雷锋网 AI科级评论按，深度模型在机器学习很多领域都取得了巨大成功，但也对算法的原材料训练数据提出了更多的要求。对于研发高水平的算法，数据的高质量采集、清洗、处理等等对算法效果会有直接影响。

在近期雷锋网 AI研习社的线上分享会，来自 BasicFinder 标注平台的数据科学家吴昊为大家介绍了数据规模、数据质量等与深度学习算法之间的关系，以及为算法做数据准备的一些经验。

吴昊，本科毕业于上海交通大学，硕士毕业于纽约大学，现任 BasicFinder 标注平台数据科学家，专注于数据众包策略研究、深度学习模型数据采集与标记方案咨询及优化。

分享内容：

大家好，我叫吴昊。本科毕业于上海交通大学，研究生毕业于纽约大学。我之前做过两年左右的算法研究工作，我们公司 BasicFinder 平台主要提供一些数据方面的服务，包括采集、标注、清洗、其它别的加工等等。我今天分享的主题是AI数据面面观。

下面是今天分享的目录，分为四部分：

数据规模

数据质量

无监督学习与迁移学习

做算法研发在数据准备方面的注意事项

数据规模

先看数据规模，数据规模与算法模型的容量其实是比较相关的。算法模型的容量越大，就意味着算法能表示相对来说更复杂的关系。

当数据规模相对过大时，在训练过程中容易产生欠学习（underfitting）。另一方面，在数据规模相对过小的情况下，就会产生过学习（overfitting）。

近年来流行的深度学习模型可以拥有非常大的容量，模型中普遍用的神经网络算法，层数可以增加，每层神经元个数可以增加，那么模型的表达能力也会增加。下图是一个例子。此外学术界也会做一些新的研究来增加模型的表达能力。另一方面得益于GPU，比较复杂模型的训练也会比以前快很多。

现在有一个问题，数据更多的话效果就会更好，那么究竟有多好呢？Google的一遍论文解决了这个问题。

这个数据集是ImageNet的两百多倍。随着数据集里样本数量的增多，在COCO上的结果比用之前的数据集至少高出三个点，而在算法的其他方面都没有太多变化。可以看到数据规模的增大对算法的效果提升还是比较明显的。

在工业界，数据规模更容易成为算法研发的关键因素。如果有更多的数据，就可以使用容量更大、更复杂的模型，得到效果更好的算法。当数据大到一定程度，数据和算法之间可以进行反复迭代，形成壁垒，为公司提供竞争力。

数据质量

数据质量会影响算法效果。

对于质量一般的数据，比如经过爬虫得来的数据，经过清洗、处理后，算法效果会有明显提升。如果数据质量已经很高了，再去提升数据质量，算法效果的提升比较有限。

另外还要考虑到成本和收益的权衡问题：想获得质量更高的数据，成本也会更高。

接下来讲一下对数据质量的评估。数据质量评估主要包括两个方面，一是原始采集数据质量，二是数据标注质量。

下面是对原始采集数据质量的评估：

图像、视频：分辨率，清晰度，光照，色彩等

语音：清晰度，背景音等

文本：是否自然语言，是否专业，与主题相关性等

下面是对数据标注质量的评估：

标注正确率（类别数据）

标注精确度（坐标、时间点、个数、文字等）

标注完备性（是否漏，是否重复）

标注一致性（前后规则是否一致）

人工标记的大规模数据一般都会含有噪声，一些经典数据集也含有噪声，例如人脸LFW、MS COCO等，这是不可避免的，不过在可以接受的限度内就行。

无监督学习与迁移学习

接下来谈一下无监督学习与迁移学习，迁移学习已经有一个比较大的数据集作为基础了，再用人工标注一小部分新数据。

对于无监督学习，基本上不需要人工标注，主要是学习数据本身的分布特性。比如说聚类算法，就是试图找出数据集中分布的中心，所以不太需要人工标注。

目前工业界相对来说比较好的结果还是通过监督学习而来，很多都需要大量人工标注的数据。无监督学习和迁移学习在未来还是有待学术界研究，以望更大的突破。另外，在未来数据规模进一步提升的情况下，无监督学习和迁移学习会有更多的用武之地。

数据准备方面的一些经验

最后介绍我们在开展业务中的一些经验。

数据准备最开始是数据获取，数据的获取也分为几种情况，比较常见的是互联网公开获取（公开数据集、爬虫等），除此之外还有专业数据采集。在专业数据采集时，需要考虑采集方式：一是采集内容、采集规模、预算；二是采集过程要尽量与实际使用场景相一致；三是要考虑对数据集的要求，比如多样性；四是采集是否涉及隐私、个人权利如肖像权、著作权等。

最后还有采集时间的要求。

然后是数据清洗。采集来的数据很多都需要清洗，例如爬虫、监控视频等。

数据清洗之后就要进行数据标注，标注的规则要尽可能地详尽、清楚，需要给出文档和例子。专业的标注过程，一般有试标阶段，这个阶段需要详细了解并确定需求。此外，在试标和正式标注过程中也会遇到不确定的情况，需要及时进行沟通，否则可能会影响到整体标注质量。

对于数据标注的方式，以及最终的输出格式，都需要算法研发人员来制定，有可能的话还是尽量使用常见的方式和格式。

数据标记完之后就是数据审查。做审查主要参考对数据质量的要求（正确率、精确度、完备性、一致性等）。审查方式有抽查、排查特殊指标、利用某些特征排查异常值这几种。

结论如下：对于算法来说，数据越多越好、越广越好、越准越好。在现有的情况下，监督学习的效果优于无监督学习/迁移学习。

雷锋网 AI科技评论。

人工智能公司涌现，产生了海量采集标注需求，Tractica预测，2024年人工智能市场规模将增长至111亿美元。但AI要真正发挥作用，优质的数据必不可少，美国国际数据集团的报告中显示，到2022年，所有数据中将有93%的数据是结构化数据，这些结构化数据都需要结构化标注。所以前端的数据采集、标注环节单拎出来成为了新的机会点。

目前这个赛道上，成立久的有“数据堂”，早期公司有获得明势资本 Pre-A 轮融资的“爱数智慧”，完成天使轮融资的“泛涵科技”，获得两轮融资的 BasicFinder，“丁火智能”也是赛道上一员。

丁火智能完成任务的流程是标注-复核-全检。标注任务众包，兼职方多为学生、家庭主妇、白领等，他们前期接受考核培训，根据准确率不同会获得相应权限。系统自动分发任务，准确率高的人被挑选出来作审核人员。数据交付前要复核和百分百全检，目前复核的准确率超过98%，全检的错误率能控制在5%之内。多以接图片为主。

