到2023年还有人创业做数据显示吗还有VC和大工厂在看吗？？-量子比特，
2023年，有些人为了显示数据而创业，迅速获得客户和投资。
选择的还是自动驾驶路线。
数据显示是AI对复兴以来新增加的产业之一的深入学习，一度被揶揄为“只有人工的数量才有智能”，指的是数据显示在业界的重要性。
这家名为“恺望”的新创公司表示，它带来了一种规模化人工+自动化生产线的方法，可以提供稳定、低价的服务。
又稳定又便宜，你是怎么实现的。数据标记，其实质是为培训数据集添加标签。标签可以添加到任何类型的数据中，包括文本、图像、视频、音频和三维点云。
有了标签，当机器学习模型遇到未来从未见过的数据时，它也有助于准确识别数据内容。
其中涉及不同客户对数据标注粒度、维度的要求，因此通常的痛点是，数据质量不好，数量规模不足，标注成本高，数据生产工艺不规范，伴随着甲乙摩擦周期长…
为了解决上述问题，恺望提供了大规模化的人力+自动化生产线，可实现20%以上的成本节约。
另一方面，“规模化人才”，主要是“找专业的人做专业的事”，用专业在校生代替之前临时或简单培训就业的社会人士。
具体来说，恺望与高职院校合作，通过设立数据学院，在数据线上培养需要的人。
目前恺望首批300名学生已在山东等高职院校完成培训，他们希望今年能培训1000多名学生。
另一方面，“自动化生产线”是指通过优化工具效率和管理来提高整体运营效率。
恺望将整个数据处理过程分解为四个阶段：需求、生产、管理、生态。
简而言之，汽车传感器一旦收集到数据，就输入“工厂”，之后他们的工作首先是解读客户需求规则，分割数据任务。
然后把这些任务匹配给另一个人。例如，有人负责红绿灯、车道和路标。
在生产管理过程中，利用飞书可以掌握不同学生的工作进度。此外，还可以使用亚马逊AWS云服务完成数据传输。好处是，它花了两天时间才能完成，但现在缩短到1.5小时。
所以恺望的区别在于区分自己和不规范的手工车间，构建现代化工厂的运作模式。
工作人员不能临时拼凑。你必须事先熟悉规则。无论从时间上还是成本上，工作流都必须井然有序，以尽可能减少浪费。
类似于数据标记行业的富士康。
恺望是谁？目前行业内的技术方案大多关注“预显示”这一环节的效率。
也就是说，数据标记的自动化程度。
△浙商证券研报认为恺望目前人工智能不能完全代替人力，自动化数据显示有一个发展过程。恺望CEO于旭举例：
另外，恺望产品项目副总经理张鹏表示：“目前数据显示以人工显示为主，机器显示为辅。从整个自动驾驶行业的一般水平来看，95%的数据显示还是以人工为主。”。
但是，他们的目标是花3年时间实现通用项目90%的自动化（即预显示率）
恺望成立于2022年，创办1年获得众多知名客户，包括长安汽车、字节跳动、元戎启行、辉羲智能、地平线、坎布里亚纪、易控智驾驶、中科创达、中交兴路、旷视、商汤等。
创始团队由4人组成，其中创始人兼CEO于旭，硕士毕业于法国安吉大学，毕业后成为Uber中国第四号员工，从0到1建立了平台运营体系。之后就职于Momenta，参与构建自动运行所有链接数据的运营系统。另外，于旭在字节跳动中担任了多个大规模的标记基地、千人规模的大规模数据外包渠道、数万人的软件包平台的管理。
恺望合作伙伴团队、奔驰金融运营流程管理专家、Monenta前数据平台技术负责人，以及涵盖自动驾驶商务、AI产品战略、算法领域的顾问团队。
融资方面，2022年9月，恺望完成了包括辰韬资金、三一集团和溪山天使汇在内的1000万级天使轮融资。目前，与恺望三一集团在自动运行领域开展数据合作。
在这个时候，以自动驾驶路线为目标的数据公司成立，主要是因为看到了庞大的市场需求。
眼前的事实是，2022年12月，我国新能源汽车零售渗透率达到29.5%，比2021年12月22.6%的渗透率提高了7个百分点。
此外，很多时候讲电动一定要讲智能，两个属性往往如影随形，一起产生。
目前，轿车落地的自动驾驶大部分处于L2级水平，随着激光雷达成本的降低，将逐步乘坐量产车，加速L3+落地。
L3级以上自动驾驶系统对计算机视觉技术的需求依赖度较高，系统需要对传感器采集到的点云图像数据进行实时处理，建立车辆行驶环境，为预测和决策创造依据。
为了实现完全自动运行，认为需要至少1015年以上的大规模数据。
目前，“规模化人力+自动化生产线”是必经之路。