博登智能：人工智能的“粮食”生产商

浙江在线3月27日讯（记者 龚晓）如何教会车辆思考并驾驶？

在演示大屏幕前，科研人员正聚精会神地观察着车辆在测试环境中的表现。

与真实路测不同，映入眼帘的是由无数光点构成的“虚拟”真实世界，所有与车辆测试相关的环境要素，道路周边的车辆、树木、建筑，包括道路本身都被打上了高精度激光雷达点云。

区别于背景环境，测试车辆被精准地纳入了3D边界框中，车辆的行驶轨迹、空间状态被密密麻麻的“点云”完整记录下来。据团队科研人员介绍，AI 并不是天生就会开车。这些画好框、打好点的数据，就是喂给 AI 的“知识点”，学得越多，它开车就越聪明、越安全。

那么，一家优秀的数据标注企业背后究竟有多少核心技术支撑呢？

近期，浙江在线《向新力》栏目，专访宁波市博登智能科技有限公司董事长兼创始人赵捷，就数据标注、智能驾驶、大模型、具身智能等大家关心的AI热点问题进行了交流。

数据标注是什么？

“刚才这种标注模式被称为点云标注。”宁波市博登智能科技有限公司董事长赵捷说，“标注好的数据就像AI的粮食，学习这些数据，AI就能理解开车是怎么一回事。”

对话的开端，赵捷就以智能驾驶行业为例，直观演示了一番什么叫做数据标注。

在图片上用拉框标注车辆位置，告知AI，这里可以通过，被称为2D图像标注。

而在视频上标注车辆位置，平面框就变成了立体的盒子，被称为3D点云标注。

4D点云标注

如果叠加时间维度，反映车辆在系列时间点中相对自身位置的变化，被称为4D点云标注。

“实际上，为了支撑高阶智能驾驶，很多新技术已投入使用，就比如占用网络。”赵捷举例来说，这项技术不再把物体看作一个框，而是把空间切分成无数微小的体素，标注每一个格子是否被占据，哪怕是一个形状怪异的掉落物，也能被精确感知，“这项新技术能够更精准地应对一些极端情况。”

从劳动密集到技术密集

在最初，数据标注还被认为是一个劳动密集型行业。“过去，数据标注员的工作，主要是给2D图片里的车和人画个框。行业内有一句笑谈：AI农民工。”赵捷说。2019年回国创业的契机，是发现国内智能驾驶产业，处在爆发式发展的前夜，且当时数据标注行业，依旧处于依赖人力的“手工作坊”阶段，结合在国外的学术和行业背景，赵捷看到了用算法、软件替代重复劳动、提升标注效率的巨大机会。

而这个算法就是AI辅助的自动化标注能力，俗称“大模型带小模型”，利用云端强大的离线模型自动生成标签，人类则退居幕后，负责校验和修正那些最难搞的“边缘场景”。

因此，博登智能也从单纯的数据标注公司，转型为“深度参与数据管理与模型训练流程的数据基础设施企业”。博登智能的公司口号AI For AI，即通过人工智能算法深度参与，降低纯人工参与度。赵捷表示，通过“叠帧”、算法预标注等技术，“以前一个人做7天的活，现在只要1天。”

缺数据、缺场景、缺监管

数据标注行业标准亟待建立

目前，不论是大模型还是具身智能行业，“数据饥渴”都是行业痛点，赵捷表示深有同感。他表示，在具身智能领域，包括真机数据、第一人称视角数据，以及仿真合成数据，难以满足需求。“具身智能行业的数据需求，跟五年前的智能驾驶行业类似，行业没有标准，数据极度匮乏，目前建立的一些数据采集工厂远远不够。”赵捷表示。

具身机器人技术创新中心，人类老师正在教具身机器人解锁自己的新技能

“有些数据采集，仅依赖人力并不能解决核心痛点。”赵捷说，为了解决一些极端场景的适配问题，在智能驾驶领域，一些企业会采用“合成数据”的方式。赵捷举例，比如要采集一辆车撞到电瓶车的场景，“现实中，我们不可能去制造事故，在背景不变的情况下，通过合成方式制造场景。”当然，验证需要海量测试，功能没有经过完整测试，很难定义能达到预期目标。

数据采集、“投喂”缺乏监管，也会有很大问题。针对今年315晚会曝光的“AI投毒”问题，赵捷表示针对行业乱象，需要技术+法律双轨治理，第一步是数据可溯源，建立端到端的数据源把控机制；第二步是加强数据质检流程；第三步是推动行业标准的制定。

2025年，发改委等部门下发文件，首次对数据标注行业进行了明确定义：对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的新兴产业。文件明确指出，培育壮大数据标注产业对于提升数据供给质量，推动人工智能创新发展具有重要支撑作用。