尚躍智能企業(yè)

該企業(yè)獎由尚躍智能投遞并參與金猿組委會×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟共同推出的《2025中國大數(shù)據(jù)產(chǎn)業(yè)年度AI Infra領(lǐng)先企業(yè)》榜單/獎項評選。

某智慧出行平臺作為粵港澳大灣區(qū)智能出行領(lǐng)域的領(lǐng)軍者，正加速推進(jìn)Robotaxi商業(yè)化運(yùn)營及高級別智能駕駛功能（含城市NOA）的量產(chǎn)落地，持續(xù)領(lǐng)跑區(qū)域智能出行產(chǎn)業(yè)升級。在這一戰(zhàn)略進(jìn)程中，海量、精準(zhǔn)的標(biāo)注數(shù)據(jù)是驅(qū)動算法迭代優(yōu)化、保障功能安全驗(yàn)證的核心“燃料”與關(guān)鍵“標(biāo)尺”，更是某智慧出行平臺構(gòu)筑技術(shù)壁壘的重要基石。

隨著業(yè)務(wù)的高速拓展，某智慧出行平臺每日產(chǎn)生大量的高質(zhì)量原始數(shù)據(jù)，面對自動泊車、復(fù)雜城區(qū)NOA等高階場景對數(shù)據(jù)標(biāo)注提出的精細(xì)化、專業(yè)化嚴(yán)苛要求，為聚焦核心技術(shù)研發(fā)與戰(zhàn)略布局，最大化提升數(shù)據(jù)轉(zhuǎn)化效率，某智慧出行平臺主動優(yōu)化業(yè)務(wù)鏈路，決定將數(shù)據(jù)標(biāo)注這一關(guān)鍵支撐環(huán)節(jié)，交由具備規(guī)模化交付能力、嚴(yán)苛質(zhì)量管控體系與深厚智能駕駛場景理解的專業(yè)伙伴承接，構(gòu)建穩(wěn)定、高效、可靠的外部AI數(shù)據(jù)基礎(chǔ)設(shè)施，為核心業(yè)務(wù)賦能。

基于此，尚躍智能科技憑借自身核心優(yōu)勢，成為某智慧出行平臺的核心數(shù)據(jù)合作伙伴，為其提供端到端、場景化的數(shù)據(jù)標(biāo)注解決方案，助力某智慧出行平臺將海量原始數(shù)據(jù)高效、高質(zhì)地轉(zhuǎn)化為驅(qū)動自動駕駛系統(tǒng)持續(xù)進(jìn)化的核心資產(chǎn)，為其智能駕駛技術(shù)的快速迭代與商業(yè)化落地提供堅實(shí)保障。

時間周期：

項目開始時間：2024年6月（雙方簽署數(shù)據(jù)服務(wù)總協(xié)議，項目團(tuán)隊入駐啟動）

中間重要時間節(jié)點(diǎn)：

2024年8月：完成數(shù)據(jù)預(yù)處理與清洗標(biāo)準(zhǔn)化流程（SOP）建立并驗(yàn)證，首條自動化清洗流水線投入使用。

2024年10月：完成自動泊車（APA）場景專項標(biāo)注團(tuán)隊的組建、培訓(xùn)與認(rèn)證，實(shí)現(xiàn)該場景數(shù)據(jù)的穩(wěn)定規(guī)?；桓丁?/p>

2024年12月：完成高速及城市NOA場景標(biāo)注規(guī)范聯(lián)合審定，并完成首批復(fù)雜交互場景數(shù)據(jù)的交付與驗(yàn)收。

2025年2月：數(shù)據(jù)質(zhì)量保障體系（涵蓋過程質(zhì)檢、交叉復(fù)審、終驗(yàn)抽樣）全面上線運(yùn)行，質(zhì)量指標(biāo)（通過率）實(shí)現(xiàn)數(shù)字化、可視化監(jiān)控。

2025年4月：服務(wù)產(chǎn)能全面爬坡，標(biāo)注與質(zhì)檢團(tuán)隊總規(guī)模突破300人，具備支持多項目并行、日均數(shù)十萬幀級數(shù)據(jù)需求的交付能力。

項目完結(jié)時間：持續(xù)優(yōu)化運(yùn)營中（首期合約服務(wù)期至2025年12月底，目前已進(jìn)入常態(tài)化服務(wù)與持續(xù)擴(kuò)展階段）

