近日，AI 基础架构与数据智能平台服务商曼孚科技宣布，已于 2023 年 9 月完成数千万元 B 轮融资，本轮投资方为安朴资本。所融资金将主要用于 AI 基础设施搭建、大模型标注平台闭环更迭以及数据标注市场拓展等。
近日，AI 基础架构与数据智能平台服务商曼孚科技宣布，已于 2023 年 9 月完成数千万元 B 轮融资，本轮投资方为安朴资本。所融资金将主要用于 AI 基础设施搭建、大模型标注平台闭环更迭以及数据标注市场拓展等。
曼孚科技商业化始于 2019 年，是一家数据驱动的 AI 基础设施平台企业，致力于从数据中获取洞见与价值，并以更精简方式构建人工智能应用，实现 AI 的轻量化与普惠化。
旗下主要产品服务包括：面向数据生命周期管理的数据智能平台、AI 数据中台、AutoLabeling 平台、AutoML 平台以及基础数据服务 (数据标注、数据采集、数据清洗) 等。
凭借从战略到技术落地的一站式数据解决方案，目前已与数百家企业达成深度合作，业务场景涵盖自动驾驶数据标注、AI 数据生命周期管理等。用户包括主机厂、造车新势力、一线科技公司、主流算法公司以及世界顶级 Tier1 厂商等，2023 年营收额预估将实现 3 倍以上持续性增长。
数据定义模型
AI 产业历经多年发展，已逐渐步入技术与商业的交叉点。
算法模型从关注增量的建模改进，转变为强调性能的迭代与优化，以契合商业应用场景对模型质量更为苛刻的要求。
结构化数据已成为 AI 算法模型开发与迭代的基础。AI 强大「理解力」的造就，离不开结构化数据源源不断的输入，和对数据更为精细化的运用。
AI 行业正围绕以数据为中心进行整合，谁拥有数据，谁就拥有模型的定义权。
在细分场景，自动驾驶城市 NOA 热潮兴起。技术范式全面革新下，自动驾驶感知算法向 BEV+Transformer 架构升级，端到端算法解决方案成为主流，推动自动驾驶感知算法从轻量的 CNN 二维感知，到基于 Transformer 四维感知的升维，也催生了数据需求的指数型增加。
自动驾驶在 AI 大模型的助力下迎来临界点。但量变到质变的前置条件是大规模数据的支持——Transformer 大模型质变需要数亿公里标注数据的投喂，并覆盖不断出现的 Corner Case，这对数据量产规模以及自动化水平提出了更高的要求。
自动驾驶的终极目标是完成对驾驶员的取代，但在此之前，数据标注员需要率先被神经网络所取代。
AI 驱动的数据智能平台
随着 BEV+Transformer 技术路线成为新一代自动驾驶感知能力的核心架构，数据闭环能力取代算法范式，成为决定商业量产从 1 到 N 的胜负关键。
而数据闭环的每一步推进都是成本与效率的博弈，低成本 AI 数据量产能力又成为助推数据飞轮的关键。
作为行业领先的 AI 基础架构与数据智能平台服务商，曼孚科技以产品技术为核心驱动力，通过构建 AI+RPA 驱动的数据平台沉淀数据 Know-How 能力，在业内率先实现 AI 数据低成本、无上限、规模化量产。
曼孚科技数据平台核心产品体系由 MindFlow SEED 数据服务平台与 MindFlow AutoLabeling 自动标注平台构成，历经多代版本更迭，现已在 3D、4D 点云数据处理领域，建立起 6-12 个月的技术壁垒。
具体应用场景上，平台支持自动驾驶等场景下 2D、3D、4D 全类别标注，如 2/3D 融合、点云分割、点云时序叠帧、BEV 标注等。
针对 4D 点云标注场景下大规模点云适配渲染问题，曼孚科技自研地图分片与 LOD 大规模点云渲染技术，4D 点云车道线与 4D 点云分割场景均可实现低配置单帧数亿级点云平稳运行。
4D 点云分割标注场景
作为自动化 AI 数据平台，RPA 与 AI 能力的建设是曼孚科技构建技术壁垒的核心。
RPA 能力主要体现在流程自动化以及调度分发自动化等多个方面。而 AI 能力则已深入数据流转各环节，具体体现在：
1）覆盖数据预处理、算法推断至结果精修完整算法链路，已商用静态道路自适应分割、动态障碍物 AI 预处理、AI 交互式标注等数十种 AI 算法标注模型；
2）采用 Backbone+多 Head 算法架构，快速适配不同场景，大幅降低多任务模型研发成本；
3）基于 AutoML 以及自有数据集构建 AI 标注模型，自我驱动完成算法迭代；
