。

　　“机器学习是一个‘黑盒’，AI从数据中抽取任何可能的规则。”所以数据标注不仅是人工智能技术的基础，更重要的是一旦它不能够达到要求，结果可能很糟糕。所以大公司不但有数据标注需求，更对高质量的数据有强烈需求。

　　深度学习只有在拥有充足标注数据的场景下才能发挥它的威力，但在很多实际的应用中却只有少数的标注数据

　　AI标注的尽头是“自动标注”，但不少人认为“自动标注是个伪命题”。未来技术如果真的进化到自动标注阶段，是不是意味着数据不再需要被标注？

　　自动标注要达到什么程度。我们在实战中，会通过算法来完成大部分的标注工作，比如能轻松实现整体95%左右的标注精度，而从95%到99%的精度，我们会通过优选的人类标注员去完成这一步骤。

　　数据标注技术的方向：第一个流派是对真实世界中采集到的数据做自动化标注，第二个流派则是通过建模的方式首先生成带有基准真相(ground truth) 的场景，再进行光线渲染得到与真实场景比较贴近的数据集，整一个完整的过程完全不需要数据标注的参与。但这条路径上，渲染能力的难度特别高，还很难在极短的时间内突破；此外，真实场景永远无法被技术穷尽，这就从另一方面代表着那些没有被算出来的场景依然需要数据标注

　　自动化的标注技术：未来只需一个能力就能使用户得到满足需求：自动化水平足够强！通过自动化减少相关成本提高数据质量。领先和规模优势：但是自动化标注技术同样是需要数据不断迭代的呀！所以哪家公司有先发优势，数据累计速度足够快，哪家公司就能胜出。工具自动化水平越高——用户越愿意交出数据和金钱——数据越多，自动化水平越高，获客更多。

　　经验及数据衍生资产的积累：数据标注企业能用用户的结果去迭代自己的模型的，最终数据标注公司的模型很大概率比用户的模型更接近最优，所以能去做Maas （ Models-as-a-Service，模型即服务）。因为数据标注公司的模型几乎是最优的，应用他的模型可能只花100w，但客户自己训练模型要花1亿，那么用户就失去了训练需求。

　　国内无人驾驶场景的复杂度超越欧美，需要标注的数据量几倍于海外。“在一些国外订单中，我们只需要将人与障碍物简单标出来，实现常规的物体识别即可。但在国内，路上能看到的虚实线、马路墩以及所有细节都需要去做标注。”

　　不同车型装载着不同的传感器，传感器的参数配置、采集到的数据成像质量，以及交互方式都存在一定的差异。几乎每一款车型的数据都要重新标注