AI Infra應(yīng)用需求

本項目源自某智慧出行平臺對構(gòu)建其外部化、專業(yè)化、工業(yè)化數(shù)據(jù)生產(chǎn)管線的明確需求。在AI Infra的框架下，數(shù)據(jù)標(biāo)注并非孤立環(huán)節(jié)，而是連接數(shù)據(jù)采集與模型訓(xùn)練的關(guān)鍵“生產(chǎn)車間”。某智慧出行平臺的需求具體體現(xiàn)在：

建立標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)處理與清洗流水線：需要一個專業(yè)團(tuán)隊，能夠高效處理多源異構(gòu)的原始傳感器數(shù)據(jù)（如圖像、點(diǎn)云），完成解析、同步、質(zhì)量初篩和合規(guī)化脫敏，為后續(xù)標(biāo)注提供“潔凈”的原料。

實(shí)現(xiàn)大規(guī)模、場景化標(biāo)注的規(guī)?；桓?/strong>：需要一支超過千人的、經(jīng)過嚴(yán)格培訓(xùn)的專業(yè)標(biāo)注團(tuán)隊，能夠不間斷作業(yè)，以應(yīng)對自動泊車（APA/AVP）中高精度的幾何標(biāo)注、NOA中復(fù)雜的時序跟蹤與行為意圖標(biāo)注等專項任務(wù)，滿足算法團(tuán)隊持續(xù)增長的標(biāo)注數(shù)據(jù)“胃口”。

構(gòu)建車規(guī)級數(shù)據(jù)質(zhì)量保障體系：需要一套超越行業(yè)平均水平的、貫穿生產(chǎn)全過程的多層級質(zhì)檢與驗(yàn)收流程，確保交付的每一幀標(biāo)注數(shù)據(jù)都達(dá)到某智慧出行平臺定義的、近乎“零缺陷”的車規(guī)級安全標(biāo)準(zhǔn)，為算法安全保駕護(hù)航。

形成與研發(fā)流程無縫對接的交付機(jī)制：需要標(biāo)注服務(wù)方能夠深度理解某智慧出行平臺的研發(fā)流程，按指定格式（如COCO、KITTI及自定義格式）打包交付，并能提供數(shù)據(jù)資產(chǎn)管理與溯源服務(wù)，使標(biāo)注數(shù)據(jù)能夠快速、無縫地流入模型訓(xùn)練環(huán)節(jié)，加速研發(fā)閉環(huán)。

面臨挑戰(zhàn)

數(shù)據(jù)復(fù)雜性與標(biāo)注專業(yè)性的雙重挑戰(zhàn)：自動泊車場景中的魚眼圖像畸變校正、多視角幾何一致性問題；NOA場景中交通參與者長時序ID保持、復(fù)雜交互意圖判斷等，都要求標(biāo)注員具備極高的專業(yè)素養(yǎng)和理解能力，培訓(xùn)成本與難度巨大。

規(guī)?；鳂I(yè)下的質(zhì)量一致性難題：在千人協(xié)同的作業(yè)規(guī)模下，如何確保不同標(biāo)注員對同一復(fù)雜場景（如施工區(qū)、異形車輛）的標(biāo)注標(biāo)準(zhǔn)絕對統(tǒng)一，避免因理解偏差導(dǎo)致的數(shù)據(jù)噪聲，是保障數(shù)據(jù)集整體質(zhì)量的關(guān)鍵。

極端案例（Corner Case）的標(biāo)注效率與準(zhǔn)確率瓶頸：對于暴雨夜間被部分遮擋的故障車輛、非標(biāo)準(zhǔn)交通標(biāo)志等罕見但至關(guān)重要的長尾場景，標(biāo)注本身極其困難，且缺乏足夠樣本供標(biāo)注員學(xué)習(xí)，容易成為質(zhì)量洼地和效率黑洞。

嚴(yán)格的交付時效與車規(guī)級質(zhì)量的平衡：某智慧出行平臺的算法迭代節(jié)奏要求數(shù)據(jù)交付必須“又快又好”。在緊張的交付周期內(nèi)，同時滿足近乎苛刻的精度要求（如3D框IoU>0.9），對生產(chǎn)流程的設(shè)計、瓶頸環(huán)節(jié)的優(yōu)化和異常情況的應(yīng)急處理能力提出了極致要求。

