李安琪读什么大学「李安琪什么大学毕业」

作者 李安琪

编辑 苏建勋

36氪获悉，近日「恺望数据」获得了千万元级天使轮融资，本轮融资由辰韬资本、三一集团和溪山天使汇投资。据悉，本轮融资主要用于团队建设与技术研发，搭建规模化自动驾驶数据服务平台。

恺望数据成立于2022年2月，是一家为车企与自动驾驶公司提供一站式数据解决方案的公司。针对数据供给不稳定、流程繁杂、工具低效等痛点，恺望致力于让数据生产线从手工作坊向标准化、规模化和自动化转变，提升自动驾驶数据生产效率，保持产能稳定并降低成本，加速自动驾驶落地。

恺望数据创始人于旭硕士毕业于法国昂热大学，是字节跳动、Momenta、Uber等企业数据生产及运营体系的第一搭建者，拥有多段从零到一的大数据平台搭建经验。团队成员来自字节跳动、阿里巴巴、Uber、Momenta、梅赛德斯-奔驰等公司。

近年来，随着汽车智能化、智能驾驶的发展，汽车的传感器种类与数量越来越多，包括摄像头、毫米波雷达、激光雷达等；同时传感器硬件结构、参数变化增多、车辆驾驶的场景复杂度增加、软件OTA速度加快等，这些都对数据的质量、时效性要求越来越高。

以标注数据为例，数据标注本质上是通过2D图像视频和3D激光点云中的物体标注，教会自动驾驶系统识别道路环境和交通参与者。过往，自动驾驶感知算法大多只覆盖了十几类数据，但当下数据标注类型激增到了五十多类，就连特斯拉此前也建立了上千人的数据标注团队。

恺望数据创始人兼CEO于旭告诉36氪，今年自动驾驶数据的处理需求量处于暴增状态，但当下行业的数据标注处理基本还属于一个密集型劳动作业，大多生产流程都是包工头式的项目分包模式，存在着诸多痛点。

最为典型的就是，数据标注服务团队缺少自动驾驶技术背景，很难理解算法背后的数据需求规则。于旭举了一个例子，某车企对自动驾驶数据的标注规则长达200页，但数据服务公司很难在短时间内完全消化这么多内容。往往是一知半解地标注，然后让车企指出哪里不对，才能正确理解标注的规则。一来一回间，大大提升了数据的处理周期。

关键在于，这种需求规则并非一成不变。当车企的算法发生变化，标注的规则也会发生相应改变，尤其是在智能驾驶软件快速OTA升级的当下。

当规则需求发生变化，且出现数据处理需求波峰时，小型的数据服务团队在筛选及沟通环节更是无法应对。以某智驾研发公司为例，其算法团队有近百人，但对应的数据服务团队仅2人，当算法设计出现较大变化时，根本无法及时应对激增的数据需求，只能在一天时间内拼凑出一份模糊不清的需求说明书。

行业的痛点，成了恺望选择的切入点。以上述车企的需求为例，于旭告诉36氪，得益于团队的自动驾驶技术理解与运营管理背景，两周内就消化了车企200页的内容，并将文档浓缩成5页精华，大大减少了数据标注执行层的理解负担。

图源：恺望数据

据于旭介绍，恺望数据主要做了两件事：一是集结低成本人力和预标注技术的数据服务平台，以半人工、半自助的模式规模化生产数据；另一方面，则是提供一站式的数据闭环服务解决方案，在追求全自动的过程中提供全链条服务，更好地满足终端客户的数据闭环应用需求。

简而言之，成为车企/自动驾驶公司与数据标注服务团队、标注执行人员多方之间的平台型桥梁。

针对这个平台，恺望从供给资源、生产流程、生产工具三个数据生产核心要素总结了三个特点：

第一，打造一个多方共用的海量数据标注平台，构建低门槛参与的生态体系，形成规模又灵活的产能，满足弹性较大的人力需求；对于传统标注公司而言，试错成本变低；对于车企/自动驾驶公司而言，也能够有充足人力资源来对抗数据的波峰波谷。

但随之而来的一个问题是，每个企业的自动驾驶标注规则、语言不尽相同，恺望如何满足不同客户的需求？因此恺望平台的第二个特点是，将平台功能进行原子化拆解，灵活的功能模块可以满足不同用户的需求，以缩短项目周期。

于旭表示，虽然每家的算法和阶段会有不同，但是数据这一层是有较大的通用性的，因为要标注的核心元素都一样的，只是标注方法有所区别，而恺望会把某个元素进行原子化拆解。比如标注一辆车，恺望可以分解成车本体、朝向、定位等多种信息。通过尽可能细分属性，这样面对车企的每一个选择都能提供标准参考。

第三则是借助以数据驱动的自动化标注技术，致力于将平台打磨成真正的自动化工具，提升数据生产的效率。

恺望表示，在平台的自动分化机制下，平台可以合理将任务分给最合适的供应商、实现标注链最短路径、系统可自动判断需求合理性、成本及ROI等，进而将标注成本降低到1/10，算法预标注成本优化为原来的30%-80%。预计今年10月，恺望会推出这个数据标注SaaS平台。

目前，恺望已与战略投资方三一集团在自动驾驶领域开展数据合作，其他客户包括集度汽车、字节跳动、亿咖通、元戎启行、地平线、寒武纪、中交兴路、旷视及商汤等。