丁火智能标注仍然以人力为主，并没有使用机器标注。在 CEO 晋明会看来，标注效果怎么样最终还需要人来审核，在人力成熟的条件下，机器只是降低成本的工具，在目前来看，还没到引入机器的地步。机器标准会越来越好，对一些创业公司来说也是机会，但这个机会是属于人工智能公司的机会，算法不断产生结果，人力判断反馈给算法，所以最终来看还是机器辅助人。

安全性方面，丁火智能会和企业签署保密协议、按照客户要求把数据部署在客户的服务器上，或者是自建标注平台。

收费模式上，丁火智能分任务类型收费，比如六分钱一个框、两毛钱一个轮廓等。抽佣比例在10%-20%，公司已经盈利，每月收入在10万元以内。

做数据标注本身的门槛并不高，主要考察的是最后数据的标注质量。丁火智能在管理机制上建立了一套质控体系，通过这套体系将人员筛选出来，正确率高的就做更高级的任务，正确率低就直接被淘汰。

CEO 晋明会告诉36氪，丁火智能和同行的差异在于，同行的流程是平台-团队-个人，丁火智能是平台-个人，个人通过一套指控体系在内部分化成普通标注人员和审核人员，实际是线下行为在线化，比如整个考核-标注-质检都是线上完成，同行更偏向线下行为。线上的好处就是沉淀数据，知道谁做的好，谁做的不好。从这点来看，丁火智能也可以说是从数据标注切入的线上人力平台，将来线上人力会有自己的评判标准和评判体系、以API的形式输出出去，而这些人力是已经被丁火证明过的优秀的人力，可以应用到更广的范围。

国外做数据标注的也分两类，一类是众包方式，比如 Mturk（Amazon旗下） 、Spare5在2017年1月获得了 Google 和 Intel 的$1400万投资，累计融资$2725万， CrowdFlower 在2017年6月获得了Microsoft 和 Salesforce 的$2000万投资，累计融资$5800万，这类厂商速度快价格低，但质量无保证；第二类是全职方式，比如 ScaleAPI2017年5月获得了A轮投资$450万，质量高，但是速度慢价格高。

丁火智能团队目前有3个人。CEO 晋明会硕士学历，负责产品策划、 运营、iOS开发及商务拓展，六年产品经验，五年创业经历；CTO 徐武有十年开发经验，七年创业经历，精通PHP、Python和Java等语 ，负责后台架构、网页及安卓开发。；设计总监徐志诚有六年网页设计经验，五年App设计经验，主导设计过 一个网站、四个App和四套基于微信的商业化系统。

尽管奥迪A8已经在全球范围抢到了"首个L3级别自动驾驶量产车"的彩头，但对于国内消费者而言，凯迪拉克仍然有着目前最优秀的驾驶辅助系统。

作为一套定位于L2级别的驾驶辅助系统，凯迪拉克超级智能驾驶系统首次允许驾驶员在系统工作时双手离开方向盘，从而在充分保证行驶安全的前提下，极大提高了人们在使用这套智能驾驶系统时的舒适体验。而高精地图作为这套系统的核心技术之一，也在自动驾驶的商业化之路上崭露头角。

实际上，对于高精地图在自动驾驶，特别是L3以上级别自动驾驶系统中的必要性，业内早有共识。从技术上说，高精地图数据能够为车辆带来突破传感器探测范围的"超视距感知"，并且可以与传感器识别的信息进行比对，从而实现高精准的定位，保证安全，成为一道必不可少的安全冗余方案。拿凯迪拉克来说，在这套系统中，高德地图提供了覆盖国内高速公路的高精地图数据，累积数据里程超过32万公里。

然而，高精地图方案有一个最关键的问题，就是数据鲜度。当道路发生变化，地图如果无法做到及时更新，就无法真正发挥作用。可以想见，在日新月异的国内建设速度下，当自动驾驶的应用场景从高速公路逐渐扩大到普通道路时，这样的问题将变得愈发频繁，不可避免。

在这种背景下，高精地图的众包方案应运而生。具体而言，就是把地图更新的任务交给道路上行驶的大量非专业采集车辆，利用车载传感器实时检测环境变化，并于高精地图进行比对，当发现道路变化时，将数据上传至云平台，再下发更新给其他车辆，从而实现地图数据的快速更新。

高精地图众包的思路并非国内独创，却成为国内地图领域初创公司的创业方向和"标准"解决方案。究其原因，倒不是因为众包方案"大家帮助大家"的理念带有强烈的互联网时代气息，而是相比传统的地图自主采集模式，似乎能够省去高精地图采集车这一动辄百万元级别的前期投入，而且也在一定程度上得以回避采集资质的问题。这对于在资金、资质、数据积累方面都不占优势的初创地图公司而言，似乎成了颠覆高德、四维等现有地图厂商，实现自动驾驶领域弯道超车的最佳选择。

然而事实真的如此么？在笔者看来，答案是否定的。正如前文所述，众包采集解决的核心痛点是地图"鲜度"，即及时更新问题。而一张符合自动驾驶要求的高精地图，除了鲜度之外，还有一个重要维度则是数据的精度。事实上，对高精地图而言，只有在精度满足要求的基础上谈鲜度才有实际意义，否则只是空中楼阁，无法真正实现商业化的应用。

也正是因为如此，目前包括谷歌、HERE在内的全球各大图商，都建立了有专业采集车组成的自主采集队伍。据了解，一辆高德高精地图采集车的成本达到800万元，配备两个高频单线激光雷达、6个工业级摄像头、一个GNSS天线，以及IMU等设备，是目前国内精度最高的高精地图采集设备，能够实现相对精度在10cm之内。四维、百度的高精地图采集车也都在百万元量级。显然，这是单纯依靠摄像头提供视觉方案的众包模式所无法实现的。

即使抛开精度，单纯聚焦在众包采集上，目前的初创地图公司，似乎也并不占优。众包方案的"众"，不仅代表数量，更代表维度。也就是说，能够提供众包数据的来源越多，众包数据的可靠性就越高，也就能够有效避免单一数据源带来的误差。

而传统图商在地图、交通、汽车等领域的长期经验，使得其在相关资源获取方面更具优势。比如，高德地图不久前对外公布了高精地图发展路线，下一阶段的重点就是在实现了精准定位的基础上，为自动驾驶提供动态、实时的数据服务，比如动态交通信息、智慧红绿灯等交通设施信息、施工等临时或突发信息等。而提供这些实时信息的背后，是高德与政府交管部门长期深入的合作关系、是阿里巴巴物流体系下每天行驶在全国道路的物流车，这都是初创地图公司所不具备的条件。即使未来国内测绘政策能够允许一般社会车辆参与众包数据采集，传统图商与车企之间紧密的合作关系，也让他们在这场竞争中更具优势。