與客戶內(nèi)部流程的深度適配挑戰(zhàn)：需深刻理解某智慧出行平臺內(nèi)部從問題定義（如某個特定Corner Case）到數(shù)據(jù)需求生成，再到模型訓(xùn)練驗(yàn)證的全流程，使我們的數(shù)據(jù)生產(chǎn)服務(wù)能靈活響應(yīng)、精準(zhǔn)對接，而非僵化地執(zhí)行訂單。

戰(zhàn)略目標(biāo)

1.核心能力升級目標(biāo)（微觀精準(zhǔn)落地）

標(biāo)注效率突破：基于自主研發(fā)的 MetaAnnotate 智能標(biāo)注中樞，實(shí)現(xiàn)多模態(tài)數(shù)據(jù)標(biāo)注效率提升 150%，其中文本類標(biāo)注單條任務(wù)處理時長從 3 分鐘壓縮至 1 分鐘內(nèi)，圖像視頻類關(guān)鍵幀標(biāo)注效率提升 2 倍，自動駕駛點(diǎn)云 - 障礙物聯(lián)合標(biāo)注人均日處理量從 500 組提升至 1200 組。

數(shù)據(jù)質(zhì)量精控：建立全流程質(zhì)檢與審計閉環(huán)，將多領(lǐng)域數(shù)據(jù)交付準(zhǔn)確率從 99% 提升至 99.9%，其中醫(yī)療、金融等專業(yè)領(lǐng)域標(biāo)注錯誤率控制在 0.05% 以內(nèi)，大模型微調(diào)訓(xùn)練數(shù)據(jù)冗余率降至 5% 以下。

算力資源優(yōu)化：搭建適配多模態(tài)數(shù)據(jù)處理的分布式算力集群，實(shí)現(xiàn)集群平均算力利用率從當(dāng)前 45% 提升至 80%，支撐千億級參數(shù)大模型的評測集構(gòu)建周期從 60 天縮短至 20 天，自動駕駛 4D 車道線標(biāo)注的算力響應(yīng)延遲低于 50 毫秒。

跨模態(tài)協(xié)同能力：構(gòu)建文本 - 圖像 - 視頻 - 傳感器數(shù)據(jù)的統(tǒng)一對齊框架，實(shí)現(xiàn)多信號源數(shù)據(jù)同步精度誤差控制在 10 毫秒內(nèi)，跨模態(tài)標(biāo)注任務(wù)的流程銜接效率提升 3 倍，滿足具身智能、自動駕駛等復(fù)雜場景的協(xié)同標(biāo)注需求。

2.業(yè)務(wù)生態(tài)構(gòu)建目標(biāo)（中觀價值延伸）

垂直領(lǐng)域覆蓋：3 年內(nèi)實(shí)現(xiàn) AI Infra 在醫(yī)療、能源、零售、Web3 等 12 個核心垂直領(lǐng)域的深度滲透，針對每個領(lǐng)域打造專屬數(shù)據(jù)處理模塊，其中醫(yī)療影像標(biāo)注、區(qū)塊鏈數(shù)據(jù)合規(guī)處理等特色場景的市場占有率進(jìn)入行業(yè)前 3。

客戶服務(wù)升級：建立從數(shù)據(jù)采集、標(biāo)注到質(zhì)檢交付的全鏈條 SOP 體系，實(shí)現(xiàn)大型企業(yè)客戶項目響應(yīng)時效從 48 小時縮短至 12 小時，初創(chuàng)企業(yè)定制化需求交付周期平均壓縮 40%，客戶復(fù)購率提升至 85% 以上。

合作伙伴拓展：依托《南十字星跨洋聯(lián)盟》，聯(lián)合國內(nèi)外 20家以上頂尖 AI 企業(yè)、科研機(jī)構(gòu)共建數(shù)據(jù)標(biāo)準(zhǔn)生態(tài)，參與3-5 項行業(yè)數(shù)據(jù)標(biāo)注規(guī)范制定，成為全球多模態(tài)數(shù)據(jù)處理領(lǐng)域的核心協(xié)作樞紐。

