积极推动技术发展，云测数据标注平台实践案例分享

为进一步推广人工智能平台领域的优秀成果，推动人工智能平台的高水平发展和高质量应用，4月7日，由中国信通院云大所召开的第一期“可信人工智能平台（TAP）案例分享会”活动顺利开展。分享会上，云测数据标注平台作为可信人工智能平台的实践案例进行了详解，探讨AI数据处理工具的发展与实践。

随着人工智能技术在各个行业的落地进程不断加速，数据的质量与效率成为行业新的共同追求。想要用“好的数据”来训练“好的AI”高效高质量的进行AI的应用落地，针对数据采集标注软件工程能力和系统能力的提升必不可少。在这样的背景之下，云测数据基于丰富的数据处理经验，研发出具备自主知识产权的数据标注平台，更好的服务人工智能数据处理需求。

云测数据标注平台创造性的提出“数据在环和模型迭代在环新方式”，通过综合系列工具平台，进行数据在环开发打通，将数据采集、处理、标注、训练、模型输出进行持续迭代集成。相比传统的采集数据、训练模型的方式，数据在环和模型迭代在环新方式，可极大提升模型迭代的速度和提升模型准确度，以及可极大降低数据获取成本、处理成本、标注成本、使用成本。通过综合在环的工具链，形成数据在环迭代系统，将极大的提升人工智能领域的场景落地，节省大量研发时间和成本。

AI数据训练综合效率提升200%

云测数据标注平台为企业提供了可以处理大规模感知数据的能力，可助力企业AI数据训练综合效率提升200%、标注精准度最高达99.99%。结合数据在环，通过引入模型输出预识别结果，更是进一步降低人员处理投入；迭代后期，人员只处理关键高价值数据和对AI辅助标注结果进行审核验证，人力成本逐步下降。

以自动驾驶为例，采用云测数据标注平台，可实现车企DataOps数据闭环中的数据清洗、标注工作，与原流程相比提升2倍的流转效率。

数据管理持续发挥AI数据价值

云测数据标注平台实现了AI数据的可持续管理，不断积累更高质量、更高价值量数据，形成数据优势。在数据安全、大容量数据处理、数据挖掘、数据增强等方面，均可大幅提升数据的使用效率、二次挖掘价值，并可进行数据分级检索，数据资产管理等能力，提升团队协作效率，持续挖掘AI数据价值。

在人工智能领域，要实现AI数据的价值转化，数据处理的工程化能力是前提，也是保障。在具有工程化能力的标注平台的之上，人工智能领域的开发者才能够创造更多的可能性，助力知识图谱、自然语言处理、机器学习/深度学习等AI技术在更广泛的落地场景实现边界拓展与应用落地。

目前，“云测数据标注平台”已经应用到汽车、安防、手机、家居、金融、教育、新零售、地产等行业。其中包含众多世界500强企业、高校科研机构、政府机构、头部AI企业和大型互联网企业，涵盖了计算机视觉、语音识别、自然语言处理、知识图谱等AI主流技术领域。