沙漠探險命懸一線卻獲風投 他憑1000業務員手持老鍵盤人工清洗標註數據

◆杜霖喜歡冒險，曾孤身一人駕駛一輛二手柴油版寶馬320D橫穿了整個南非。

文| 鉛筆道記者羅正臣

►導語

杜霖猛灌了幾口紅牛，瞪著泛著血絲的雙眼，透過玻璃窗看了一眼數據工廠（以人力完成數據整理錄入的工廠）的業務員們。凌晨兩點，工廠內業務員的手指仍在鍵盤上翻飛，他撓了撓頭，重新坐回桌子前敲起了代碼。

那是2015年12月，杜霖的BasicFinder接了一個有關數據採集任務的大單。他們作為數據工廠上游，正在著手優化工廠工作流程管理系統。

BasicFinder是一家專註於大數據採集、清洗加標註的服務商，其主營產品是一套幫助連接客戶與下游數據工廠的SaaS管理系統。在這套系統上，客戶可以根據自身需求在沙盒（一種受限的安全環境系統）中提出任務定義需求，併發送給BasicFinder，公司匹配數據工廠后，工廠會將客戶提供或自身採集的數據處理后，返還給客戶以完成後續人工智慧研發工作。

現階段，公司已於2015年9月及今年3月分別完成天使輪及Pre-A輪融資，目前客戶包括科學院、搜狗、雲知聲等B端企業。

注: 杜霖承諾文中數據無誤，為其真實性負責，鉛筆道已備份錄音速記，為內容客觀性背書。

2014年10月的某日下午，新疆庫木塔格沙漠，太陽是那麼毒，以狂沙為伴，地表溫度讓僅有的水汽都化作了虛影。

杜霖和朋友，一輛路虎衛士，一輛陸地巡洋艦，靜靜地停在垂直深度200米的「好漢鍋」（該巨坑因形似一口鐵鍋且探險中難從中脫險故得名好漢鍋）內，在他們旁邊就是數年前環塔拉力賽中一輛價值上百萬的賽車殘骸。

因為賽車無法從深坑開出，嘗試幾次后，老闆曾一氣之下用一桶汽油將那輛極盡奢華的改裝車付之一炬。

從「好漢鍋」逃出生天只有一條路，車輛缺一點速度都會以失敗告終。

◆BasicFinder合作的一家數據工廠內部

杜霖他們也遇到了同樣的窘境，車開不出去了，接連幾次嘗試都以失敗告終，而他們攜帶的水馬上要沒了。下午4點的太陽照射著沙粒，杜霖和朋友的嘴唇都已乾裂，他們想到了用衛星電話呼救。

兩人不服命，決定拚死一試，遂將陸地巡洋艦的空氣濾芯摘除以加大引擎進氣量。接著兩人扔掉了大量繁重裝備，冒著爆缸的危險，終於從那一條生命之路將車開了上去。躍出巨坑的一瞬間，兩人不禁歡呼擊掌，也許是這次共同死裡逃生的經歷，朋友決定為杜霖投資一筆數百萬元的創業風投金。

彼時杜霖剛剛從南非歸來不久，前兩次工作經歷雖已讓他衣食無憂，卻總想繼續挑戰生活。獲得朋友給予的風投金后，他瞄準了大數據領域，決心再次創業。「大學上是上海交大ACM尖子班學院，學的是計算機，後來又從事了TMT領域風投工作，覺得創業還是靠近本專業一些好。」

但決心創業的他並沒有從一開始就想好方向，只知道人工智慧和機器學習領域會爆發出一波機會，所以他盯上了大數據領域。「將來人工智慧的發展離不開大數據作為燃料，所以大數據一定在將來可以打出一片天。」

2015年杜霖註冊了北京深度搜索科技有限公司，直到之後的一場飯局，他才摸索出了公司前進的方向。

杜霖早早來到朋友家等著這場陌生的飯局。朋友向杜介紹，飯局上另一人從事的是敲鍵盤生意。「我當時想，現在公司是缺程序員，但也不缺敲鍵盤的啊，他們做的事情又和我們無關，便沒太在意。」

酒過三巡，菜過五味，那位陌生朋友邀請杜霖第二天去拜訪敲字工廠，借著酒勁杜應了下來。第二天，兩人驅車來到了位於上地的車間，打開廠房門一瞬間，杜霖愣了。

近千平米廠房內，有300余名身著白色大褂的員工在噼里啪啦敲打著手中的鍵盤。清一色老式的機械鍵盤，讓啪啪的打字聲組成了一首協奏曲，讓杜霖聽著入了迷。朋友告訴他，這個工廠是在以人力的方式，完成著文字數據整理和錄入工作，訂單來自世界各地，甚至有人在將400年前的古德國族譜敲入文檔中。

