打破自动驾驶数据标注的「手工模式」，博登智能获数千万元天使轮融资丨早起看早期

36氪获悉，博登智能近日宣布完成数千万元天使轮融资，投资方为浙江见识创业投资管理有限公司等。融资将重点用于“自动驾驶-自动标注算法”的持续升级与开源数据集建设。

博登智能是一家自动驾驶数据闭环工具链供应商，通过自研的数据闭环工具链，结合AI算法的自动标注能力，开发了具有完全自主知识产权的智能驾驶数据处理平台，可提供支持覆盖市场上95%以上传感器驱动的数据采集、存储，预处理，标注，模型训练/部署等整套数据处理流水线系统，形成数据闭环。

一直以来，数据处理行业被普遍认为是一个利润率低、高度依赖人工的“苦力活”行业，发展前景极低。随着自动驾驶向L3、L4推进，据英特尔推算：每辆车每天将产生的数据量将高达4000GB。这将大幅扩大基础数据服务市场的空间。

但高度依赖人工的标注模式，在海量数据面前行不通。博登智能创始人兼CEO赵捷认为，“数据作为自动驾驶的生产要素，一定要靠自动化实现效率的大幅提升，传统的人工标注模式生产效率是有极限的，未来将无法满足需求。”

高效标注，成为博登智能的产品切入点。其核心产品BASE标注平台，是集数据标注、项⽬管理、⼈员调度、流程配置、进度统计、算法训练为⼀体的⼀站式智能数据服务平台。最新BASE V4.0版本，已迭代为采用图⽚状态管理模式，引⼊Potree提⾼3D点云加载速度。

BASE标注平台图片

与业内同类公司相比，博登智能积累了自动驾驶方面的know-how。创始人兼CEO赵捷具有自动驾驶方面的实验室背景，并为宝马德国做过自动驾驶数据中心的搭建。公司成立至今，已累积获得6项专利和16项软著。

将公司优势作用于产品上，BASE标注平台所具备的数据处理能力，能更加紧密贴近整车厂的实际需求，帮助客户降本增效。相较于传统的纯人工标注方式，可以节省30-40%的成本，并提高30%的处理效率。目前，该平台已与国内龙头车企等企业达成长期合作，项目估算超两千万。

通过图片标注产能对比，可以明显看出博登智能自动化标注与人工标注的差距。以3D图片为例，AI全自动标注的日均产能为>20k张，而人工标注的日均产能为>10k张。

不同标注之间的产能对比

据赵捷介绍，支撑该数据处理平台的背后，有三大技术关键。

在数据采集和标定方面，博登智能拥有自己的数据采集、传感器标定软件，可将数据采集软件搭载在车辆上，在采集数据的同时对于数据进行脱敏、场景识别等预处理，减少冗余数据的存储。

在AI数据处理软件方面，随着海量数据的不断产生与流入，会促进博登智能的数据处理闭环系统进行不断迭代，自动解决智能驾驶所涉及的海量场景问题。

在自动化闭环系统方面，通过建立对新需求“自动化发现、记录、标注、训练、验证”的闭环过程，可为产品自身提供自动化迭代能力。

为实现这些技术难点，赵捷说，“前期公司已投入大量精力进行算法研发，并及时将这些技术突破转化为知识产权。在与主机厂合作中，不断拓展服务能力，如新增的传感器标定业务目前已接到量产订单，这也为自动化闭环系统的构筑带来帮助。”

根据IDC发布的报告，到2025年，中国人工智能数据采标服务市场规模将达到123.4亿元人民币。

在这样的市场前景下，博登智能计划在2-3年周期中重点发力无监督数据处理方法，建立独有的数据集，以省去标注成本；从长期主义的视角出发，博登智能将持续专注于高附加值、有技术门槛的产品创新之路。与此同时，在数据闭环的服务过程中，将深挖在自动驾驶领域中的机会。

未来，随着自动驾驶领域的感知场景不断丰富，要处理的数据类型已包括2D图像数据和3D点云数据，行业进入门槛进一步提高。据了解，L3级别以上自动驾驶需要大量的3D点云数据支撑，而3D点云标注不仅要求对激光雷达回传的数据进行实时处理分析，大量的弯道车道线、日积月累的消耗和损坏带来的形状和反射率失真问题，也为识别准确率带来极大的挑战。这些都将对数据标注公司的技术迭代与创新能力提出更大考验。

与此同时，目前行业中Scale AI 、四维图新、海天瑞声等玩家已纷纷在自动化系统、高精地图等方面发力，也使等未来市场竞争加剧。在“老玩家”的规模效应与产品精度不断提升的压力下，无疑将给新入局者带来更大的发展挑战。

博登智能核心团队：

博登智能创始人兼CEO赵捷博士拥有智能机器人专业背景，曾任德国汽车行业Tier1企业核心算法高级工程师，并在智能汽车领域深耕十余年，参与开发多款量产智能驾驶项目（如2019款宝马5系等）；首席科学家赵万磊为厦门大学模式识别实验室教授，拥有多项计算机视觉、图像检索等领域关键科技成果。