众包采集作为实现高精地图鲜度的"终极"解决方案，将随着自动驾驶技术的推进而发挥更加重要的作用。不过，在仰望星空之前，脚踏实地做好一张的高精地图"底图"，也许才更有现实意义。

从2018年年初几起金额巨大的投资案开始，自动驾驶行业一路甚嚣尘上。可在高阶自动驾驶基础设施尚未达标的当下，头脑始终保持清醒的投资圈率先回归理性，不再执着于L4级别自动驾驶解决方案，转而向行业内普及推广“高精地图”的概念。

毕竟无人车始终需要依靠对周边环境的精准感知能力，来完成“安全”与“可靠”两项基本指标。而初创企业总是嗅觉灵敏的。以融资为切口，几个月间多家新图商开始向BAT等传统地图厂商发起围追堵截。

不去科普技术，单凭生产模式可将整个行业分为两类：以传统图商为代表的“专业测绘人工制图”模式；以新创企业为代表的“数据众包自动生产”模式。

传统图商口中的“众包”是伪命题

前者称为“专业采集”，基本可以说是当下主流的地图绘制模式，包括四维图新、高德地图，以及具有百度背景的宽凳科技。展开来说，图商先进行整车改造，装配雷达、摄像头、RTK测绘仪等昂贵设备，甚至给车队配上保姆车，以此进行数据采集测绘，再采用内页手工制图。

这种看似常规的作业方式，却被极奥科技联合创始人、CTO王雪坤视作“众包伪命题”：“如果你对汽车行业有足够了解就会知道，任何数据进入主机厂后就不可能出来了。即便是BBA的‘亲儿子’Here，都没有得到一行BBA输出的数据。作为一个Tier 1或者Tier 2的图商，凭什么拿到主机厂的数据？”

回忆起在传统图商的工作经历，王雪坤现身说法。彼时，这位创业者负责欧洲一线车厂的产品线。按他的话来说，每天的工作任务就是编各种故事掩盖地图老旧、更新慢的问题。内部几重讨论下来，多元数据采集的“众包”就成了保证地图更新速率的最佳方式。

可现实是，在与老东家客户的交流过程中，王雪坤发现没有一家主机厂愿意对外输出数据。即便目前看来，车联网等各种硬件环境和通信基础建设已经能够支撑数据的回收，但从车厂的角度而言，其在平台设计时便天然不支持数据的回传。“技术方面是解决了，虽然在POC（Proof of Concept）里面我们要尝试一下，但主机厂层面仍需要突破最后一道心理防线。”

直到2014年年底，现为极奥另一位创始人打来电话：“现在后装市场的行车记录仪、大屏车机开始装SIM卡了，这事儿有没有可以玩的？”王雪坤回忆说：“当时我就知道，我找到第二条路了。”

也就是说，相比通过前装车辆搜集数据，从后装切入进行众包数据采集本身具备一定优势：铺量很快，同时面对行车记录仪等生产型企业，通过技术植入或交换，以极低甚至几乎零成本引入数据平台，更好推进商务层面的合作。而这就是如今极奥科技提出的第二种生产模式——数据众包。

据了解，极奥科技现在平台上已经接入800多万辆车，年底将超过1000万辆。其每天能够产生两亿多公里数据，这些数据通过地图生产平台以人工智能的方式最终完成高精度地图作业。

看下来，这种“数据众包自动生产”模式的好处毋庸置疑，传统巨头似乎没有理由对此“视而不见”。究其原因，四维图新出身的王雪坤表示，地图是一个劳动密集型产业，体量巨大的传统图商要想转到高科技公司并不容易。“地图这件事情，本身是一个工艺化的生产流程。它已经是一个耦合的非常好的一个链条，你不能从中拆掉，除非推倒重建。”

换句话说，传统图商目前只能通过与主机厂合作获取道路数据。即便明知物流场景可以作为入口完成众包，却无法为物流公司提供服务。“传统图商在今年CES上展出过公司众包设备， 15万人民币一台。对于物流公司而言，成本太高了。”

“相比传统图商巨头，我们今年上半年研发的专业众包设备在成本上少两个零，同样能够达到5-10厘米的精度。”反观极奥的商业模式，这家没有车队的初创企业选择用服务抢占入口，以硬件为基础，向物流公司、车辆运营公司、客运公司抛出橄榄枝。或者说，极奥在试图用后装的设备保证地图的鲜活度，同时用专业设备的众包保证地图的精准度。

定位“地图服务商”，以行业服务反哺

值得一提的是，虽然全方位对标传统图商，但极奥却拒绝把自己定位成地图公司，其强调“地图服务商”的概念。而所谓“地图服务”，以自动驾驶为例，传统图商拿出来的是一张地图成品，而极奥则打包了从生产发布更新的整个地图端，到基于地图的高精度定位、多传感器融合，以及基于地图的车道决策，包括避障、改变车道等一系列动作。“地图能够在你这条产业链里面做到的最后一步是什么？我做到地图的极限。”

直接点说，相比扔给你一张地图，地图服务商要做的是教你如何用地图。不可否认，基于对地图属性丰富度、鲜活度的超高要求，高精地图最完整的一个落地场景一定是自动驾驶。可拆分开来，电子地图每一个维度都能否赋能到其他行业。

在物流行业中，传统地图在限高限重限宽限轴等方面的信息、对车道级的限行、道路级的限行等等数据均是缺失的，甚至在拓扑、道路等常规环节之外，高精地图忽略了很重要的POI（Point of Interest）环节。这直接造成物流公司30%-40%的损耗。追根究底，是因为面向乘用车市场的传统图商放弃了这部分数据的采集，而这恰恰成为了极奥眼中可以切入的巨大市场空间。

展开来说，该公司通过高精地图基于车道的坡度去斜率，再配合众包数据建立起的数学模型去完成整个对于每条道路的成本预估模型，然后给到这些物流公司进行精准化运营。要知道，物流成本就是时间成本，油耗、轮胎损耗、刹车损耗均是重要因素，而商业公司缺少的这部分数据导致最终无法进行估价。

