根据《生成式人工智能服务管理暂行办法》等政策法规并结合业界通用定义，数据标注通常是指对文本、图像、音频、视频等进行归类、整理、编辑、纠错、标记和批注等加工操作，构建满足模型要求且可读的数据编码。
数据标注公司北京恺望数据科技有限公司恺望数据产品项目副总裁张鹏介绍，目前，数据标注以人工标注为主、机器标注为辅。从整个自动驾驶行业的普遍水平看，95%的数据标注以人工为主。
“从哲学上说，信任是有根的。人工智能也必须有起点，这个起点就是人工标注数据。”左晓栋解释说，即使用人工智能标注，那也得由人来教人工智能去标注，“教”的过程只能由人来完成。
“人工数据标注能够最大限度保证数据的准确性和安全性，对于自动驾驶这种高安全性的应用系统而言，是非常重要且必要的。”北京航空航天大学交通科学与工程学院副院长田大新告诉《中国科学报》，目前，人工智能领域通过半监督、无监督、自监督学习方式进行数据标注，但标签信息可靠性尚不能满足自动驾驶的需求，相关技术仍需进一步探索和验证。
他介绍，现在大部分自动驾驶数据由企业、机构通过路采得到。由于各自方案部署和标准使用存在差异，不同数据集间无法实现完全的统一融合。未来，可以通过区块链、联邦学习等技术，在保证各家数据隐私的前提下，在云端实现数据同步和共享。