3.行業(yè)價值引領(lǐng)目標(biāo)（宏觀戰(zhàn)略定位）

技術(shù)標(biāo)準(zhǔn)輸出：成為 AI 數(shù)據(jù)基礎(chǔ)設(shè)施領(lǐng)域的標(biāo)桿企業(yè)，推動我國數(shù)據(jù)標(biāo)注行業(yè)在多模態(tài)協(xié)同、4D 數(shù)據(jù)處理、跨境數(shù)據(jù)合規(guī)等領(lǐng)域的技術(shù)標(biāo)準(zhǔn)與國際接軌，填補(bǔ)行業(yè)在復(fù)雜場景數(shù)據(jù)處理規(guī)范上的空白。

產(chǎn)業(yè)賦能升級：通過高效、安全的 AI Infra 支撐，降低人工智能技術(shù)落地門檻，助力自動駕駛、具身智能、生成式 AI 等前沿領(lǐng)域的研發(fā)周期平均縮短 30%，推動國內(nèi) AI 產(chǎn)業(yè)整體創(chuàng)新效率提升。

數(shù)據(jù)安全保障：構(gòu)建符合 GDPR、《中國數(shù)據(jù)安全法》的全域數(shù)據(jù)安全防護(hù)體系，打造 “安全隔離 - 合規(guī)審計 - 全程追溯” 的三重保障機(jī)制，成為行業(yè)數(shù)據(jù)安全合規(guī)處理的典范，筑牢人工智能產(chǎn)業(yè)發(fā)展的數(shù)據(jù)安全底座。

實(shí)施與部署過程

本項目是尚躍智能科技有限公司為某智慧出行平臺提供的、面向商業(yè)化自動駕駛（涵蓋自動泊車、高速及城市NOA）的端到端數(shù)據(jù)生產(chǎn)服務(wù)。我們的角色并非提供標(biāo)注工具平臺，而是作為其核心的外部數(shù)據(jù)智能生產(chǎn)引擎，深度嵌入其自動駕駛研發(fā)閉環(huán)。我們通過專業(yè)化的流程設(shè)計、先進(jìn)的技術(shù)賦能與規(guī)模化的運(yùn)營管理，將某智慧出行平臺海量、原始的傳感器數(shù)據(jù)，高效、高質(zhì)地轉(zhuǎn)化為可直接驅(qū)動算法迭代的標(biāo)注數(shù)據(jù)資產(chǎn)。整個實(shí)施過程是一個體系化、精益化的數(shù)據(jù)流水線構(gòu)建與優(yōu)化過程。

第一階段：數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理與清洗流水線建立 (2024年6月 - 2024年8月)

自動駕駛數(shù)據(jù)的復(fù)雜性首先體現(xiàn)在其“原始”狀態(tài)。我們首要任務(wù)是為某智慧出行平臺建立一套標(biāo)準(zhǔn)化的數(shù)據(jù)預(yù)處理與清洗流水線，確保輸入標(biāo)注環(huán)節(jié)的數(shù)據(jù)是統(tǒng)一、干凈、可用的。

1.1多源異構(gòu)數(shù)據(jù)接收與解析：

我們接管了某智慧出行平臺從Robotaxi車隊及測試車輛回傳的原始數(shù)據(jù)包。這些數(shù)據(jù)包格式不一（如ROS Bag、自定義二進(jìn)制流），且包含了多傳感器（攝像頭、激光雷達(dá)、毫米波雷達(dá)、GPS/IMU）的異步原始數(shù)據(jù)。我們的工程團(tuán)隊首先開發(fā)了自動化解析與同步服務(wù)。該服務(wù)能自動識別數(shù)據(jù)包版本、解密、解包，并利用時間戳和硬件同步信息，將不同傳感器的數(shù)據(jù)流在時間軸上精確對齊，輸出為按幀號或統(tǒng)一時間戳索引的標(biāo)準(zhǔn)化數(shù)據(jù)單元（如圖像序列、點(diǎn)云幀序列）。

