以数据标注为核心业务的Surge AI，仅用五年的时间便一跃成为AI领域炙手可热的“独角兽”企业，整个AI行业都为之侧目。近日，该公司正在进行10亿美元的首轮融资。据路透社消息，Surge AI的估值已上升至150亿美元（约合1000亿元人民币）。
实际上，Surge AI是当下数据标准行业的一个缩影。数据标注是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理。人工智能发展离不开高质量数据集，而高质量数据集建设离不开数据标注工作。目前，数据标注在促进数据资源的整合、提高数据质量，以及激活数据要素价值方面发挥着至关重要的作用，正逐渐成为人工智能发展的关键基础产业之一。
多位业内人士在接受《中国经营报》记者采访时表示，当前数据标注技术正处于“手工作业转向人机协同”的转型期，多数企业依赖人工，但AI辅助工具的渗透率正不断提升。
从默默无闻到行业新星
Surge AI由曾任职于Google和Meta的工程师Edwin Chen（埃德温·陈）于2020年创立。在“大厂”的工作经历，让埃德温·陈察觉到传统数据标注行业存在效率与质量双低的问题。
Edwin Chen在接受采访时表示：“我们创办Surge AI的根本原因，就是为了解决我在大公司工作时反复遇到的一个巨大障碍，即几乎无法获取训练模型所需要的数据。我们想做的事情还有很多，但即使是做一些最基础的事情，在获取数据上都困难重重。”
Surge AI创办之后很快就展现出强劲的竞争力，在不到12个月的时间里，营收就达到了八位数。Surge AI真正的崛起是大语言模型的兴起。
斯坦福AI指数的最新报告显示，全球AI数据需求正以每年230%的指数级速度迅猛增长。与此同时，大模型的参数量规模每12个月就扩大10倍。OpenAI的内部测算显示，GPT-4的训练过程中消耗了10万亿个token，而其中超过60%需要经过人工标注处理。这表明，前沿大模型的训练背后离不开海量的人工标注资源作为支撑。如果没有持续供应的高质量数据，再先进的算法也难以施展其威力，无法实现预期的效能。
在发展过程中，与OpenAI、Anthropic等大模型企业的合作成为Surge AI重要的突破。通过对AI大模型的输出内容进行细致的质量分级和校验，Surge AI帮助大模型不断提升性能，也借此证明了自身的技术实力，赢得了行业的认可。Anthropic联合创始人曾评价道：“Surge AI团队对大语言模型训练有着深刻的理解。”
如今，Surge AI的客户已经涵盖OpenAI、谷歌、微软、Meta、Anthropic等全球顶级科技公司和研究机构，2024年营收突破10亿美元。
天使投资人、人工智能专家郭涛对记者表示，Surge AI成功的核心在于技术、规模、资本的协同驱动。技术上，Surge AI构建了智能化标注平台，集成计算机视觉与自然语言处理技术，高效处理图像和文本数据，实现结构化；同时，通过动态任务调度系统优化全球众包资源，大幅提升了标注效率。规模方面，Surge AI借助资本杠杆快速收购区域性标注服务商，形成了覆盖多语种、多场景的服务网络，既抢占了市场份额，又摊薄了边际成本。在资本助力下，Surge AI形成飞轮效应，高质量标注数据反哺 AI 模型训练，吸引头部科技企业持续采购，形成“数据－算法－商业价值”的正向循环。
不过，工信部人工智能标准化技术委员会委员、中国人工智能产业发展联盟工作组专家高泽龙认为，Surge AI的发展模式具有一定借鉴价值，但并非完全普遍适用。其成功依赖于特定的市场环境、行业趋势以及自身资源优势。不同地区、不同规模的数据标注企业面临的市场条件、客户群体、资源禀赋等存在差异，不能简单照搬其模式。
赛道火热
在国内，数据标注同样炙手可热。据中商产业研究院发布的《2025—2030年中国数据标注产业调研及发展趋势预测报告》显示，2020年，我国数据标注市场规模约为30亿元，到2024年增长至约80亿元，年复合增长率超过25%。另据中研网预计，今年中国数据标注产业市场规模将达105亿元，到2029年市场规模将攀升至204.3亿元。
国内广阔的市场前景也催生出一系列专注于数据标注的创新企业，并且随着技术的不断进步和应用场景的持续拓展，数据标注企业的业务领域也在不断延伸，从传统的图像、文本标注逐渐扩展到语音、视频、三维点云等多元化数据类型。
例如，中国电信四川公司与成都市国家数据标注基地牧山园区合作，从地方应用痛点出发，利用已采集的19个地市方言语音大数据，成功构建了四川方言高质量数据集，并基于此训练出四川方言大模型。
从政策层面来看，数据标注产业正迎来政策红利期。国内出台了一系列政策支持人工智能产业链各环节的发展，数据标注作为人工智能发展的基础环节。国家数据局正在指导合肥、成都等7个城市建设数据标注基地，探索产业发展的最佳路径。有关数据显示，截至今年上半年，7个数据标注基地已建设数据集524个，规模超过29PB，服务大模型163个。
对此，高泽龙表示，目前数据标注技术处于快速发展但尚未完全成熟的阶段。一方面，自动化标注技术取得了一定进展，能够处理部分简单、规律性强的标注任务，提高了标注效率；另一方面，对于复杂、模糊、具有主观性的数据标注，仍高度依赖人工，自动化程度有待进一步提高。同时，数据标注的质量评估标准和方法也在不断完善中。
北京社科院副研究员王鹏指出，当前，数据标注行业正从劳动密集型向技术驱动型转变，需求增长、质量要求提升，但存在数据存量、质量、利用效率等问题，自动化标注也在改变行业格局。
郭涛认为，我国的数据标注产业未来有三大突破方向：一是主动学习框架，基于少量种子标签自动推断同类数据特征，减少人工干预；二是跨模态联合标注，同步处理文本、图像、视频等多维数据，提升时空一致性；三是隐私计算集成，在联邦学习框架下，实现敏感数据脱敏标注，满足金融、政务等领域的合规需求。企业需紧跟技术趋势，提前布局，以在竞争中占据优势。
“未来突破方向是智能化标注，利用深度学习、强化学习等人工智能技术，开发更加智能的标注算法和工具，实现自动、精准的数据标注，减少人工干预。”高泽龙补充道，“例如，通过预训练模型对数据进行初步标注，再由人工进行审核和修正，提高标注效率和质量。此外，随着AI应用场景的不断拓展，对多模态数据（如图像、语音、文本、视频等的组合）的标注需求日益增加。”
还未登录
