1、人工智能正在加速滲透應用到各行各業
中國人工智能産業處于高速增長期，正在加速向各行各業滲透，包括網際網路娛樂、智能制造、智慧醫療、智能安防及自動駕駛等，而自動駕駛等應用場景的複雜性又反向推動了人工智能的疊代演進。
2、結構化資料是人工智能快速發展的基石
結構化資料是人工智能算法模型開發和疊代的基礎，從設計、訓練、評測、仿真到整個算法更新疊代的全生命周期都需要持續不斷的結構化資料的輸入作為支撐。
3、對結構化資料的需求催生基礎資料服務産業
基于結構化資料的重要性，人工智能産業逐漸誕生了一批專業人工智能基礎資料服務商—通過資料采集與資料标注，有效銜接資料源與具有算法開發需求的企業人工智能基礎資料服務商處于産業鍊中遊，通過提供資料采集和标注服務，連接配接上遊資料來源方和下遊人工智能算法研發方。
• 市場上現存的大量資料均為非結構化資料，無法直接應用于人工智能算法的研發與訓練，需要通過資料的采集與标注将其轉化為結構化資料，以供下遊人工智能算法研發商使用。
• 這個采集與标注的過程逐漸形成了一項專項工作，主要由專業的基礎資料服務商來提供，少量由算法研發企業的自有團隊執行。
4、基礎資料服務受AI商業化落地驅動高速增長
人工智能技術經曆數十載的發展，近年來深度學習加速了人工智能技術的商業化落地，同時也帶來了大量AI算法訓練需求，推動基礎資料服務市場的快速增長。
5、基礎資料服務在不同場景的需求各不相同
人工智能基礎資料服務應用于衆多下遊場景，但不同下遊場景對資料采集類型以及資料标注對象有着各自的差異化需求，自動駕駛目前是人工智能基礎資料服務最重要的應用領域，并将在未來繼續維系這一地位。
6、自動駕駛将在未來持續釋放資料基礎服務需求
自動駕駛AI算法的更新疊代及模型訓練資料量的指數級增長，将持續拉動人工智能基礎資料服務需求。
7、自動駕駛将在未來持續釋放資料基礎服務需求
目前自動駕駛主要聚焦于L2+級别開發和應用，随着算法趨于成熟，算法開發對于資料的需求量呈周期性收斂趨勢，而進階别L3和L4自動駕駛技術場景更為複雜，算法模型訓練所需的資料量将逐漸呈現指數級上升。