<mark id="oztn4"></mark>
0
成立半年的愷望數據瞄準自動駕駛商業化落地痛點，加速在自動駕駛數據領域的布局。
9月5日，自動駕駛數據服務公司愷望數據宣布完成千萬級天使輪戰略融資，投資方包括在自動駕駛領域深度布局的辰韜資本、三一集團和溪山天使匯，本輪融資主要用于加速建設數據快充站以及團隊完善。
愷望數據成立于2022年2月，意在持續為汽車產業的智能化，提供數字化、一站式的數據解決方案，團隊成員來自字節跳動、阿里巴巴、Uber、Momenta、梅賽德斯-奔馳等頭部公司.
針對供給不穩定、流程繁雜、工具低效等痛點，愷望希望讓數據生產線從手工作坊向“標準化”、“規模化”和“自動化”轉變，從而提升自動駕駛數據生產效率，保持產能穩定并降低成本，加速自動駕駛的應用落地。
目前其已與三一集團在自動駕駛領域開展數據合作，其他客戶包括集度汽車、字節跳動、億咖通、元戎啟行、地平線、寒武紀、中交興路、曠視及商湯等。
2022年為自動駕駛的落地元年，伴隨著智能汽車以及自動駕駛傳感器種類及數量的增長，人工智能算法的“電能”——數據層面出現了巨大缺口。
在數據質量上，車輛硬件走向多元化，硬件結構、參數變化增多，場景復雜度增加，對數據質量要求越來越高。以標注的數據類型為例，過往自動駕駛感知算法大都只覆蓋了十幾類數據，但今年的數據類型有的激增到了五十多類。
在時效性上，車輛量產交付周期縮短，軟件希望持續OTA，數據的時效性也變得至關重要。
近幾年，三一重工在新能源及智能駕駛賽道深度布局，已推出了新能源挖掘機、起重機、重卡、皮卡等。而作為投資方之一的辰韜資本，目前已投資的自動駕駛細分賽道頭部企業包括易控智駕、白犀牛、斯年智駕、易咖智車、于萬智駕、踏歌智行等，也可助推愷望數據構建一個強大的生態合作伙伴圈。
“愷望希望為數據服務產業帶來生產要素的范式升級，綜合技術和運營兩方面優勢，尤其是對生產過程進行量子化拆解，達到規模化和自動化，從而讓數據生產達到最佳時效。”
愷望數據創始人，CEO于旭總結道。針對供給資源、生產流程、生產工具這三個數據生產的核心要素，愷望總結了三個核心優勢：
以“生態”驅動“新供給”，既形成規模化產能，又可靈活匹配，滿足彈性較大的人力需求；
以“方法論”驅動“新流程?”，憑借團隊多年的經驗積淀，將工作進行“原子化”拆解，從而縮短項目周期；
以“技術”驅動“新效率”，借助非監督學習，打磨自動化工具，進而提升數據生產的效率。
總結而言，愷望希望借技術和方法論革新現有數據生產模式，從而提高數據生產和交付效率，為客戶節省一半的時間及成本。
以“生態”驅動“新供給”，補全供給側核心環節
在當前自動駕駛數據生產過程中涉及到的人員可分為四類：
需求制定人員：根據具體商業化場景的AI技術解決方案，分析所需要的數據類別及數量，要求有一定的技術背景；
需求拆解人員：根據所需的數據類別及數量，拆解為標注環節中的具體需求，減少下一環節的時間成本；
需求執行人員：即標注員，根據具體標注需求，借助生產工具在原始數據上打標注，屬于簡單重復勞動；
質量管控人員：即標注數據審核員，負責數據標注項目的審核和驗收，關注執行環節的準確率、覆蓋率等。
對于自動駕駛公司來說，需求執行人員均是通過外包方式雇傭，目前全國有規模的數據標注生產企業有7、8百家，各類中小型數據標注生產團隊超過5萬家，服務質量參次不齊，僅停留在“勞動力密集”的需求執行層面。
在自動駕駛研發場景中，算法設計的改變是不會經常發生的，這也意味著大規模的數據生產需求并非高頻需求，所以自動駕駛公司和車企通常只會設置一個小型的數據服務團隊，無法全面覆蓋需求制定、需求拆解以及質量管控這三類人員，存在較多痛點：
數據服務團隊缺少技術背景，無法理解算法背后的數據需求，在梳理需求時，存在邏輯混亂、術詞濫用、自相矛盾等情況。比如同樣的一個物體，卻給出了兩種標注要求；