1.2自動化質(zhì)量初篩與臟數(shù)據(jù)過濾：

原始數(shù)據(jù)中存在大量無效或低質(zhì)量片段，直接標(biāo)注將造成巨大浪費(fèi)。我們部署了基于規(guī)則的自動化初篩過濾器：

傳感器故障檢測：自動識別圖像傳感器過度曝光、欠曝光、鏡頭遮擋、激光雷達(dá)點(diǎn)云缺失或畸變等硬件問題。

場景有效性判斷：結(jié)合簡單的計算機(jī)視覺算法和GPS信息，過濾掉長時間靜止、在封閉停車場內(nèi)等對算法訓(xùn)練價值較低的片段。

關(guān)鍵場景提取：根據(jù)某智慧出行平臺定義的觸發(fā)信號（如駕駛員接管、AEB觸發(fā)、復(fù)雜路口通過），自動從長序列中截取包含高價值場景的“數(shù)據(jù)片段”，優(yōu)先進(jìn)入后續(xù)流程。

1.3數(shù)據(jù)脫敏與合規(guī)化處理：

為滿足數(shù)據(jù)安全與隱私法規(guī)要求，我們對所有圖像數(shù)據(jù)執(zhí)行了自動化脫敏處理。利用我們的人臉、車牌檢測模型，對圖像中出現(xiàn)的可識別自然人臉和車牌進(jìn)行實(shí)時的模糊或像素化處理，在保護(hù)隱私的同時，最大限度地保留了場景的原始信息，處理后的數(shù)據(jù)完全符合交付和訓(xùn)練的合規(guī)要求。

第二階段：專業(yè)化、場景化的標(biāo)注流水線設(shè)計與執(zhí)行 (2024年9月 - 2025年3月)

清洗后的數(shù)據(jù)進(jìn)入核心標(biāo)注環(huán)節(jié)。我們針對自動駕駛，特別是某智慧出行平臺重點(diǎn)關(guān)注的自動泊車和NOA場景，設(shè)計了多條高度專業(yè)化、并行運(yùn)行的標(biāo)注流水線。

2.1 自動泊車（APA/AVP）專項數(shù)據(jù)標(biāo)注：

該場景對精度要求極高，且涉及復(fù)雜的幾何關(guān)系。

多視圖聯(lián)合標(biāo)注：對于環(huán)視泊車數(shù)據(jù)，我們采用同步標(biāo)注法。標(biāo)注員在同一工作界面中，同步看到四路魚眼鏡頭圖像及拼接后的俯視圖（BEV）。在俯視圖中標(biāo)注一個3D車位框或障礙物輪廓后，系統(tǒng)會自動在對應(yīng)的原始魚眼圖像中預(yù)生成投影區(qū)域，標(biāo)注員進(jìn)行微調(diào)確認(rèn)，確保了多視角間絕對的幾何一致性。

雜車位與場景標(biāo)注：我們制定了詳細(xì)的標(biāo)注規(guī)范，涵蓋垂直/平行/斜列車位、劃線/非劃線車位、立柱/路緣石等障礙物類型。針對“窄車位泊入”、“原地揉庫”等復(fù)雜動作，我們要求對連續(xù)幀中的車輛與障礙物進(jìn)行精細(xì)的2D/3D跟蹤標(biāo)注，以支持軌跡規(guī)劃算法的訓(xùn)練。

屬性精細(xì)化：除幾何框外，我們還為每個目標(biāo)標(biāo)注了大量屬性，如車位“是否可泊入”、障礙物“是否為可穿越的低矮障礙（如磚塊）”等，極大豐富了數(shù)據(jù)的語義層次。

2.2 導(dǎo)航輔助駕駛（NOA）專項數(shù)據(jù)標(biāo)注：

NOA場景標(biāo)注的核心在于對動態(tài)、交互行為的理解。

稠密時序跟蹤標(biāo)注：我們執(zhí)行嚴(yán)格的跨幀跟蹤標(biāo)注。對于關(guān)鍵交通參與者（車輛、行人、非機(jī)動車），要求在整個場景片段（通常數(shù)百幀）中保持ID一致，并標(biāo)注其完整的運(yùn)動軌跡。這為預(yù)測模塊提供了至關(guān)重要的訓(xùn)練數(shù)據(jù)。

車道結(jié)構(gòu)與拓?fù)潢P(guān)系標(biāo)注：不僅標(biāo)注車道線（實(shí)線、虛線、雙黃線等），更關(guān)鍵的是標(biāo)注車道中心線及其拓?fù)溥B接關(guān)系（如車道合并、分流），這是高精地圖構(gòu)建與路徑規(guī)劃的基礎(chǔ)。

