2009年，斯坦福大學李飛飛教授的實驗室發布ImageNet數據集，開啟了現代深度學習時代。大多數情況下，沒有標記的數據，就沒有AI算法模型。模型迭代和調整，則需要更多的數據。安全、準確和無偏見的AI系統依賴于大量高質量的訓練數據。

　　由于缺乏成熟的基礎設施，構建機器學習系統具有挑戰性。AI進一步發展的關鍵瓶頸是數據——特別是標記數據集。數據是支撐AI的基礎，每一項人工智能的進步，都離不開基礎數據的支持。

　　機器學習已然是這個時代最重要的技術變革，它給世界帶來的總體效益將與互聯網相媲美。也就是說，高質量標簽數據的瓶頸限制了人工智能僅能在少數資金充足的科技公司里發揮作用。獲取標簽數據，是構建機器學習模型中最困難的部分。

　　標貝科技深度研發，試圖用人機協作的方式從語音采集到數據標記實現無縫銜接，攻破行業技術壁壘。標貝構建了一個遍布世界各地約有萬余名合同工的眾包網絡。其核心業務是為AI及大數據領域公司提供數據采集、標注等定制化數據解決方案，服務領域涵蓋圖像、語音、文本、視頻四個方面。

　　數據采集方面，可根據定制化需求，對各類規定文本、指定圖片，各種環境下的語音、視頻進行采集；采集過程中可實現對其內容的篩選、文本化等相關任務。可承載千萬級別以上樣本的收集，單日完成10萬+樣本采集。

　　數據標注方面，通過對圖像、文本、音頻、視頻等信息進行搜集、評估、歸類，最終完成標注；標注過程中可實現對內容進行關鍵詞等內容的提取、清洗、脫敏、校驗等相關任務。

　　標貝科技旗下全新的人工智能數據眾包平臺——數據工場，正在以專業、高效、安全等優勢，助力全球人工智能企業的研究和進步。數據工場的數據服務全球客戶，數據類型覆蓋全行業，自有數據集和定制化數據服務能夠滿足不同行業、多類型的數據需求。標貝數據服務深耕行業多年，目前，BAT、網易、滴滴、京東、小米、喜馬拉雅和搜狗等知名企業的機器學習團隊陸續在使用該平臺完成數據相關需求。

　　數據工場首次將數據格式算法融入其中，通過操作平臺嚴格控制前端采集格式，大幅度提升了數據的高質量和準確性，確保數據在采集和上傳的過程中無任何壓縮問題。全新的品牌視覺設計融入了多類型數據元素，卡片式交互使產品全方位提升用戶體驗。

　　數據工場產品負責人張亞偉表示：“反復雕琢產品的每一處細節，精益求精”。

　　數據工場以全新的品牌視覺、順暢的操作體驗和強大的算法能力問世。作為AI數據服務行業的引領者，標貝一直秉承“數據服務技術，技術服務生活”的使命，為促進語音行業發展、學術交流、合作伙伴，標貝提供多種類、大規模、高質量的數據服務。

　　各大應用市場搜索“數據工場”或掃描下方“二維碼”先人一步體驗服務。