在人工智能（AI）的快速發(fā)展浪潮中，數(shù)據(jù)標(biāo)注行業(yè)作為AI產(chǎn)業(yè)鏈的關(guān)鍵一環(huán)，正經(jīng)歷著前所未有的變革。特別是隨著大型語言模型的興起，數(shù)據(jù)標(biāo)注行業(yè)迎來了爆發(fā)式增長，但其勞動密集型的特性也使其面臨市場的重新評估。
以美股市場知名數(shù)據(jù)標(biāo)注公司Innodata為例，其股價在過去一年中飆升了432%，成為市場關(guān)注的焦點(diǎn)。最新財報顯示，Innodata在2024年的營收同比增長了96.44%，且其八大主要客戶中，有五家來自美股科技巨頭。這一強(qiáng)勁表現(xiàn)無疑彰顯了數(shù)據(jù)標(biāo)注行業(yè)在當(dāng)前AI時代的重要地位。
然而，市場的預(yù)期并非一成不變。隨著DeepSeek等技術(shù)的發(fā)布，市場對用于訓(xùn)練大模型的公開數(shù)據(jù)需求產(chǎn)生了新的質(zhì)疑。這直接導(dǎo)致了Innodata股價的波動，尤其是在三月，股價跌幅超過了30%。對于Innodata的未來，市場聲音出現(xiàn)了明顯的分歧。
一方面，看空者指出，在過去十年中，Innodata僅實(shí)現(xiàn)了兩次盈利，因此其股價的飆升似乎缺乏合理的支撐。而另一方面，看多者則認(rèn)為，隨著大模型時代的來臨，Innodata已經(jīng)成功轉(zhuǎn)型，專注于大模型的數(shù)據(jù)清理業(yè)務(wù)，因此其增長潛力巨大。
回顧數(shù)據(jù)標(biāo)注行業(yè)的發(fā)展歷程，自動駕駛的興起曾為其帶來了第一次高光時刻。在大型語言模型出現(xiàn)之前，自動駕駛領(lǐng)域的標(biāo)注需求占據(jù)了AI下游應(yīng)用的相當(dāng)大比例。然而，大型語言模型的出現(xiàn)將數(shù)據(jù)標(biāo)注的需求提升到了一個全新的高度。有投資者表示，如果沒有大型語言模型的興起，即便是自動駕駛領(lǐng)域的數(shù)據(jù)標(biāo)注龍頭Scale AI，在2023年之前的年收入也僅為1億至2億美元。而到了2024年，Scale AI的全年ARR預(yù)計將達(dá)到12-14億美元，實(shí)現(xiàn)了數(shù)倍的增長。
Innodata作為業(yè)務(wù)集中在數(shù)據(jù)工程領(lǐng)域的公司，充分享受到了大型語言模型帶來的紅利。最新財報顯示，其最大客戶授予了價值約2400萬美元的額外合同，使得來自該客戶的總年化運(yùn)營收入達(dá)到了約1.35億美元。來自其他七家大型科技公司客戶的收入也在第四季度實(shí)現(xiàn)了環(huán)比159%的增長。
然而，隨著大型語言模型行業(yè)的擴(kuò)張期逐漸過去，數(shù)據(jù)標(biāo)注行業(yè)也開始面臨新的挑戰(zhàn)。Epoch AI的研究估計，自2020年以來，用于訓(xùn)練大語言模型的數(shù)據(jù)增長了100倍，且AI訓(xùn)練數(shù)據(jù)集的規(guī)模每年都在翻倍。然而，互聯(lián)網(wǎng)可用內(nèi)容的年增長率卻不足10%。這意味著，到2028年，AI訓(xùn)練數(shù)據(jù)很可能面臨耗盡的風(fēng)險。