另外，在分时租赁以及共享出行方面同样存在合作机会。运营公司的核心要点是车辆流转率，车辆位置则起到决定性作用。传统地图只规划单线道路，无法做到精准化定位。极奥则通过对车辆周边环境，包括路沿等物体判断车道位置是否适合下一次流转，或者测算流转率更高的停车位置，以此指导运营人员工作，实现整体流转率呈倍数的提高。

用行业服务去支撑未来，看起来有点“开小差”的工作却成了极奥生存下去的重心。“我个人比较悲观，自动驾驶并非2021年就可以满街跑。我们都相信2025年之前L3一定会定点，之后才能量产。作为一家创业公司，在这段时间里不单要抢定点，还得活着。”

地图公司只有两件事：成本和更新

说白了，即便是一家“全职”地图公司，要做的也就是两件事：控制地图生产成本，提高地图更新频率。具体而言，成本降低意味着设备铺量，便能直接提高整体更新速度。

就成本端，王雪坤直言：“从2015年10月27号我们公司拿到营业执照当天开始，到现在，估计还没有传统图商一个月花得多。”究其原因，专业测绘工作需要按公里数计算价格：2016年，高德地图汽车事业部总裁韦东在演讲中公开表示：公司一辆测绘车改装费800万元，每公里测绘成本10万元。

其中，成本最高的部分便在于动辄上百万元的激光雷达。而相比大多数传感器路线，极奥推出了成本更低的“双目加IMU（Inertial Measurement Unit）”方案，将成本控制在2-3万元。在演示中，地图上坡、曲率、涵洞高度等等均通过图片融合技术完成。至于精度层面，双目摄像头目前可以达到5厘米，激光雷达则在1-2毫米之间，目前业内对于精度的需求普遍在5-20厘米一个单位。

在几乎为零的数据成本之外，公司大量支出来自内部运营。在近80名员工中，80%为研发人才，其中以地理信息和人工智能两大类为主，这些来自传统图商及Tier 1厂商的一线员工进而构成了极奥的技术壁垒。国内地理信息人才匮乏已经成为行业共识，王雪坤毫不避讳地说：“在国内本科中，电子地图仅仅是大三下学期一门课一章里面的两小节。中国电子地图行业发展只有15年左右，四维图新的发展史就是中国电子地图的前半段。”

如果想要进一步降低人力成本，恐怕就得在自动化上多下功夫。按极奥方面的说法，以地图原始数据作为众包平台，从众包平台到地图人工智能多生产平台再到生产的流程已经实现了90%以上的自动化率。至今仍需要人工完成的工作在于串接、标注、质检，包括服务器数据拷贝以及机器生产任务的自动化工单等。“极奥内部的最高指导原则是，任何一件事人工重复两遍之后，必须自动化。”

在持续降低成本的同时，对于拥有55%-60%后装在线设备量的极奥来说，提高精度则是另外一个重点，其最大制约因素在于环境覆盖量。对此，王雪坤概括为：“众包就是一个‘三人成虎’的故事，数据长传后经过人工智能自动处理，关键在于摄影感知技术。我要让系统相信一辆车的数据能够达到什么精度，才能以最小数量的车辆规模来完成。再进一步，就是设备量和更新速度、成本和时间互相交叉平衡的过程。”现阶段，该公司数据的更新频率仍以小时为单位。

无人驾驶公司的高精地图只属于“独立小王国”

回到业界最为关心的技术进展方面，这家新创企业现阶段已经完成了全国30万公里高速路段及全国20几个中心城市核心道路的测绘工作，地图可信度达到95%以上。

单从应用场景来看，极奥似乎正处在从L3到L4跨越的关键节点，其中考量有三：能否快速覆盖地面、复杂地物的结构化、地图精细颗粒度的更新。有意思的是，诸多自动驾驶科技企业在进行无人车队实际运营时，选择自行解决高精地图业务，貌似也想分出一块蛋糕。

实际上，无人车队运营的高精度地图和图商手中的高精度地图分属两个概念。以极奥为例，该公司把高精度地图分为四个层面：

设施层：这部分我们首先关注的是静态物理世界的重构。所包含的内容也是地图中最最基础的车道级拓扑，高精度的地物、以及高精度的道路、路口模型、车道边线等等。地图的基本模型、基本结构、基本属性、基本精度以及基本的实时动态性将有这层来保证。环境层：当然也有人称之为“感知地图”，这里面针对地物将包含更丰富的视觉特征，激光点云特征，毫米波雷达特征，这当然是为了提高定位精度和场景感知所必备的。同时也将包含更丰富的交通语义，甚至更丰富的动态语义。行为层：其反映的信息完全跳脱了传统地图的关注范围，将目光放到了车辆驾驶行为上——自车驾驶行为、周围车辆驾驶行为，以及两者相互之间的行为影响，在各个应用场景的决策模型建立和评估中，它们扮演着重要的角色。场景层：这是最有别与传统地图的一部分，刚才已经反复强调的物流、出行、智慧城市等的特有数据，将在这层做到最终的表达。这一层的数据来源也是最丰富的，数据变化也将是最快的，数据特性也是最各异的。

对于自动驾驶公司而言，他们谈高精度地图仅仅是“环境层”的特征模型，用以参考定位，技术含量很低。“他们可以用自己L3级别的自动驾驶车，在园区里面进行测绘。那是他们的独立小王国。”在以地图服务为核心的极奥看来，这家公司要的是一张逻辑、基础技术、应用均十分完备的地图。

五年内定点，国内车厂才是蓝海

有意思的是，虽然极奥的数据来自后装市场，实际做的却是面向前装车厂的工作。随着产品线逐步成型以及各个业务方向明确，该公司十分明确要在5年时间内抢夺自动驾驶定点，通过各种地图服务保障公司资金流通。

他们显然并不排斥跟主机厂合作。王雪坤透露，公司的确在跟一家国际车企谈如何用它的数据进行回收，包括云架构、互相脱敏等。然而，这与后装企业间简单通过免责声明合法换取数据截然不同，面对国际车企，供应商必须要考虑能够提供哪些服务。在打通研发环节之外，更多需要引入销售、4S店等等体系整体设置产品。

“老实说，推进很慢。但我们知道这件事情在三五年之内要定点，十年左右实现车辆量产。”谈及合作伙伴，亿欧汽车了解到，极奥去年便进入了某德系一线主机厂的供应商体系，合作覆盖L2到L4级别的研发层面。此外，还包括上海大众、一汽、威马等合资车企及自主品牌。

严格说来，地图供应商在主机厂面前基本用了相同的套路：逃不开研发费、license费、以及后续服务费这样的组合贩售。而高精地图产品无非分为两个维度：高精性和实时性。极奥的信心来自：“高精层面一致，但实时性上我绝对以几个数量级领先于他们。”

说实话，这家3岁的企业野心相当明确。对于统治电子地图十余年的老牌巨头而言，地图更新和地图应用可以说是其鲜少暴露的弱点，这刚好给了极奥切入市场的机会。幸运的是，在商务层面几家图商均处于POC阶段，“我们从传统图商最薄弱的口子切入。现在看来，我们已经切到最核心的部分，因为极奥不但能够实现地图更新，以快速的方式补充地物、变更拓扑，我们也同样提供稳定的车辆决策路线，最终把20赫兹的频率把车头前方200米范围内每20厘米的点，交到主机厂负责车辆控制的团队，直接完成自动驾驶。”

口气不小，好在头脑足够清醒。极奥很明白，长久以来站在供应链顶端的自主品牌未来只有两条路：其一，从安全角度考虑，选择知名跨国Tier 1厂商，降低“�...