駕駛行為與意圖標(biāo)簽：我們引入了高階語義標(biāo)簽。標(biāo)注員需要根據(jù)車輛軌跡、轉(zhuǎn)向燈狀態(tài)等信息，判斷并標(biāo)注車輛的“行為意圖”，如“準(zhǔn)備切入本車道”、“在路口有左轉(zhuǎn)意圖”。這直接服務(wù)于某智慧出行平臺的交互預(yù)測模型。

2.3 大規(guī)模協(xié)同標(biāo)注運(yùn)營管理：

為保障千人級標(biāo)注團(tuán)隊的效率與一致性，我們實(shí)施了科學(xué)的運(yùn)營體系。

分層分級培訓(xùn)與認(rèn)證：針對不同場景（泊車、高速、城區(qū)）和不同任務(wù)類型（2D框、3D框、車道線、語義分割），我們設(shè)計了階梯式的培訓(xùn)課程與嚴(yán)格的準(zhǔn)入考試。標(biāo)注員必須通過認(rèn)證，才能承接相應(yīng)任務(wù)。

動態(tài)任務(wù)分配與負(fù)載均衡：我們的任務(wù)調(diào)度系統(tǒng)根據(jù)數(shù)據(jù)優(yōu)先級、場景復(fù)雜度、標(biāo)注員專長和當(dāng)前工作效率，實(shí)時進(jìn)行動態(tài)任務(wù)打包與分配，確保整體吞吐量最大化，同時避免個體過載或閑置。

標(biāo)注知識庫與即時答疑：我們建立了在線的標(biāo)注知識庫和實(shí)時答疑頻道，針對標(biāo)注過程中出現(xiàn)的邊緣案例（Corner Case），由資深標(biāo)注專家快速給出裁決，并更新至知識庫，確保標(biāo)準(zhǔn)理解的統(tǒng)一性。

第三階段：多層級的質(zhì)量保障體系構(gòu)建 (貫穿項目全程，并于2025年1月體系化)

質(zhì)量是自動駕駛數(shù)據(jù)的生命線。我們構(gòu)建了“過程質(zhì)檢+成果驗(yàn)收”的雙重保障體系，將質(zhì)量控制深度融入生產(chǎn)流水線。

3.1 自動化預(yù)檢與過程質(zhì)檢：

算法輔助初檢：在標(biāo)注任務(wù)提交前，系統(tǒng)會運(yùn)行一系列輕量級算法進(jìn)行預(yù)檢。例如，檢查3D框是否與地面點(diǎn)云有接觸、標(biāo)注的車輛尺寸是否符合物理常識、同一目標(biāo)在相鄰幀中的位置是否發(fā)生不合理跳變等，將明顯的錯誤攔截在提交前。

一標(biāo)一檢與交叉復(fù)審：所有標(biāo)注任務(wù)都遵循“一標(biāo)一檢”原則，即每份標(biāo)注成果必須由另一名標(biāo)注員進(jìn)行100%檢查。對于復(fù)雜場景（如擁擠路口）和關(guān)鍵對象（如橫穿行人、施工區(qū)域），則升級為“三標(biāo)一審”甚至“多人交叉復(fù)審”，確保萬無一失。

3.2 專業(yè)化終驗(yàn)與抽樣審計：

終驗(yàn)團(tuán)隊專業(yè)化：我們組建了獨(dú)立的終驗(yàn)團(tuán)隊，成員由最資深的標(biāo)注專家和具備算法背景的質(zhì)檢工程師組成。他們不僅檢查標(biāo)注的準(zhǔn)確性，更從算法訓(xùn)練的需求出發(fā)，評估數(shù)據(jù)的整體質(zhì)量和場景覆蓋度。

統(tǒng)計抽樣與Metrics考核：我們?yōu)槟持腔鄢鲂衅脚_定義了明確的統(tǒng)計學(xué)數(shù)據(jù)質(zhì)量度量標(biāo)準(zhǔn)（如mAP計算用的IoU閾值、屬性準(zhǔn)確率）。終驗(yàn)階段，按照方法進(jìn)行抽樣檢查，并計算各項Metrics。只有批次數(shù)據(jù)達(dá)到合同約定的質(zhì)量標(biāo)準(zhǔn)（如目標(biāo)檢測框IoU>0.9的占比超過98%），才能準(zhǔn)予交付。

