艳照门事件完整视频 AI覆按数据耗尽，这宗派据标注公司为何暴涨？

（原标题：AI覆按数据耗尽艳照门事件完整视频，这宗派据标注公司为何暴涨？）

作家 | 耿宸斐

剪辑 | 宋婉心

极品成人故事

“数据标注”是奉陪AI程度降生的进攻的产业链一环。尤其在大模子问世后，数据标注行业范畴极速推广，但跟着大模子迭代，行为就业密集型行业，数据标注又不断被商场重估。

好意思股商场的头部数据标注公司Innodata是这一过程的一个典型缩影。

近一年以来，Innodata股价涨幅高达432%。最新财报骄矜，2024全年Innodata营收同比大涨96.44%，且8家大客户中，有5家来自好意思股七巨头。

不外矜重的基本面挡不住商场预期的调度。DeepSeek发布后，商场对用于覆按的公开数据的需求开动产生怀疑，Innodata股价因此产生波动，尤其在三月，公司股价下落了超30%。

对于这家公司，咫尺商场声息不合较大。

看空者合计在昔时十年中，Innodata仅盈利了两次，因此股价飙升是没挑升义理由的，而看多者则合计，因为大模子咫尺的情况照旧不同，Innodata已将业务样式转向了大模子的数据计帐。

价值重估

数据标注行业的第一次高光时候，是来自自动驾驶的发展。在大模子出现之前，德勤禀报骄矜，2022年自动驾驶领域的标注需求占整个AI下流利用的38%。

而大模子对数据标注的需求栽种到了另一个量级。

“如果不是大模子出现，就算是干成自动驾驶行业数据标注龙头的Scale AI，在2023年之前，其年收入也就1亿至2亿好意思金。而到了2024年，Scale AI全年的ARR展望在12-14亿好意思金，比2022年翻了7倍足下。”有投资者暗意。

大模子行业的Scaling Law表面合计，模子性能与模子参数目、覆按数据量和野心资源议论。以GPT-4为例，其参数目从GPT-3的约1750亿栽种至约1.8万亿艳照门事件完整视频，而覆按数据集的范畴也从GPT-3的几千亿Token扩大到13万亿Token。

业务辘集在数据工程领域的Innodata，吃到了大模子卖铲东说念主的无数红利。

最新财报骄矜，Innodata的最大客户授予该公司价值约2400万好意思元的额外协议，使来自该客户的总年化运营收入达到约1.35亿好意思元。

除了该最大客户以外，来自Innodata的另外七家大型科技公司客户的收入，在第四季度环比增长了159%。

从近期功绩看，Innodata的收入增长显然加快。2024年一至四季度，该公司营收的同比增速分手为40.7%、65.6%、135.6%和126.6%。况且Innodata展望，2025年公司收入增长将进步40%。

不外，如今大模子行业推广期昔时之后，数据标注行业的矛盾照旧开动清楚——行将耗尽的数据难以撑合手模子迭代与与大模子落地等所带来的覆按需求。

Epoch AI的议论算计，自2020年以来，用于覆按大言语模子的数据增长了100倍，且AI覆按数据集的范畴每年翻倍。但是，互联网可用内容每年的增长却不及10%。到2028年，AI覆按数据很可能耗尽。

事实上，数据不及所形成的发展瓶颈照旧是行业中的遍及风景。客岁11月，The Information爆料称，OpenAI下一代旗舰模子Orion改变大幅放缓，一个主要原因恰是高质地覆按数据的贫瘠。

行业共鸣是，咫尺通用数据的供给已接近阔气，垂类数据将是异日AI模子各别化的重要。

DeepSeek淘汰数据标注？

行为好意思股商场上仅有的AI数据标注方向，Innodata的“AI含量”于今仍饱受质疑。

早在2019年，Innodata就声称我方开动实践东说念主工智能和机器学习历程，并将我方划为一家东说念主工智能公司。但客岁2月， Wolfpack Research发布的一份禀报称，Innodata是在拿AI炒作股价，其中枢业务仍是依靠外洋低价劳能源进行基础数据标注，而非自主研发的AI本事。

禀报援用前职工说法，称公司为硅谷客户提供的服务本色是“键盘就业”。

“Innodata的生意样式上等于基于东说念主力外包的数据标注，赚一份血汗钱。和同行的各别仅仅他们干得最久，作念得最大。”有投资者评价，“本事只可让数据标注更快，要让数据标注更好，咫尺只可靠东说念主。”

据智研接头禀报，尽管照旧独特据标注公司斥地了相应的半自动化用具，但从标注比例来看，机器标注和东说念主工标注的比例约为3:7。

Innodata的财报数据也侧面印证了这一实践。仅在2024年第二季度，Innodata就消费了360万好意思元的招聘代理费，这标明公司仍旧很是依赖东说念主力。

业内东说念主士告诉36氪，这主如果由于数据标注的复杂性和各类性，以及不同领域的数据标注条件不同。此外，自动化标注本事在现阶段还存在一定的局限性，如对某些类型的数据的识别准确率不高、对复杂场景的处贤惠商有限等。

但DeepSeek一定程度上改写了数据需求的逻辑。

本事层面来看，通俗而言，DeepSeek禁受的强化学习（RL）本事，让大模子不再需要被不断喂养模子外的新数据，只用模子内已存在的数据即可进行自我覆按。

这一方面镌汰了大模子厂商对数据量的需求，另一方面，全联并购工会信用处治委员会民众安光勇合计，企业出于开源节流的沟通，有可能会倾向于低资本合成数据。这也会在一定程度上冲击Innodata等数据标注企业。

对于DeepSeek冲击的质疑，财报电话会上，Innodata处治层暗意，他们折服，预覆按数据和微调数据对AGI发展而言是无法替代的。

在他们看来，DeepSeek依赖以现存模子数据覆按新模子，会极地面压缩数据，最终导致模子崩溃。

从商场质疑声息来看，Innodata可合手续增长的不笃定性着手于两点，一是数据标注需求是否合手续增长，二是标注使命是否合手续低自动化。

针对前者，科技部国度科技民众周迪告诉36氪，合成数据的适用畛域在于它更稳健于生成新的、用于覆按模子的数据，而东说念主工标注则更稳健对已独特据进行真切的清楚息争读。

尽管合成数据不错提供愈加一致和可控的数据，但在样貌分析和文本生成等需要深度语义清楚的领域，东说念主工标注数据仍具有不成替代性。

另有投资者分析指出，跟着DeepSeek带来的模子部署和运行的资本大幅镌汰，会有越来越多利用层的公司部署我方的大模子，这也会带来额外的数据标注的需求。是以DeepSeek的出现对Innodata至少不会是一个利空。

但针对后者艳照门事件完整视频，这一问题沦为了“鸡生蛋照旧蛋生鸡”的悖论。当商场投资者们质疑Innodata“AI含量”低时，一个可能性很大的异日是，数据标注使命的AI化会领先革掉数据标注公司我方的命。