一、公司业务概况
公司服务领域包括语音、专业视觉文本大模型以及自动驾驶数据服务等AI产业技术,已服务多家国内外大型客户超过十年。
在自动驾驶领域,公司提供包括数据采集、标注、质检等定制数据服务,并拥有1500多个高质量、合规的数据库产品。
公司开发了一体化数据标注服务平台,在自动驾驶领域占有关键地位,并是最早获得测绘资质的公司之一。
公司注重AI数据服务安全性,并拥有多项资质以保证服务合规性。
二、数据采集与标注
公司在数据采集方面有丰富经验,包括国内外道路及仓内采集,符合严格国际标准。
数据标注经验丰富,涵盖从2D到3D标注,适应了从ADAS到OTC的发展趋势,包括对语义分割需求量的增加。
公司在车道线标注方面投入大量技术和项目资源,能够减少对点云设备的依赖,并提高标注速度。
三、自动驾驶数据服务
公司自动驾驶数据服务的收入占比为15%至20%,未来希望至少维持此区间。
随着大模型上车和量产车落地,数据需求增加,预期营收贡献将上升。
国内自动驾驶客户呈现强者恒强趋势,大主机厂将AI研发预算和计划提升至集团层面,对数据服务商的综合能力要求提高。
端到端自动驾驶算法趋势对数据服务行业是利好,数据量增加,数据标注难度提升,对数据服务商提出更高要求。
四、技术与服务优势
公司拥有丰富的项目管理能力,能够保质保量完成高难度项目。
公司的算法团队能够及时响应数据服务过程中的算法需求,并跟进客户在自动驾驶领域的算法演变趋势。
公司数据服务平台具备项目管理能力,能够保障数据质量。
公司开发了多种模型,包括视频目标跟踪和数据预处理预标注,以提高数据质量和标注效率。
五、财务展望
公司去年财务数据出现下探,但原因特殊且已不再存在。
今年第一季度的收入和利润与去年相比有明显反弹,公司希望保持这种向上的势头。
公司营收90%以上来自两个主要业务维度,其余个位百分比来自与AI训练相关的运营服务。
公司业务包括一次性交付的标准化产品销售和根据客户模型训练需求提供的定制化服务。
六、数据处理与竞争优势
公司在数据处理环节(清洗、标注、结构化等)展示了丰富的平台能力、算法能力和项目管控能力,以及资源激励能力。
公司能够提供高准确率的数据标注服务,尤其是在智能驾驶算法对数据标准要求日益严格的情况下。
车企自己收集的数据在合规的要求下会经过处理,公司能够提供合规的方式提供服务。
公司的平台也会部署到客户现场,或者公司会自建场地,确保场地和客户场地之间的数据处理是安全可靠的。
Q&A
Q1: 特斯拉自动驾驶数据处理的资源投入比例是多少?
A1: 特斯拉将75%的资源投入到数据处理。
Q2: 公司自动驾驶收入占比有何变化及未来预期?
A2: 目前自动驾驶收入占比为15~20%,未来希望至少维持此区间。随着大模型上车和量产车落地,数据需求增加,营收贡献有望上升。
Q3: 国内车厂在自动驾驶投入是否有明显加速?
A3: 国内自动驾驶客户呈现强者恒强趋势,大主机厂更多掌握AI研发主动权,预算和计划提升至集团层面,对数据服务商的综合能力要求提高。
Q4: 端到端自动驾驶对数据标注行业的影响如何?
A4: 端到端自动驾驶对数据服务行业是利好,将带来数据量的增加和数据标注难度的提升,对数据服务商提出更高要求。
Q5: 国内主流自动驾驶是否广泛应用端到端技术?
A5: 国内主流自动驾驶目前尚未广泛应用端到端技术,需求增长尚可控,未来趋势在观察中。
Q6: 公司数据积累的方式是什么?
A6: 公司通过自建包括数据采集、处理等形成标准规格数据集,并在服务客户过程中,若客户同意,可能保留数据所有权。
Q7: 公司的主要业务收入是否以项目为主?
A7: 公司业务包括一次性交付的标准化产品销售和根据客户需求提供的定制化服务,可能涉及数月的项目周期。
Q8: 公司在模拟环境下使用的合成数据与真实数据有何不同?
A8: 公司主要业务以真实数据为主,合成数据可以辅助真实数据,目前主要在理论研究和实验层面,尚未大规模落地。
Q9: 整车厂数据采集能力增强,公司如何形成竞争优势?
A9: 公司看好智能化车辆增多带来的实采数据量增加,因为数据处理和标注是公司擅长且客户需求强烈的服务。公司认为这是上下游合作关系,而非竞争。
Q10: 如果未来整车厂提供更多原始数据,公司在数据处理环节的技术壁垒和优势在哪里?
A10: 公司在数据服务方面构建了技术壁垒,主要体现在平台能力、算法能力和项目管控能力,以及资源激励能力。我们的平台和算法支持高效的数据服务,降低成本并满足行业快速迭代需求。同时,我们在资源和团队管理上的严格要求,确保了数据处理的质量和效率,满足智能驾驶算法对高准确率数据标注的需求。
Q11: 公司如何处理车企自己收集的数据?这些数据是否可以外包给公司处理?
A11: 车企自己收集的数据在合规要求下会经过初步处理后,可以安全地交给我们进行后续处理。我们的平台可以部署到客户现场,或在自建场地进行数据处理,确保数据处理的安全可靠。
Q12: 使用一台车采集的数据是否可以用于其他配置的车型上进行训练?
A12: 一台车采集的数据可以在一定程度上用于其他配置的车型上进行训练,通过校准和数据迁移技术实现。尽管如此,为了获取最有效的数据,各家通常还是会选择针对量产车硬件形态和位置参数进行独立采集。
Q13: 公司对今年的收入和利润有何展望?
A13: 去年公司的财务数据受到特殊原因影响,但这些原因已不复存在。今年第一季度的收入和利润与去年相比有明显的增长,公司希望保持这种向上的态势。