1、下游人工智能行业整体发展情况及未来发展趋势 （1）训练数据是当前 AI 算法发展和演进的“燃料” 在 AI 产业链中，算法、算力和数据共同构成技术发展的三大核心要素。在 当前人工智能行业发展进程中，有监督的深度学习算法是推动人工智能技术取 得突破性发展的关键技术理论，而大量训练数据的支撑则是有监督的深度学习 算法实现的基础，训练数据已成为算法模型发展和演进的“燃料”。算法模型从 技术理论到应用实践的落地过程依赖于大量的训练数据，2012-2016 年期间，人 工智能行业不断优化算法增加深度神经网络层级，利用大量的数据集训练提高算 法精准性，ImageNet 数据集的超过 1,400 万张训练图片和 1,000 余种分类便在其 中起到重要作用。然而，从自然数据源简单收集取得的原料数据并不能直接用于 有监督的深度学习算法训练，必须经过专业化的采集、加工，形成相应的工程 化训练数据集后才能供深度学习算法等训练使用。目前，应用有监督学习的算法 对于训练数据的需求远大于现有的标注效率和投入预算，基础数据服务将持续 释放其对于算法模型的基础支撑价值。 （2）AI 产业对训练数据服务的需求持续产生 AI 产业对训练数据的需求主要来源于成熟算法模型的拓展性需求和新生算 法模型的前瞻性需求。在成熟的拓展性需求方面，Mckinsey Global Institute 的研 究报告表明： 深度学习模型对训练数据的数据量、多样性和更新速度方面提出较高要求。 为充分发挥技术潜能，深度学习模型需要海量且涵盖图像、视频及语音在内等多 种类型的训练数据进行模型训练。此外，人工智能技术要求算法模型根据潜在的 应用场景变化而持续更新，因此，算法模型所使用的训练数据亦需要定期更新。 具体而言，约 1/3 的算法模型每月至少更新一次，约 1/4 的算法模型每日至少更 新一次，算法模型持续更新的特点将进一步拓展各领域训练数据的需求空间。 而在新生的前瞻性需求方面，随着人工智能商业化进程的演进，新兴应用场景如智联网 AIoT、AI PaaS、产业互联网等将展现出巨大的发展潜力，并逐步促 进 AI 技术和算法模型的优化和创新。因此，在创新应用场景和新型算法的带动 下，具有前瞻性的训练数据产品和高定制化的训练数据服务需求将逐步成为主流。 （3）全球和中国的 AI 产业市场规模 ①全球 AI 产业市场规模 经过多年的发展，人工智能技术已在金融、医疗、安防等多个领域实现技术 落地，且应用场景愈来愈丰富，AI 产业已进入全方位商业化的发展阶段。 截至 2019 年年末，全球共有 5,386 家活跃 AI 企业，27,400 名高级研究人员， 20 座重点发展城市。2019 年，全球人工智能行业共产生约 374 亿美元融资，其 中，自动驾驶、药物医疗、人脸识别、视频内容和金融反欺诈是获得融资最多的 领域。根据国际数据公司（IDC）的数据，2020 年，全球人工智能产业规模达到 501 亿美元，预计 2024 年将达到 1,100 亿美元，年复合增长率为 21.73%。景如智联网 AIoT、AI PaaS、产业互联网等将展现出巨大的发展潜力，并逐步促 进 AI 技术和算法模型的优化和创新。因此，在创新应用场景和新型算法的带动 下，具有前瞻性的训练数据产品和高定制化的训练数据服务需求将逐步成为主流。 （3）全球和中国的 AI 产业市场规模 ①全球 AI 产业市场规模 经过多年的发展，人工智能技术已在金融、医疗、安防等多个领域实现技术 落地，且应用场景愈来愈丰富，AI 产业已进入全方位商业化的发展阶段。 截至 2019 年年末，全球共有 5,386 家活跃 AI 企业，27,400 名高级研究人员， 20 座重点发展城市。2019 年，全球人工智能行业共产生约 374 亿美元融资，其 中，自动驾驶、药物医疗、人脸识别、视频内容和金融反欺诈是获得融资最多的 领域。根据国际数据公司（IDC）的数据，2020 年，全球人工智能产业规模达到 501 亿美元，预计 2024 年将达到 1,100 亿美元，年复合增长率为 21.73%。景如智联网 AIoT、AI PaaS、产业互联网等将展现出巨大的发展潜力，并逐步促 进 AI 技术和算法模型的优化和创新。因此，在创新应用场景和新型算法的带动 下，具有前瞻性的训练数据产品和高定制化的训练数据服务需求将逐步成为主流。 （3）全球和中国的 AI 产业市场规模 ①全球 AI 产业市场规模 经过多年的发展，人工智能技术已在金融、医疗、安防等多个领域实现技术 落地，且应用场景愈来愈丰富，AI 产业已进入全方位商业化的发展阶段。 截至 2019 年年末