大數據是人工智慧這枚冉冉升起的火箭中的燃料，它為後續包括深度學習、機器視覺等多領域提供可供分析的素材。數據量越大，人工智慧模型則會被訓練得越加聰明。大數據作業可簡單分為數據採集、清洗、標註、建模等幾環流程，其中清洗、標註尤為困難。清洗與標註的質量，直接決定交付數據的質量和最後人工智慧訓練模型的結果，所以杜霖決定以此兩環節切入市場。

就在一瞬間，杜霖猛地意識到，這家工廠可以轉型成為大數據發動機。「如果他們能夠人工標記、清洗數據，則會提高數據質量，從而提高數據使用者工作效率。」

杜霖隨後想到了可以依託該數據加工體系，創建一套服務平台，將客戶、數據加工廠撮合成一條鏈條，並完成標準化管理。「現階段AI數據需求方無法在系統中準確定義數據處理任務，即使定義好了也沒有一套高效的標記清洗工具，以至於數據無法通過最終的評鑒環節。」

數據工廠的存在則可以有效以人力去標記和清洗數據，保證最終評檢環節過關率。而國外Amazon mTurk雖已有類似服務，卻因為雇傭低質量兼職外包工作人員（1美分/Task），使數據無法完成最後評檢環節。

想到此，杜霖決定研發一整套名為BasicFinder的大數據任務管理監控平台，並與朋友的數據工廠結成戰略合作關係。「我們會將大數據從任務接收到交付的全流程劃分成模塊，讓專職員工負責標記、清洗等工作。」 在數據作業的過程中，BasicFinder平台將會分級賦權給員工及管理者，方便他們對數據進行糾錯和檢驗。

其系統工作流程如下：

2015年9月，杜霖正式帶領團隊研發BasicFinder系統，沒想到這一套系統研發竟用了2年時間。

「這套系統難在應對各B端用戶時，要耗費長時間溝通準確需求。」 而提高與各客戶之間的溝通效率的方法，在於梳理出針對各行業的模板。

以公司為從視頻標記人體骨骼點的項目為例，數據工廠會將客戶提供的影像數據打散成幀，清洗掉沒有人或不滿足標記要求的人體圖像，並將符合要求的人體圖像完成Bounding Box標記。在完成Bounding Box標記后，數據工作人員會對篩選清洗后的數據實現14位標點處理，生成客戶所需的最終數據。

「在這個過程中我們需要反覆確認客戶的需求，而製作出的通用模板可以滿足同類型的標記任務。」當客戶發布任務的時候，他們可以通過系統沙盒選擇標記工具，根據需求可選擇Bounding Box或輪廓等標記模式。

一套模板的建立時間從數日至數月不等，目前共15人的BasicFinder團隊已梳理出100余套可用模板，幫助客戶選擇適合的作業模式及工具。

為高質量完成B端客戶的任務，BasicFinder增加了業務員培訓服務和提高了評檢力度。公司會為數據工廠招收有一定電腦操作基礎的大中專畢業生，並施行1個月的培訓，最終以70%淘汰率為項目匹配工作業務員。「因為人口紅利，以標記12萬圖像的Bounding Box任務為例，我們的價格比亞馬遜便宜20%，比國外專業數據標記公司便宜50%以上。」

◆數據業務員在用20年前的機械鍵盤操作數據標記。

在任務最重的評檢環節，BasicFinder則加入了抽檢和客戶檢驗等不同檢驗模式。「得益於產品的分級賦權功能，抽檢員則可以設置不同抽檢比例，將錯誤標記后反饋給管理員再由管理員反饋各業務員完成修改。」

據悉，現階段BasicFinder在國內共擁有12家合作式數據工廠，共1000余位標記員。產品將於今年9月正式上線，公司已與搜狗、雲知聲、創新工場達成合作，並為喬治亞理工、加州大學伯克利分校、普林斯頓等美國大型實驗室提供數據清洗標註服務。

杜霖表示，現階段推廣仍然靠口碑傳播。公司旨在今年下半年產品發布后，以參加展會及地推的方式完成推廣業務。

BasicFinder已於今年3月完成Pre-A輪融資，現階段正進行A輪融資，計劃融資2000~3000萬元。

編輯薛 婷 校對吳曉宇

如需轉載文章請聯繫鉛筆道微信客服號鉛筆道大芯芯（微信id：qianbidao2017）獲取授權資質，否則我們將依法追究相關責任。

閱讀完莫急走

長按識別圖中二維碼，或點擊「閱讀原文」，即可報名金芯計劃。