引领数据领域AI工程化落地，为什么会是云测数据？(3)

水到渠成，面向AI工程化的数据解决方案是AI开发服务不断成熟的结果

Gartner在《2022年十二大重要战略技术趋势》认为，到2025年，前10%做到AI工程化最佳实践的企业相对于之后90%的企业，将从AI创新中得到超过3倍的价值，足见AI工程化的重要性。

所以，相关企业寻求AI工程化成为一种必要，也催生出较为广阔的产业链机遇空间。

这其中，随着云测数据推出面向AI工程化的新一代数据解决方案，在对外服务这件事上，数据领域的AI工程化步伐更快一些。在数据方面几乎都有强烈需求的AI企业们，已经可以率先获得整体化的服务。

但是，从云测数据此次发布的解决方案来看，数据方面的AI工程化虽然是某种程度上的蓝海市场，但却并非人人都可以参与进来提供相关的解决方案以获取市场机会，它基于已有的AI开发实践或服务积累，不是凭空而来，是长期的AI工程化实践（但没有喊出这个概念）抽离、整合而来。

以其中的平台工具模块为例，其解决方案有丰富的数据标注工具：

以及一个在流程和逻辑上闭环的数据流转管理体系（通过这个体系也可以对AI工程化究竟做了什么有更直观的印象）：

这两大内容，显然不是一个新晋玩家所能提供的，它们都源于云测数据过去向AI企业提供通用数据集、数据标注平台与数据管理系统等生产工具以及多年的AI训练数据服务的行业成熟经验。

云测数据的主要业务是面向智能驾驶、智慧城市、智能家居、智慧金融、新零售等众多领域提供一站式AI数据处理服务，已经先后推出过“云测数据标注平台”、“AI数据集管理系统”等面向市场的成果，其数据标注精度最高做到了99.99%，曾帮助某自动驾驶车企实现数据清洗、标注工作与原流程相比提升2倍的流转效率。

正是因为过去实现了从“数据原料”到最后的“数据成品”全链条打通，做到场景数据专业化、高质量交付，有足够的技术成熟度和标注经验与管理流程，现在云测数据这样的企业才能够推出面向AI工程化的数据解决方案。

除了平台工具模块，实际上，云测数据的解决方案在保障数据安全模块上的部署，也来自于这种积累——必须在数据质量和交付效率之外保证数据安全，自然就沉淀了安全管理的一套体系，现在可以拿过来整体化输出，既提供了一套安全交付的标准，也包括多个ISO企业安全体系认证。

以安全交付标准为例，云测数据在硬件配置、网络安全、物理安全、人员安全管理上都进行了能力设置，这些能力针对AI开发中涉及数据存储、传输的方方面面，以事先体系化布局而不是事后一个个补漏的方式来规避数据安全风险，而这，就是“工程化”。