4）运用迁移学习、知识蒸馏等方式，基于小批量数据+底层通用大模型快速产出算法模型。
RPA 与 AI 能力的强耦合，赋予曼孚科技以更低人力支出与边际成本，提供更具标准化数据解决方案的能力。综合人效平均提升 80%，数据生产成本平均降低 50%，并实现 AI 数据低成本、无上限、规模化量产。
基于大模型的 AI 自动标注体系
作为引领人工智能新一轮跃迁式发展的全新底座，大模型正走深向实，赋能千行百业。
海量参数带来的容量优势，赋予大模型更强的性能与泛化能力，为数据预处理、数据标注等传统依赖人力的环节，提供了全新的技术解决范式。
目前，曼孚科技已完成自动驾驶数据标注视觉大模型研发。通过引入驾驶数据建立 RLHF，并基于深度学习与计算机视觉构建大模型，可实现复杂驾驶场景下，数据的高效处理与全自动化标注。
曼孚科技数据标注大模型的主要技术特点如下：
1）基于弱监督与半监督学习，通过少量人工标注数据与大量无标注数据，实现对场景物体的高效检测、分割与识别；
2）基于 BEV 多视角融合与三维重建，借助多摄像头、激光雷达等来源数据，自动生成场景物体三维信息；
3）运用迁移学习方式，对不同场景与不同模态下的数据，进行统一表示与学习，提升模型泛化能力与适应性；
4）运用主动学习与交互式学习方式，通过与人工标注过程进行反馈，不断优化迭代模型性能。
上述大模型技术加持下，典型自动驾驶数据标注场景平均效率可提升 4-5 倍以上，引领曼孚科技率先步入自动化数据标注时代。
数据驱动的 AI 基础设施
算法更新迭代的全生命周期内，从设计、训练、评测到仿真等环节均需要海量数据不断输入作为支撑，其中数据标签是整个流程的基础与起点。
如果说互联网时代是对信息流量的搬运，那么人工智能尤其是大模型时代，则是对海量数据的搬运与精细化运用。
在信息流量的基础上，诞生了诸多影响深远的商业模式。AI 时代，任何人也均可使用数据作为「铲子」去探索商业「金矿」。是否拥有质量更高、数量更多的「铲子」，是决定「淘金人」能否真正掌握主动权，淘到金子的关键。
AI 大淘金时代，曼孚科技希望扮演起为「淘金人」服务的角色，以数据为驱动力向 AI 上下游延伸，打造起通用 AI 基础设施。用户可以以更精简方式构建 AI 应用并管理全生命周期，同时也可以更加灵活调整模型构建流程中的每个组件，以得到更契合的需求与分析结果。
在上述愿景指引下，曼孚科技目前已在自动驾驶场景构建起 AI 数据闭环平台，涵盖 DaaS 数据标注平台、数据管理平台、AutoLabeling 平台以及 AutoML 平台等，提供从数据准备到模型应用的端到端解决方案，并延伸至其他 AI 应用场景。
其中，数据管理平台集数据存储、处理、导入导出于一体，通过 SDK 打通数据采集平台、数据标注平台、模型训练平台与生产运营系统等外部平台，借助 AI 与大数据技术加强智能标签、分析报表、场景挖掘与自然语言搜索等功能体验，提高数据使用与管理效率。
而 AutoML 平台则是面向自动驾驶等通用视觉场景的自动训练平台，提供算法模型自动训练与快速迭代功能。可自动优化模型结构、参数与超参数，提升性能与泛化能力，实现零代码一键训练，无人值守。
曼孚科技 AI 基础设施架构
曼孚科技 AI 基础设施解决方案全面覆盖数据层至算法层，既可提供 DaaS 服务，也可提供 MaaS 服务。无论用户规模大小、是否具备 AI 研发能力，只要存在 AI 需求，即可使用曼孚科技提供的基础设施，轻松创建专属 AI 产品，实现从数据到商业价值的转变。
AI For Everyone
独立自研的数据闭环平台、AI 数据量产能力以及对客户业务需求的敏锐洞察，让曼孚科技在不断变化的市场中实现业务超预期增长，数据驱动的 AI 基础设施在自动驾驶等行业验证了应用价值与商业潜力。
下阶段，曼孚科技将继续深耕数据行业，不断完善 AI 基础设施建设。正如 AWS 之于云计算，Snowflake 之于数据分析一样，曼孚科技希望在 AI 行业能以数据构建起通用基础设施，帮助用户以更精简方式训练与部署人工智能应用。无论是初创企业、成熟公司亦或是个人，均可通过简单点击或几行代码享受 AI 带来的便利，实现真正的 AI 民主化与普惠化。
互联网时代，谷歌凭借搜索引擎掌控了互联网流量入口，微软凭借操作系统掌控了 PC 生态链的上游，目前尚未出现挑战谷歌、微软等万亿体量的科技新贵，但 AI 正让一切变得可能。
来源：互联网