事實(shí)上，數(shù)據(jù)不足所導(dǎo)致的發(fā)展瓶頸已經(jīng)成為行業(yè)中的普遍現(xiàn)象。去年11月，有報道稱OpenAI下一代旗艦?zāi)Ｐ蚈rion的改進(jìn)速度大幅放緩，其中一個主要原因就是高質(zhì)量訓(xùn)練數(shù)據(jù)的短缺。行業(yè)共識是，目前通用數(shù)據(jù)的供給已經(jīng)接近飽和，垂類數(shù)據(jù)將成為未來AI模型差異化的關(guān)鍵。
盡管Innodata在數(shù)據(jù)標(biāo)注領(lǐng)域取得了顯著成績，但其“AI含量”卻一直飽受質(zhì)疑。早在2019年，Innodata就宣稱自己開始實(shí)施人工智能和機(jī)器學(xué)習(xí)流程，并將其劃為一家人工智能公司。然而，去年的一份報告卻指出，Innodata的核心業(yè)務(wù)仍然是依靠海外廉價勞動力進(jìn)行基礎(chǔ)數(shù)據(jù)標(biāo)注，而非自主研發(fā)的AI技術(shù)。報告還引用前員工的說法，稱公司為硅谷客戶提供的服務(wù)本質(zhì)上是“鍵盤勞動”。
盡管如此，Innodata的財報數(shù)據(jù)卻顯示出了強(qiáng)勁的增長勢頭。僅在2024年第二季度，公司就花費(fèi)了360萬美元的招聘代理費(fèi)，這表明其仍然非常依賴人力。業(yè)內(nèi)人士指出，這主要是由于數(shù)據(jù)標(biāo)注的復(fù)雜性和多樣性，以及不同領(lǐng)域的數(shù)據(jù)標(biāo)注要求不同。自動化標(biāo)注技術(shù)在現(xiàn)階段還存在一定的局限性。
然而，DeepSeek等技術(shù)的出現(xiàn)卻在一定程度上改寫了數(shù)據(jù)需求的邏輯。DeepSeek采用的強(qiáng)化學(xué)習(xí)技術(shù)使得大模型能夠利用模型內(nèi)已存在的數(shù)據(jù)進(jìn)行自我訓(xùn)練，從而降低了對數(shù)據(jù)量的需求。這一變化無疑對數(shù)據(jù)標(biāo)注行業(yè)產(chǎn)生了沖擊。
關(guān)于DeepSeek對數(shù)據(jù)標(biāo)注行業(yè)的沖擊，Innodata管理層在財報電話會上表示，他們相信預(yù)訓(xùn)練數(shù)據(jù)和微調(diào)數(shù)據(jù)對于通用人工智能（AGI）的發(fā)展而言是無法替代的。在他們看來，DeepSeek依賴以現(xiàn)有模型數(shù)據(jù)訓(xùn)練新模型的方式會極大地壓縮數(shù)據(jù)，最終導(dǎo)致模型崩潰。
盡管市場存在質(zhì)疑，但仍有投資者認(rèn)為DeepSeek的出現(xiàn)對Innodata來說并非利空。他們指出，隨著DeepSeek帶來的模型部署和運(yùn)行成本的大幅降低，將有更多應(yīng)用層的公司部署自己的大模型，這將帶來額外的數(shù)據(jù)標(biāo)注需求。
然而，對于數(shù)據(jù)標(biāo)注工作的自動化程度問題，市場仍然存在爭議。當(dāng)投資者質(zhì)疑Innodata的“AI含量”低時，一個不可忽視的事實(shí)是，數(shù)據(jù)標(biāo)注工作的AI化可能會首先革掉數(shù)據(jù)標(biāo)注公司自己的命。這一悖論使得Innodata等公司的可持續(xù)增長面臨不確定性。
盡管如此，隨著AI技術(shù)的不斷發(fā)展，數(shù)據(jù)標(biāo)注行業(yè)仍然具有廣闊的發(fā)展前景。特別是在垂類數(shù)據(jù)領(lǐng)域，人工標(biāo)注仍然具有不可替代性。因此，對于Innodata等公司而言，如何在保持業(yè)務(wù)增長的同時，不斷提升自身的技術(shù)含量和自動化水平，將是其未來面臨的重要挑戰(zhàn)。