2017年，人工智能无疑是科技和互联网领域最火的关键词，没有之一。而人工智能的爆发式增长也带动了相关产业纷纷变革，深挖人工智能红利。文思海辉人工智能数据服务就牢牢把握住了这一时代良机，通过数字化工具开发及多数字化平台整合互联，深入打造全球众包数字化解决方案。

敏捷的多语言及数据服务众包解决方案

“文小包”是基于云的管控式众包多语言服务众包解决方案，除传统的软件和内容本地化服务外，特别面向人工智能研发组织，提供语音、图像、文本、地图等数据的采集与标注服务，适用于语音智能、图像识别、机器翻译、自然语言理解、智能导航、人机交互、无人驾驶等多种人工智能研发及应用场景。李开复曾表示：大数据是人工智能的前提。而“文小包”正是通过提供海量、精细化、高质量、可扩展的训练数据，助推人工智能产品的研发和上市进程。众包服务模式更能够缩短工期，为客户节约成本。

“文小包”在线上拥有卓越的全球资源供应链和全天候资源协作能力，在线下则背靠文思海辉全球化多语言服务在北京、上海、无锡、西雅图、巴塞罗那和东京六大全球交付中心，充分调动全球当地资源，开展多语种数据众包服务，可实现7*24全球交付，从而满足企业全球化、敏捷化、快速数字化等业务对全球本地人才资源的需求，打造立足中国、辐射全球的多语言数据众包服务品牌。

深度整合的数字化众包服务体系

由于众包本身具有人员、任务、管理和生产环境的分散性，当今全球数据众包面临着诸多挑战，效率低下、互动性差、缺乏可视性和互操作性，且大规模部署能力不足。为了应对上述挑战，文思海辉全球数据众包团队自主研发了统一、互联的Pactforma数字化生产及管理体系，将Remote众包平台（文小包）、FilesCenter文件中心、Desk生产平台、DeskMC管理门户整合到同一框架中，实现多项任务同一界面、集中管控、实时分析和全球互联，确保海量级全球众包数据项目的高效管理与实施。

通过数字化整合，文思海辉全球数据众包服务成果凸显：生产速度提升了50%，整体效率提升>35%，服务质量提升>10%，不仅充分解决了前述难题，而且摆脱了众包服务固有的“人海战术”标签，向着技术驱动型的互联网众包服务模式深入探索，不断践行文思海辉“成就更美好的数字化新世界”的愿景与使命。

由于出色的数字化服务能力，“文小包”（原名“文思海辉大圣众包”）代表文思海辉集团在2017中国国际智慧服务峰会上荣膺“2017中国智慧服务领军企业奖”。文思海辉更是在今年由美国著名语言行业调查机构Common Sense Advisory发布的《2017年亚洲语言服务市场报告》中，第九年蝉联语言服务业务额中国第一。

更可靠的互联网众包及兼职平台

除了面向B端客户提供全球数据众包解决方案，“文小包”还是一个面向全球C端用户的多语言数据众包任务平台和资源池。目前“文小包”平台网站提供中、英、日三种界面语言，发布语言转写与标注、数据采集与处理、众包测试、众包翻译等在线任务类型，并已实现资源招募、培训评估、质量控制、在线论坛、信誉跟踪、支付管理六大平台功能。

众所周知，网络兼职风险高，骗局频出，“赔了夫人又折兵”是常有的事。为此，“文小包”任务平台特嵌入受文思海辉财务部门官方管理的在线支付系统，用户可自己录入和更新付款信息，在线核对劳务账单并跟踪付款进度，让劳务付款更便捷、更透明、更可靠，个人信息也更安全。劳务结算方式也针对全球资源提供多样化选择：付款周期为人民币每月两次，美金每月一次，支持人民币账户、PayPal和西联汇款三种方式。

此外，“文小包”上的众包任务人人都能做，资源用户完全不用担心无法胜任。“文小包”会针对具体任务提供专业在线培训，确保用户充分掌握技能/规范后再上岗。用户足不出户，只需电脑和网络即可远程做任务，畅享移动互联时代的自由、舒适新生活。

日前，高精地图创业公司宽凳科技对外宣布完成数亿元人民币的A轮融资。本轮融资由IDG资本领投，成为资本、澜亭资本等跟投，华兴Alpha担任此次融资的独家财务顾问。

自此宽凳正式宣布进军自动驾驶高精地图领域，加入高精地图的量产大战中。

为了更全面地了解宽凳科技的创业之路，新智驾专程拜访了创始人兼CEO刘骏，深入挖掘了宽凳科技在高精地图方面的发展布局。

*宽凳科技创始人兼CEO

首先让我们了解一下刘骏何许人也。

刘骏曾担任谷歌中国工程研究院副院长兼全球工程技术总监、人民搜索首席科学家。

2010年5月，刘骏创立第一个社会化搜索引擎云云网。

2013年9月16日，刘骏正式加盟百度，担任百度公司副总裁，负责百度战略技术委员会运作。

在百度任职期间，刘骏作为百度LBS事业部总经理，传言曾把百度地图市场份额做到70%。

2015年百度内部结构调整，LBS事业部被分为百度外卖和作业帮。刘骏担任百度外卖董事长。

2018年，再一次出现大众视野中，刘骏成为宽凳科技CEO，那宽凳科技又是一家什么样的公司？

刘骏告诉新智驾，我们是一家主攻众包高精地图的科技创业公司，主要为自动驾驶行业提供底层数据服务。核心成员有40多人，大都来自谷歌、BAT、高德等互联网企业。

刘骏表示，从创业第一天开始就明确其战略布局定位：不造车、不做车联网操作系统；只做高精度地图，取名“宽凳”，意思是为每一个做自动驾驶的合作伙伴提供技术支撑。

众所周知，当前国内已有多家大型上市公司率先在自动驾驶高精地图市场中布局，百度、腾讯、高德、四维图新在过去几个月内，都相继宣布了针对自动驾驶应用的高精地图发展战略。而且高精地图市场是一个竞争已经非常激烈、进入门槛也非常高的市场。

