本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

面向AI時代生存發(fā)展，什么最重要？

數(shù)據(jù)、數(shù)據(jù)，還是數(shù)據(jù)。

特別是中小企業(yè)、轉型中的廣大傳統(tǒng)企業(yè)，數(shù)據(jù)、優(yōu)質數(shù)據(jù)，尋找并管理數(shù)據(jù)，更是剛需中的剛需——就像互聯(lián)網(wǎng)開發(fā)時代里對代碼共享和管理的需求那樣。

所以如果有面向AI時代打造一個數(shù)據(jù)方向的GitHub，是不是契合剛需痛點？

這不，還真有AI創(chuàng)業(yè)團隊這么做了。

而且看好的人中，還有個叫陸奇的big name.

GitHub for Data

出品者，格物鈦。

一家AI數(shù)據(jù)托管和數(shù)據(jù)協(xié)作SaaS提供商，創(chuàng)始團隊也都是一線技術工程師，深諳當前痛點所在。

一方面，AI數(shù)據(jù)準備與工程任務所耗費的時間占到了大多數(shù)AI項目的80%以上。在AI訓練中，如果沒有足夠的高質量訓練和測試數(shù)據(jù)集，則很難訓練出高質量的AI模型。

因此，面對AI開發(fā)過程中的高額隱性成本，提供高質量、場景化的真值數(shù)據(jù)，已經(jīng)成為AI產(chǎn)業(yè)鏈的核心訴求之一。

另一方面，人工智能依賴大量的數(shù)據(jù)作為“思考”和“決策”的基礎。以往企業(yè)對數(shù)據(jù)開放的態(tài)度普遍較為保守敏感，然而伴隨著各類AI應用場景落地的技術難點逐漸浮出水面，以無人駕駛領域為例，許多駕駛場景具有稀缺性，僅憑一家之力構建包含所有的交通場景的數(shù)據(jù)集將消耗巨額的數(shù)據(jù)采集成本，并且很難在短時間內一步到位。

于是格物鈦的目標，就是希望可以加速打破人為壁壘，讓更多優(yōu)質、龐大數(shù)據(jù)用開源共享的方式，實現(xiàn)合作共贏。

就像GitHub在代碼領域發(fā)揮的基礎設施作用一樣，AI數(shù)據(jù)領域，現(xiàn)在緊缺這樣的基礎設施。

而且隨著AI落地深入，另一個現(xiàn)狀和事實愈加清晰明確：

AI落地的現(xiàn)實世界中，只有一小部分機器學習系統(tǒng)由機器學習代碼組成，但其所需的周邊配套基礎設施，龐大而復雜。

其中，數(shù)據(jù)、數(shù)據(jù)集，就是最關鍵的一環(huán)。如果進一步聚焦于國內，還會發(fā)現(xiàn)適配AI項目落地的真值數(shù)據(jù)，更是稀缺。

有統(tǒng)計顯示，如今國內有近60萬AI開發(fā)者，但面臨的現(xiàn)狀是：

• 開源數(shù)據(jù)集普遍海外化，匹配性有限；
• 下載解析難度大，效率低；
• 數(shù)據(jù)參差不齊，質量難保證；
• 最核心的是針對中國本土化的數(shù)據(jù)匱乏。

這也進一步造成70%以上企業(yè)，數(shù)據(jù)共享難、數(shù)據(jù)版本管理混亂、數(shù)據(jù)可視化標簽轉換難，缺乏非結構化數(shù)據(jù)專業(yè)管理的共享協(xié)作平臺。

所以擺著格物鈦眼前的，只剩下一個問題：

How？

尋集令

顧名思義，尋找數(shù)據(jù)集。

分兩步走。

第一步，跟AI業(yè)內先鋒公司合作。

共同打造集合自動駕駛、互聯(lián)網(wǎng)泛娛樂、新零售、智慧城市和在線教育等AI商業(yè)落地最迫切的AI公開數(shù)據(jù)集生態(tài)聯(lián)盟。

俗話說就是開個頭、打個樣，看到價值，就會有更多企業(yè)和組織加入。

在尋集令發(fā)布會上，元戎啟行、新石器、速騰聚創(chuàng)、覺非、愛馳汽車，酷家樂等等都“站”臺支持。

格物鈦方面稱，星星之火可以燎原，希望從尋集令第一槍開始，打造中國最具規(guī)?；姆墙Y構化數(shù)據(jù)集平臺。

類型上，全面覆蓋圖像、視頻、語音和文本類型。

資源上，兼具公開數(shù)據(jù)集以及AI頭部企業(yè)數(shù)據(jù)集資源。

領域上，則從商業(yè)落地最緊迫的自動駕駛、互聯(lián)網(wǎng)泛娛樂、智慧工業(yè)、新零售、線上教育和直播等開始。

此外，希望這個數(shù)據(jù)集平臺，可以成為GitHub一樣受開發(fā)者歡迎的社區(qū)，并且提供更多極致的數(shù)據(jù)集管理體驗，包括安全等等題中之義的要求。

實際上，雖然國內一直缺乏這樣的數(shù)據(jù)集開源平臺，但并不意味著業(yè)內沒有嘗試。

之前創(chuàng)新工場聯(lián)合國內頭部AI公司發(fā)起AI Challenger大賽，百度、騰訊、華為、字節(jié)跳動等公司也都有數(shù)據(jù)集為核心資源的挑戰(zhàn)賽。

只是始終，缺乏一個“全職”展開這件事的人。

而數(shù)據(jù)集之重要，AI從業(yè)者都應該很清楚。

比如假設沒有ImageNet，那這波AI復興應該還不會如此狂飆突進，是李飛飛李佳等華人科學家在數(shù)據(jù)集上的努力，加速催化了浪潮復興。

另外，數(shù)據(jù)集也能推動產(chǎn)學研更加緊密地合作，資源如果能更方便被利用，或許就會有更多力量加入其中，也就更有機會幫助實現(xiàn)該領域算法的提升和優(yōu)化。

說白了，公開共享數(shù)據(jù)集，就像是發(fā)起了一場打擂，產(chǎn)學研領域的各方高手，既是自我檢測算法，也能不斷讓數(shù)據(jù)集所在場景，得到更高更強的推進。

所以從這個角度，或許也不難想見，為啥能得到陸奇的支持。

在奇績創(chuàng)壇的Demo Day上，這個項目就被重點介紹過，而且陸奇還親自“站”臺為尋集令作了致辭。

總而言之，好事一件，且終于有人做了。

誰做的？

最后也介紹下格物鈦背后的創(chuàng)始團隊，核心成員都是技術出身。

創(chuàng)始人及CEO崔運凱，Uber無人駕駛團隊早期員工，長期從事人工智能研究和產(chǎn)品化, 經(jīng)歷Uber無人駕駛從50到1500人的成長。Uber無人駕駛部門最年輕的Tech Lead，第一個華人Tech Lead。

其他兩位聯(lián)合創(chuàng)始人，陳麒任，Snapchat早期員工，聊天系統(tǒng)、游戲系統(tǒng)的核心開發(fā)者和技術負責人。有多年分布式系統(tǒng)軟件開發(fā)經(jīng)驗。主導開發(fā)snap游戲平臺，是snap的未來重要盈利方式。

王廣宇，阿里巴巴本地生活服務公司（餓了么），高級產(chǎn)品專家。攜程度假事業(yè)部當?shù)叵驅脚_產(chǎn)品負責人，完成平臺從0到1，從1到100的搭建，實現(xiàn)了平臺的年3倍增長，為公司帶來過億的營收。