数据标注是为图像、文本、音频等样本添加标签的过程，也是开发人工智能系统的关键步骤。AI系统通过将标签与特定数据关联来学习预测，例如区分不同类型的合同并推断未见过的案例。
标注属于劳动密集型工作，传统上依赖零工平台完成。随着AI训练需求激增，围绕数据标注及工具的行业迅速兴起。
Dataloop获3300万美元B轮融资
初创企业Dataloop今日宣布完成由诺基亚增长伙伴（NGP）资本和Alpha Wave Global领投的3300万美元B轮融资。该公司致力于开发自动化数据准备软件与服务，旨在缩短AI系统开发周期。
Dataloop CEO Eran Shlomo表示，他与联合创始人兼CPO Avi Yashar曾在英特尔共事超13年，后共同创立Dataloop；第三位联合创始人Nir Buschi在加入前曾担任科技公司高管及VC支持企业的业务拓展负责人。
平台功能升级与非结构化数据管理
Dataloop最初聚焦计算机视觉和视频分析标注，现已扩展至文本、音频、表单及文档数据处理，并支持客户集成自定义应用。
平台近期新增针对非结构化数据的管理仪表板，提供数据版本控制、元数据搜索工具以及查询语言，用于数据集查询和样本可视化。
Shlomo指出，标注本质是人类向机器编码知识的过程。AI应用的核心目标是创造“数据飞轮效应”：产品优化带动用户增长，进而产生更多数据反哺产品迭代。
市场竞争与行业挑战
Dataloop面临Scale AI（融资超6亿美元）、Labelbox（软银领投超1.1亿美元）以及谷歌、亚马逊、微软等科技巨头的激烈竞争。目前，Dataloop已在零售、农业、机器人、自动驾驶及建筑等行业拥有数百名客户。
然而，数据标注仍存重大挑战：
- 一致性与偏见：MIT研究显示标注高度不一致可能损害AI准确性；标注者自身偏见（如对非裔美国人英语的误判）可能导致算法歧视。
- 薪酬偏低：据报道，ImageNet标注员中位数时薪仅2美元。
Shlomo认为，标注员薪酬不足是市场失灵，人才对生产力影响巨大。关于偏见，他称之为“初级偏见”，源于开发者提出的问题及指令设定，需行业和监管机构解决，仅靠技术无法根除。
截至目前，Dataloop累计融资5000万美元，现有员工60人，计划年底前增至80人。