突围自动驾驶痛点

目前，自动驾驶正在给交通出行带来巨大变革，但是自动驾驶所面临的首要问题是复杂的交通环境。地图服务作为自动驾驶的基础环节，已经成为行业快速推进的痛点之一。

在地图方面有着丰富经验的刘骏选择从高精度地图切入，志在做一个规模化的高精度地图公司。

刘骏说道，高精度地图配合传感器是目前应对复杂交通环境最有效的方案，公司会专注智能高精地图系统研发、规模化生产等方面，并将同合作伙伴开展多种合作模式的探索。

只做高精度地图，从战略选择上讲，是希望与自动驾驶汽车产业链中的所有人都有合作，形成合作伙伴关系，不存在竞争，刘骏接着表示。

据雷锋网新智驾了解，高精度地图大致分为识别、测量以及组网三部分。

值得注意的是，组网方面存在较大困难，从人才储备角度来看，构建三维地图方面的人才比较稀缺，中国可能不超过100个。

此外，高精度地图还存在一个很大挑战：制作第一张地图只是完成了10%的工作，剩下的90%精力都是在不断更新地图。

所以说，在实现自动驾驶的过程中，推进地图数据的高精度化，进行有效、低成本的数据采集、自动化处理以及地图数据的实时更新都成为各大图商争先选择的战略方向。

就在上个月，宝马和戴姆勒达成共识，将合作使用使HERE高精实时地图。HERE高精实时地图是一个基于云计算的服务，具有高精确度，可通过多数据源持续进行更新。

去年年初，四维图新联合腾讯入股HERE地图，将共同建立针对自动驾驶汽车的高精度地图等业务。另外，他们还将为中国市场开发并提供位置技术与服务。与此同时，2017一整年，高德完成了32万公里的高精地图数据采集，还基于众包采集、大数据处理和云计算平台建立了一套自动化的在线采集流程。

刚成立不久的宽凳科技也明白，实时更新是用于自动驾驶的高精地图的重点所在，所以一开始，刘骏就表示大部分的精力都投入到实时更新地图上，从增加更多的测试车辆、处理庞大数据量以及后续的云端服务等，而语义化的高精地图也是宽凳后续进一步升级发展的方向。

由此看来，各家图商纷纷选择在地图更新上布局，期望在高精度地图的争夺中获得主动权。

赶超市场上高精地图企业

正是因为如此激烈的竞争态势，宽凳在产品初步开发完成后，就已开始与多家车厂、自动驾驶解决方案企业洽谈合作。目前已经跟IDG资本投资过的其他企业达成合作意愿，后续将会发布在具备L3级别自动驾驶功能的车款中采用宽凳高精地图方案。

刘骏表示：“我们与其他图商不同，我们有自己两大特点，众包数据采集和摄像头高精地图方案。”

众包方面，目前大部份高精地图的数据收集都是搭配相机、激光雷达、微波雷达等，但高昂的设备成本使得一些技术公司的进展缓慢。

宽凳采用纯视觉技术方案取代激光雷达，让众包采集数据真正成为更新地图可落地的商业发展模式。

刘骏解释道，通过庞大的数据量可以换取高精度，由同一角度快速连拍多张照片，形成大量数据，再运用自主研发的图像识别处理算法，快速处理大量的数据影像。这里面包含大量的计算，计算量超乎想象。

完成第一步识别之后，还有后续更为复杂的测量和从二维到三维地图的组网，也有困难等待突破。

虽然目前高精度地图存在许多技术壁垒，但仍取得了一些不错的成绩，刘骏道。

*宽凳实际路测图

其实，运用众包采集纯视觉的高精地图图商不止宽凳一家，从特斯拉走出来的工程师Andrew Kouri和Erik Reed，创办的高精地图公司lvl5也是采用众包采集纯视觉的。

同样的道理，lvl5也没有用昂贵的激光雷达与毫米波雷达，而是用一个手机摄像头进行测绘。

不过，刘骏强调，测绘时是采用的车规级摄像头，与lvl5的手机摄像头还是有一些差别的。雷锋网新智驾了解到，宽凳科技高精度地图的精度达到20厘米左右，而lvl5的地图做到30-40厘米。

据雷锋网新智驾了解，地图以及高精度地图行业还处于分散状态，各家企业采集数据的特征有一定差异性，目前该行业没有统一的通用标准，而且各家公司也不会对外分享任何数据，因为他们认为这是重要的核心信息。

例如，DeepMap CEO James Wu此前提到：“每家公司都在试图开发自己内部的高精地图，以便满足自动驾驶汽车需求。但是，没有数据共享，一切都需要重新发明，造成大量资源浪费。这也可能是阻止自动驾驶汽车成为商品的原因之一。”

对此，刘骏表示，会提供基于高精度地图定位的数据共享，而且必须要做。

测绘资质的诉求

相比于大多数的创业公司，自动驾驶汽车研发巨头都拥有自己的测绘系统。如谷歌拥有Google Maps、Google Earth、Google Street View以及导航应用程序Waze。其测绘能力也被认为是Waymo的一项关键优势，且Waymo也已经完成了超过400万英里的自动驾驶测试。

在国内需先取得测绘资质，才能持照测量。据悉，《测绘资质管理规定》将标准分为甲、乙、丙、丁四个等级，需要进行测绘数据采集并提供相关信息成果的单位要申请《测绘资格证书》才能从事相应资质范围的活动。

之前吉利董事长李书福表达了放开测绘资质的诉求，在保证国家信息安全的前提下有条件地向部分自动驾驶技术开发企业开放地图测绘资质，降低自动驾驶技术发展壁垒。

对此，刘骏强调：“我们有自己的测量团队，取得了测量牌照，我们的测量是合法的。而且在去年8月份已经取得了乙级测绘资质，目前正在积极申请与地图相关的其他牌照。”

最后，针对宽凳科技的高精地图目前已经覆盖了国内哪些省市，刘骏表示，从公司成立到现在，北京的大多数道路已经测试完成，接下来会重点部署其他省市。

刘骏进一步解释，公司进入一个新城市时，需要重建地图。每个城市有不同的驾驶规则，意味着制作的地图需要不断进行调整，我们须在进入每个地区时都要调整软件。

总之，2018年这一年，宽凳将先从国内的高速公路开始测试收集数据，而后进一步推展到其他道路上，逐渐完备宽凳的高精地图版本，同时会寻求与大量的车厂和自动驾驶车企合作。

