本文围绕 AI 淘金热展开，聚焦杭州曼孚科技有限公司 CEO 赵剑在博鳌亚洲论坛 2025 年年会期间接受专访时透露的信息，介绍了数据行业的新变化、曼孚科技的业务转型、多模态数据标注的成本挑战及解决方案，分析了公司客户结构特点，探讨了自动驾驶技术路线的问题，还提及全球科技巨头在 AI 数据中心建设上的巨额投入以及赵剑对此的看法。
在当下如火如荼的 AI 淘金热潮中，有这样一群特殊的“淘金者”，他们手持“铁锹”和“镐”，持续不断地“开垦”着更多的数据资源，为 AI 企业的蓬勃发展提供着坚实的基础。
3 月 27 日，正值博鳌亚洲论坛 2025 年年会召开之际，杭州曼孚科技有限公司 CEO 赵剑接受了第一财经记者的独家专访。他指出，随着人工智能技术的飞速发展，不同类型的企业对数据的需求呈现出多样化的态势，数据的应用场景也在不断地拓展和延伸。这一系列的变化，正推动着数据行业经历一场前所未有的变革。
数据，无疑是驱动 AI 产业链不断前行的核心“燃料”。当信息智能逐渐向空间智能、具身智能迈进时，企业对数据的定义和需求也发生了根本性的改变。赵剑透露，曼孚科技正积极调整战略布局，将业务重心逐步转向大模型多模态数据标注领域。他进一步解释道，随着大语言模型（LLM）向多模态方向演进，文本、图像、语音、视频等多种类型数据的融合标注需求呈现出爆发式增长。“未来的 AI 要想真正理解真实世界，多模态是必经之路。”
然而，多模态数据标注并非一帆风顺，成本挑战成为摆在面前的一道难题。赵剑坦言，由于数据处理维度的显著上升，数据成本也随之水涨船高。以自动驾驶领域为例，一辆智能驾驶汽车的传感器涵盖了激光雷达、摄像头、毫米波雷达等多种数据源，收集、清洗、标注这些海量的数据，无疑是一项艰巨且耗费成本的工作。
面对复杂的数据处理场景，如何提升数据处理效率成为关键。赵剑认为，利用 AI 和自动化流程是行之有效的解决方案。在标注环节，AI 辅助技术能够精准识别图像中的车辆、行人，并预先标注关键点；在自动化流程中，则重新建立一套工业化标准，实现流水线式的数据清洗和标注。不过，他也强调，AI 标注存在一定的局限性。“在 AI 本身尚未完全成熟的情况下，AI 自动标注又怎能达到理想的成熟度呢？”
从曼孚科技的客户结构来看，自动驾驶领域的企业依然是公司的主要客户来源。赵剑解释称，这得益于自动驾驶商业化的较高成熟度。“汽车企业愿意为数据付费，且需求明确，整个行业已经形成了从数据采集到模型落地的完整闭环。”
与之形成鲜明对比的是，服务机器人、人形机器人等领域的客户相对较少。赵剑分析指出，机器人是软硬件协同的智能体，公司对自身硬件所适配的数据是否了解，对业务场景是否有清晰明确的定义，都会直接影响他们所要求的数据质量和数据规模。在机器人行业，数据的通用性极低，如果企业在尚未明确自身需求的情况下盲目购买数据，效率必然低下。
对于自动驾驶的技术路线，赵剑指出，从技术发展路径来看，强化学习与端到端模型的探索正在加速推进。但他也提醒，自动驾驶算法的“黑箱”特性带来了不可忽视的法律风险，事故责任的界定仍然是一个亟待解决的难题。这需要在技术、法规甚至伦理层面实现共同突破。
在全球范围内，科技巨头们围绕人工智能领域的布局正持续升温。微软、Meta、OpenAI 等科技公司纷纷透露有建设 AI 数据中心的宏伟计划。微软在 2025 年开年便宣布，在 2025 财年将豪掷 800 亿美元用于建设 AI 数据中心。微软官方表示，这笔巨额资金将着重用于开发能够训练人工智能模型、基于云的应用程序的数据中心等。Meta 公司 CEO 扎克伯格也曾透露，2025 年计划投资 650 亿美元用于扩展人工智能基础设施。在 1 月“星际之门”计划宣布后，OpenAI 也宣布将立即投入 1000 亿美元，在美国建设数据中心。
面对科技巨头们在 AI 数据中心建设上的巨额投入，赵剑表示，相比单纯的数据中心建设，数据处理、筛选以及管理更为重要。“其实从行业角度看，大家在数据处理等环节实际投入的资源不足。”他认为，当前行业仍处于发展的早期阶段，数据标注在处理效率和速度方面尚未达到理想状态，未来仍有巨大的提升空间。
本文围绕 AI 数据行业展开，通过曼孚科技 CEO 赵剑的观点，介绍了数据行业新变化、曼孚业务转型及面临的挑战，分析了不同领域客户情况和自动驾驶技术问题，还提及科技巨头建设 AI 数据中心的投入。指出数据处理等环节资源投入不足，行业在数据标注效率等方面有很大提升空间，未来数据行业发展机遇与挑战并存。
原创文章，作者：Grayson，如若转载，请注明出处：https://www.yanghehb.com/6080.html