爭議仲裁與閉環(huán)反饋：設(shè)立爭議仲裁機(jī)制。對于質(zhì)檢中發(fā)現(xiàn)的有爭議的標(biāo)注案例，由我方專家、某智慧出行平臺算法接口人共同評審，形成最終裁決。裁決結(jié)果即時反饋至標(biāo)注團(tuán)隊和知識庫，實(shí)現(xiàn)標(biāo)準(zhǔn)的持續(xù)校準(zhǔn)與團(tuán)隊能力的持續(xù)提升。

第四階段：標(biāo)準(zhǔn)化交付與資產(chǎn)化管理 (2025年4月 - 持續(xù)優(yōu)化)

標(biāo)注數(shù)據(jù)的價值在于其能被高效、無誤地使用。我們建立了標(biāo)準(zhǔn)化的交付與資產(chǎn)管理流程。

4.1 多格式標(biāo)準(zhǔn)化交付：

我們完全按照某智慧出行平臺模型訓(xùn)練團(tuán)隊要求的格式進(jìn)行數(shù)據(jù)交付。這包括但不限于：

主流框架格式：如COCO（JSON）、KITTI（TXT）、Pascal VOC（XML）等。

自定義格式：根據(jù)某智慧出行平臺內(nèi)部訓(xùn)練框架的要求，定制生成特定的數(shù)據(jù)列表文件和標(biāo)簽文件。

交付物包：每個交付批次均包含完整的標(biāo)注數(shù)據(jù)、對應(yīng)的原始數(shù)據(jù)索引、質(zhì)量報告文檔及數(shù)據(jù)說明文檔，確保某智慧出行平臺團(tuán)隊可“開箱即用”。

4.2 數(shù)據(jù)資產(chǎn)管理與溯源：

我們?yōu)槟持腔鄢鲂衅脚_管理的所有已標(biāo)注數(shù)據(jù)建立了資產(chǎn)目錄。每一條數(shù)據(jù)都帶有完整的元數(shù)據(jù)，包括：原始數(shù)據(jù)來源（車隊、時間、地點(diǎn)）、傳感器配置、清洗與標(biāo)注的版本號、標(biāo)注人員與質(zhì)檢人員ID、質(zhì)量評分、以及被用于訓(xùn)練了哪個版本的哪個模型。這為某智慧出行平臺提供了強(qiáng)大的數(shù)據(jù)溯源能力和資產(chǎn)復(fù)用依據(jù)。

通過以上四個階段的精細(xì)化實(shí)施，我們?yōu)槟持腔鄢鲂衅脚_構(gòu)建了一條穩(wěn)定、高效、高質(zhì)量的外部數(shù)據(jù)生產(chǎn)線。這條生產(chǎn)線作為某智慧出行平臺AI Infra中至關(guān)重要的一環(huán)，持續(xù)為其自動駕駛算法注入經(jīng)過精心加工的“高質(zhì)量燃料”，直接支撐了其APA與NOA功能的快速迭代與性能提升，是其實(shí)現(xiàn)在商業(yè)化道路上加速奔跑的關(guān)鍵助力。

生態(tài)伙伴合作

云計算與存儲伙伴：我們與頭部云服務(wù)商合作，利用其高可靠、高并發(fā)的對象存儲與計算資源，搭建了支持全球千名標(biāo)注員實(shí)時訪問與協(xié)作的數(shù)據(jù)分發(fā)與暫存環(huán)境，確保了海量數(shù)據(jù)傳輸?shù)男逝c安全。

數(shù)據(jù)安全與合規(guī)伙伴：我們引入了專業(yè)的第三方數(shù)據(jù)安全審計服務(wù)，并對接權(quán)威的脫敏算法提供商，確保所有數(shù)據(jù)處理流程符合國際國內(nèi)隱私保護(hù)法規(guī)（如GDPR、國內(nèi)個人信息保護(hù)法），為某智慧出行平臺交付完全合規(guī)的數(shù)據(jù)資產(chǎn)。

標(biāo)注工具與效率軟件伙伴：我們不僅有自研的標(biāo)注平臺，且與多家專業(yè)的標(biāo)注工具軟件公司保持戰(zhàn)略合作。我們根據(jù)某智慧出行平臺的具體場景需求，推動這些合作伙伴進(jìn)行工具鏈的定制化優(yōu)化，并第一時間將最新效率工具引入我們的生產(chǎn)流程，保持技術(shù)先進(jìn)性。