PS：看遍这一年中国与全球智能驾驶领域的技术前沿与商业探索，雷锋网新智驾年度推荐，扫描下图二维码或点击了解更多信息。

出品|根智汇、老板日课；作者|黄子（企业医生）

企业在设计商业模式时，可以考虑改变传统集中式企业单一支付成本的方式，充分利用分布式资源（如网络资源）来协作完成内部无法完成的任务。随着互联网技术的发展，企业可以通过方便地连接外部资源进行协作创造，将内部价值链转化为外部价值链，成本也自然由外部主体承担。

在互联网时代，企业要善于打破公司的边界。

一般企业可以运用外包专业力量来解决内部无法承担的项目或成本过高的项目。外包强调的是高度专业化，专业化带来成本降低。而众包则强调跨专业的创新，往往蕴含着巨大的潜力，产生的结果往往是内部天价成本都无法实现的结果。

集中化和分布化的区别：

例如美国加州分布式计算项目。

美国加州伯克利大学的分布式计算项目，成功调动了世界各地成千上万个人电脑的闲置计算能力，同样地，分布式的人力资源网络也可以使成千上万网民的闲置脑力得到充分应用。轰轰烈烈的软件开源运动证明，由网民协作网络写出的程序，质量并不低于微软、Sun等大公司的程序员开发的产品。

例如维基百科。大规模协作，维基百科更是树立了一个群体创作的典范。

众包能帮企业节约大把大把的金钱。随着网络的大潮成长起来的公司，从一开始就在战略设计上融入了充分利用网络资源的思路，而越来越多的传统商业也开始为网络的群体力量所吸引。2000年以来，发达国家的跨国公司纷纷把目光投向中国和印度，这两个国家低价的劳动力市场使他们垂涎欲滴，劳动力来自哪里并不重要，他们可以就住在隔壁，也有可能远在印度尼西亚，只要他们能上网就行。

以往架设在业余爱好者和专业人士之间的成本藩篱也由此被打破。市场的大门在一瞬间突然为爱好者、兼职者和发烧友打开，精明的公司也纷纷找到在人群中发现人才的捷径。这样的人力并不完全是免费的，但是比起传统的雇员，成本显然不足一提。

实例1：创新中心

科技的进步，使得从产品设计软件到数码摄像机等网络时代的产品越来越廉价。有人曾打比方说，如果燃油经济性的提高速度，能像硬盘价格下跌那么快，那么一加仑汽油就足以让我们往返月球114次。在众包的时代，这样的情况将来还真有可能出现。在人们饱受油价高涨、自然环境遭到严重破坏的恶果之后，燃油效率、替代能源的问题可能一夜之间被宣布破解，而这件事情很有可能是由一名时装设计师或中学生完成的，当然，这个人也有可能就是你！

57岁的Ed Melcarek是一名物理学家，但是他却经常在一个小房间里倒腾一些化学瓶罐，而且，他并非受雇于任何一家化学用品公司，而更像一名自由职业者，他所做的研发工作，完全是出于自己的兴趣，以及体现个人价值的需要。大多数的周六，他会走进这所房间，倒上一杯酒，点上一支烟，然后开始向科研难题发起进攻，这些难题来自《财富》百强中的许多公司，曾一度困扰了他们的研发人员。

在一个名为“创新中心”（InnoCentive）的网站上，聚集了9万多名像Melcarek一样的科研人才，他们共同的名字是“解决者”（Solver），形成了这个研发供求网络用户的“半边天”。与此对应的是“寻求者”（Seeker），成员包括波音、杜邦和宝洁等世界著名的跨国公司，他们把各自最头疼的研发难题抛到“创新中心”上，等待隐藏在网络背后的高手来破译。

“创新中心”最早是由医药制造商礼来公司资助，创立于2001年，已成为化学和生物领域的重要研发供求网络平台。公司成员（寻求者），除了需要向“创新中心”交付一定的会费，为每个解决方案支付的费用仅为1万至10万美元。“创新中心”上的难题破解率为30%，“创新中心”的首席科技官Jill Panetta认为，在网上广招贤士的做法“和传统的雇佣研发人员的做法相比，效率要高出30%”。

“创新中心”为Melcarek打开了一片全新的天地，在过去三年里，每周他都要登录到这个网站数次，看看上面贴出来的新难题，虽然他从没有受到过生物、化学专业的正式训练，但是这并未妨碍他成为一个化学专家。“在我看来，那些化学难题都可以用我所熟悉的电子机械知识来解决”，Melcarek相当自信地说，“如果我思考了30分钟仍然没有头绪，我就放弃”。攻破一个难题，赚个上万美元，对他来说，“只需要花上几个星期，挺不错的”，Melcarek轻轻地笑了。

对那些苦苦寻求答案的公司来说，这同样是非常不错的交易，尤其是当它们面对日益高昂的研发费用。“我认识的每一个R&D高管都面临着类似的问题”，宝洁公司副总裁Huston说，“每年，研发的预算增长都超出了销售的增长率。‘创新中心’打破了目前的研发模式”。

2000年以前，宝洁公司的研发成本不断攀升，然而销售业绩平平，股价也下跌了一半多， Huston因而受命创新公司的研发之路，他放弃了裁减内部研发人员的做法（宝洁目现有研发部门有9000多人），而决定从改变他们的工作方式入手。

Huston发现公司很多成功的产品都是不同部门合作的结果，由此他想到，如果这样的“交叉授粉”范围扩大，将会催生更好的产品。同时，宝洁也树立了一个目标，把公司外部的创新比例从原来的15%提高到50%。六年过去了，据Huston介绍，宝洁的研发能力提高了60%，股价也逐步回升至新高。“我们对公司组织的定义有了很大的改变”，Huston说道，“我们目前有9000多名研发员工，而外围网络的研发人员达到150万人，二者的界限很难界定”。

宝洁公司是“创新中心”最早的也是最好的企业用户之一，但“创新中心”并不是它使用的唯一研发人才交流平台，它同时还通过YourEncore和NineSigma等网站，抛出自己的研发课题，寻求外援。

