獲數千萬元A輪融資，從數據標註延伸到中台、AI建模

從數據標註到模型訓練迭代的一站式服務。

36氪獨家獲悉，「倍賽BasicFinder」已完成數千萬元A輪融資，由五嶽資本和Talkingdata投資。

36氪此前多次報道「倍賽BasicFinder」，公司註冊成立於2015年，靠數據標註工廠起家——將打字員改造成數據標記員，通過自營模式保證服務質量。後來公司收購了眾包模式起家的「丁火智能」。

過去一段時間，公司的發展在兩塊：

一方面，數據標記是個重人力的勞動密集型行業，關鍵點就在於——提升人員效率、交付質量。另一方面，BasicFinder重點發力技術平台，輸出AI基礎設施的全流程產品。

「當數據任務量大時，比如標記百萬級圖片，可能需要200人/月。此時人員的配合管理很是關鍵，所以，BasicFinder主要在優化系統。」這是倍賽BasicFinder創始人兼CEO杜霖在2018年接受採訪時表達，從前端採集，系統預處理，輔助標記，到監控數據集，產出模型等，BasicFinder自研發的系統不僅要通過工具提高人工標記的效率，而且更適配於企業對AI數據的全生命周期管理需求。

如今，倍賽BasicFinder已經形成標準化產品向外輸出，主要包括3大體系：

1、BasicFinder HIVE數據標註系統——從企業的任務發布開始，HIVE系統可以起到管理任務的作用，到標註人員使用過程中，HIVE則有一系列工具集用於提高人員效率。

2、BasicFinder DATA AI數據中台——標註完的數據，包括企業的其他數據，都可以集中在該平台上存儲、管理。該平台有一套檢索許可權機制，可以用於之後的數據建模。

3、BasicFinder PLAT建模平台——利用基於Docker技術，倍賽給企業做了一個建模環境，可以私有化部署在企業內部，前面流程中標註的數據，可以選取有效的直接到該平台上訓練。優化的結果，再反饋給標註平台。

從1到2，是幫企業從單一數據到全數據，整合數據中台的邏輯，再做到3，則是縱向延伸，從底層數據到上層建模的邏輯。從而，倍賽BasicFinder可以實現從數據標註到模型訓練迭代的一站式服務。

杜霖表示：「通過BasicFinder PLAT模型訓導平台訓練出的模型可以分為兩個方面進行部署，一方面應用於現實場景識別；另一方面部署為預標註模型。最終，將預標模型和現實場景收集的數據分別接入BasicFinder HIVE數據標註平台。作為數據流轉的原始起點，BasicFinder HIVE在新循環中將應用之前導入的預標模型，對新補充的數據進行智能預處理，然後人工復標，以確保數據準確性。標註完成數據版本化後流入數據中台BasicFinder DATA，之後再將數據掛載至BasicFinder PLAT模型訓導平台，進行模型迭代和升級。整個過程降低了數據集的版本控制、存儲和傳輸成本，也相應地縮減了模型周期性迭代成本，所以可以促進AI項目的快速落地。」（如下圖）

「而PLAT模型訓導平台，實質上相當於一個模型計算的容器管理系統，也可以理解為模型孵化器。該平台能夠管理調度企業的GPU等計算資源，實現一鍵導入數據、配置計算環境及部署模型，提升AI工程師研發效能，降低企業AI算力調度和管理成本，同時保障數據資產安全。」

來源：36氪

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！