合作服務(wù)效果

交付規(guī)模與效率達(dá)成：截至2025年第二季度，我們已累計為某智慧出行平臺交付超過2000萬幀的高質(zhì)量標(biāo)注圖像與點(diǎn)云數(shù)據(jù)。在自動泊車場景數(shù)據(jù)生產(chǎn)上，整體效率提升超過300%，保障了其APA功能快速迭代的數(shù)據(jù)需求。

質(zhì)量指標(biāo)全面超越：交付數(shù)據(jù)在某智慧出行平臺的終驗(yàn)中，平均批次驗(yàn)收通過率穩(wěn)定在98.8%，關(guān)鍵3D檢測框的IoU均值達(dá)到0.92，遠(yuǎn)超合同基準(zhǔn)，為某智慧出行平臺算法模型的性能提升提供了純凈、可靠的“Ground Truth”。

直接賦能業(yè)務(wù)進(jìn)展：我們專項攻堅交付的復(fù)雜城區(qū)交互場景數(shù)據(jù)，有力支持了某智慧出行平臺城市NOA系統(tǒng)在預(yù)測模塊上的性能優(yōu)化，使其在內(nèi)部測試中的交通參與者軌跡預(yù)測誤差降低了22%。我們提供的高精度泊車場景數(shù)據(jù)，幫助其APA功能的泊入成功率在第三方測評中達(dá)到99% 的行業(yè)頂尖水平。

成本與敏捷性價值：我們的服務(wù)使某智慧出行平臺在無需巨額固定資產(chǎn)投入和團(tuán)隊管理成本的情況下，獲得了可彈性伸縮的數(shù)據(jù)產(chǎn)能。當(dāng)某智慧出行平臺臨時發(fā)起針對“雨霧天氣識別”的專項數(shù)據(jù)攻關(guān)時，我們能在72小時內(nèi)組織起百人專項團(tuán)隊并輸出合格樣本，展現(xiàn)了極高的業(yè)務(wù)敏捷性。

關(guān)于企業(yè)

·尚躍智能

尚躍智能科技河南有限公司 2019 年啟航，在鄭州、商丘、南通等多地設(shè)自建基地，是業(yè)內(nèi)領(lǐng)先的 AI 基礎(chǔ)架構(gòu)與數(shù)據(jù)智能服務(wù)商，專注提供高精度數(shù)據(jù)解決方案。公司多模態(tài)數(shù)據(jù)產(chǎn)品廣泛應(yīng)用于自動駕駛、大模型、醫(yī)療等多領(lǐng)域頭部企業(yè)與機(jī)構(gòu)。作為 AIIA 聯(lián)盟委員，旗下智馭數(shù)標(biāo)是國家數(shù)據(jù)標(biāo)注白皮書唯一專業(yè)投資機(jī)構(gòu)，2025 年發(fā)布 MetaAnnotate 智能標(biāo)注中樞，與多國機(jī)構(gòu)共建南十字星跨洋聯(lián)盟。

·某智慧出行平臺

AI驅(qū)動的一站式出行服務(wù)商，深耕網(wǎng)約車、順風(fēng)車、共享出行等多場景。依托大數(shù)據(jù)與智能調(diào)度技術(shù)，打通供需壁壘，實(shí)現(xiàn)高效派單、實(shí)時路況預(yù)警與個性化路線規(guī)劃。聚焦安全與便捷核心需求，搭建多重安全防護(hù)體系，融合綠色出行理念，為用戶提供經(jīng)濟(jì)、舒適的出行解決方案。同時賦能司機(jī)與合作伙伴，構(gòu)建“技術(shù)+服務(wù)+生態(tài)”的出行閉環(huán)，致力于以科技重塑城市出行格局，打造可持續(xù)發(fā)展的智慧交通新生態(tài)。

★以上由尚躍智能投遞申報的企業(yè)獎，最終將會角逐由金猿組委會×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2025中國大數(shù)據(jù)產(chǎn)業(yè)年度AI Infra領(lǐng)先企業(yè)》榜單/獎項。

該榜單最終將于1月上旬上海舉辦的“2025第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇——暨AI Infra & Data Agent趨勢論壇”現(xiàn)場首次揭曉榜單，并舉行頒獎儀式，歡迎報名蒞臨現(xiàn)場。