隨著智能駕駛行業競爭的加劇，過往一年才能完成的研發任務需要縮短至半年，車輛硬件結構、參數出現臨時變換的次數增加，就連標注的數據類型，也從過往的十幾類增加到了五十多類；
在數據需求波峰出現時，自有的小型數據服務團隊在篩選及溝通環節無法應對，以某智駕研發公司為例，其算法團隊有近百人，但對應的數據服務團隊僅2人，當算法設計出現較大變化時，根本無法及時應對激增的數據需求，只能在一天時間內拼湊出一份模糊不清的需求說明書；
臨時的數據需求波峰通常也意味著更高的數據標注成本，此外，還有溝通缺失導致的試錯成本。
為了解決這一痛點，愷望提出的“新供給”是打造一個多方共用的、大規模、高并發的互聯網級別的可選資源池，能為客戶提供超大的資源池子，這也是創始人于旭所擅長的。
不同于傳統的標注公司，愷望重度參與了需求拆解及品質把控流程，構建了一個低門檻參與的生態體系，讓大大小小的標注團隊都能夠參與進來，從而更好地調動超大規模資源，快速進行數據生產及交付，并進一步實現最優人力成本配置。對于傳統標注公司而言，試錯成本低了；對于客戶而言，有充足的人力資源池來對抗波峰波谷。
同時，愷望也大力推進校企生態合作，與全國20多家實訓基地建立了合作，既培養了學生能力，又形成了人才生態閉環。
在流程方面，過往的生產流程大都是包工頭式的項目分包模式，這是中國人口紅利下的短期可行模式，由于層層交付、無法規模化運作，導致項目周期長、效率低。
愷望的“新流程”是要實現運營、決策、標注及交付的自動化，包括智能派單、匹配最短路徑、全套數字化決策系統、自動標注系統建設等，其優勢體現在：
工作拆分后，原本串行的工作可以變成并行；
低代碼的平臺架構，可以讓客戶靈活的獲取自己想要的流程方式；
這也是國外Scale的模式，但愷望結合中國的標注行業特點，為“包工頭”提供好用的工具及方法論，推動行業整體升級。
愷望借助“新流程”，可以實現“合理任務分給最合適的人”、“標注鏈最短路徑”、“系統可自動判斷需求合理性、成本及ROI”，進而將標注成本降低到1/10，算法預標注成本優化為原來的30%-80%。
在工具方面，目前標注行業所使用的工具大都為拉框工具，需要標注員手動一個點一個點地打點標注，不僅生產效率低，而且因為標準不統一，質檢難度也較大，根本無法規模化。
在有足夠低價勞動力的情況下，標注公司一般不會投入資源自研自動化工具，但愷望希望能以自動化工具換取“新效率”，其自研的工具不需要標注員手動拉框，而是點一下便可自動拉框，同時，也應用了3D的能力來標注2D的圖片，進一步提高準確性。
創始團隊為全明星陣容，集結了自動駕駛的全鏈條人才，在大規模資源運營、數據閉環解決方案以及自動駕駛數據平臺三個方向都積累了豐富的行業經驗。
創始人于旭擁有多段從零到一的大數據平臺搭建經驗，是字節跳動、Momenta、Uber等企業數據生產及運營體系搭建的第一人，也是國內自動駕駛行業發展的見證者。
于旭碩士畢業于法國昂熱大學，憑借其物流與運輸管理的專業背景，畢業后成為了Uber中國的第四號員工，從零到一搭建起平臺運營體系，也為國內網約車行業開創了大規模租賃公司運營模式，頂峰時期曾貢獻了北京區域70%的訂單。
在自動駕駛獨角獸企業Momenta成立之初，于旭便為其構建了自動駕駛全鏈路數據的運營體系。在國內自動駕駛行業發展早期，數據稀缺，而在大數據平臺的支撐下，Momenta才一躍成為自動駕駛算法領域的佼佼者。
在團隊管理經驗方面，于旭曾在字節跳動負責管理多個大型標注基地、千人規模大型數據外包渠道以及數萬人的眾包平臺。
合伙人團隊則包括奔馳汽車金融運營流程管理專家、國內領先通信企業感知算法產品數據閉環系統專家、Momenta前數據平臺技術負責人等，還擁有覆蓋自動駕駛商業、AI產品策略及算法領域的專家顧問團隊。
雷峰網雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