实例2：iStockphoto图片共享和交易平台

美国国家卫生博物馆的负责人Claudia Menashe曾苦于找不到合适的图片来配合一次关于禽流感的展览，后来有一名自由职业摄影师Mark Harmel愿意提供照片，并且考虑到博物馆的非营利性质，开出了每张150美元的优惠价。Menashe原本打算咬紧牙关购买四张，但是最后一刻她改变了主意，因为她在一个名为iStockphoto的网站上找到了需要的照片，关键是这些照片的价格低得惊人，每张只需要1美元！Menashe当即一口气选了56张，这样的花费比Mark Harmel四张照片售价的十分之一还便宜。

Menashe发现的这个像宝藏一样的iStockphoto原本是一个免费的图片共享和交流网站，现在每张图片价格仅在1美元到5美元之间（尺寸、像素非常大的图片最高售价也不超过40美元）。它之所以能提供如此廉价的图片作品，完全得益于它的2.2万名业余摄影爱好者的贡献，他们的照片每被使用一次，仅获支付几十美分。

iStockphoto和其他类似的图片社曾一度引起了大型专业图片社的恐慌，2013年2月，占据全球市场份额30%的盖蒂图片社（Getty Images）以5000万美元的价格收购了iStockphoto。“如果有人要抢你的生意，最好把它变成你的生意的一部分”，盖蒂的CEO Jonathan Klein总结道。2013年，iStockphoto收入的月增长率达到了14%，预计其2006年被购买的图片数量将达到1000万张次——这将是盖蒂售出的昂贵的专业图片数量的几倍。2013年，iStockphoto的大客户不仅有很多小型设计公司，还包括IBM、United Way等大型公司和机构。

众包平台案例：

@博客平台，@土豆网，人人都是导演，都是运用UGC（用户生产内容）的方式，将内容生产权力交给用户，由用户上传内容，公司负责内容的审核和分类安排以及内容推广，对于公司平台而言巨大的内容生产成本由众多的用户来承担。

@微差事 是中国最大的任务众包平台，帮助用户在碎片时间里赚钱，用户数已破百万。其商业模式是：通过众包帮助企业完成调研、内控、推出精准的品牌互动以及数据采集。包括零售店调查，消费者调研，付费广告，神秘顾客，试用(产品或服务)，指定地点的促销以及门牌采集等。

@拍拍赚 是一个基于移动互联网的数据采集众包平台。企业方通过平台自助式的把各类数据采集类型任务发布给拍拍赚手机应用的使用人群。会员利用手机应用直接完成各类数据采集任务。通常一个商业数据采集任务会由几百甚至上千的会员参与完成。

@易到用车 它的模式简单说来就是：用户通过呼叫中心或APP向易到用车提交需求，易到用车将需求导入数百家上游租车公司，在一分钟内回复是否可以接单，易到用车根据公司评级和服务满意度，选择某个租车公司完成上述订单，并获得分成。易到用车本身不拥有车辆及司机。

@滴滴出行 等都是这样的众包平台。

企业可以利用这些众包平台，将原本由公司内部承担的任务交由平台来完成，可以大大降低开发成本，由集中式的资源聚集解决问题的方式变成分布式高效社会协作来解决问题的方式。众包的优势在于跨界和广泛资源和力量的集合创新，以及低成本。越来越多优秀的企业突破公司的边界，由“公司+雇员”模式逐步转变为“平台+外部个体”的模式，形成越来越多的虚拟组织，是一个公司，更是一个生产性社群。

不要想当然地认为公司制就是人类最好的生产组织方式。管理大师查尔斯·汉迪也认为，“公司制不过是人类社会近150年来选择的一种生产方式”。企业可以通过商业模式的设计，将内部某些价值创造环节开放出来，设计相应的接口和界面，让外部资源和力量参与要价值创造中来，这样可以大大降低公司的成本，并可以突破规模扩张的瓶颈。

企业的职责往往是设计好接口工具和参与平台以及参与规则方式，由外部资源和力量如用户社群来参与创造。最著名的案例当属苹果公司为开发者提供SDK开发包工具和APPStore交易平台，鼓励开发者为iPhone开发软件应用，从而完成iPhone手机的使用功能生态。试想，如果是苹果公司来开发的话，那成本必然是非常巨大的。

@亚马逊：网络零售巨头推出了提供众包服务的平台Mechanical Turk（Beta版），企业用户针对的是那些需要以数美分起价外包简单计算任务的公司，而个人用户将通过完成某项工作获得小额的报酬。

@OhMyNews：韩国著名的“群众媒体”已有70万读者，4.1万名记者。

@标致汽车：举办标致设计大赛，发动人们设计自己梦想中的汽车，2005年的获奖作品Moovie出自一名23岁的葡萄牙学生之手。

@宝马汽车：宝马在德国开设了客户创新实验室，为用户提供在线的工具帮助他们参与宝马汽车的设计。类似的做法还有奥迪在2001年～2004年间开设的虚拟实验室。

@乐高：这家深受人们喜爱的玩具公司一直鼓励和资助用户们参与公司的各项设计任务，从机器人操纵系统到积木套装产品。

@Marketocracy：提供金融服务的社区，拥有6万名在线股票交易员，追踪最顶级的100只股票并提供投资策略参考，在过去的17个季度中，已有11个季度的指数优于标准普尔。

@宜家：通过举办“天才设计”大赛，吸引顾客参加多媒体家居方案的设计，得奖者将获得2500欧元的奖励，其作品将投入生产和市场。

@阿迪达斯：阿迪达斯的粉丝不仅加工了他们自己的跑鞋，而且还放到eBay上出售。

@欧莱雅：全球最大的化妆品帝国近期推出了一个活动，让用户参与欧莱雅的广告设计。类似的做法还被麦当劳、万事达卡等公司采用。

@不列颠泰特美术馆（Tate Britain）：这家美术馆拥有1500～2000年间丰富的美术作品，让参观者自己为展品写讲解说明，被选中的将制作成标签展出在美术巨作旁边。

@小米MIUI论坛：小米公司通过在线MIUI论坛，在操作系统更新功能时，让用户在线进行投票选择最想要的功能，并由开发人员根据用户的结果进行开发，大大提高了功能的用户满意度，大大降低了市场风险。

通过“自助式”的价值创造模式，将公司创造价值的某些环节“众包”给用户，让用户根据一定的规则和标准去自己服务自己。这将大大降低公司的成本。在互联网时代，通过运用“互联网+”的方式，可以发现，公司内部大量的环节都可能通过互联网来实现众包，尤其是信息环节。

更广义地讲，企业要经常思考，

如何降低企业的成本，能否由其它人而非企业来承担这些成本，从而降低企业自身成本？

善于发现和利用别人的闲置资源或盈余资源，可以降低成本；因为对于别人而言，闲置资源往往比较便宜。