行業前景廣闊
L3級別以上的自動駕駛系統主要由感知、定位、預測、決策和控制五部份構成，每一部份都不可或缺。其對於電腦視覺技術的需求度十分之高，系統需要對傳感器采集的點雲影像數據進行處理，構建車輛行駛環境，為預測和決策做依據，這對於演算法的準確性和即時性有著極大考驗。
目前自動駕駛的視覺技術主要套用有監督的深度學習，是基於已知變量和因變量推導函數關系的演算法模型，需要大量的標註數據對模型進行訓練和調優。
換句話說，想要讓自動駕駛汽車更加「智能」、自動駕駛演算法能夠更加從容應對復雜多變的道路環境，背後就需要有海量且高質素的真實道路數據做支撐，這就決定了自動駕駛行業在短期內對數據標註行業是十分依賴的。
行業格局未定，尚處於調整期
然而，盡管自動駕駛對於數據標註行業的依賴是長期性的，但這也並不意味著行業發展會順風順水，目前數據標註行業正處於較為微妙的「調整期」。
2018年，是數據標註行業較為火熱的年份，新企業如雨後春筍出現，融資事件也大多發生在該時間段。這段時間的顯著特點是行業較為火熱，但內部混亂，技術水平普遍較低，處於探索階段。
從2020年起，行業開始降溫，新企業出現的數量明顯下降，老企業逐漸淡出舞台，整個2021年國內數據標註行業融資事件不超過5起，越來越多的數據標註企業逐漸意識到自己進入了發展的瓶頸期。
出現這一問題的主要原因與行業長久以來的業務執行方式有關。數據標註行業對於人力依賴的特殊性讓很多企業在發展的初期重人力而輕技術，這種方式的競爭壁壘較低，很容易被市場淘汰。且隨著自動駕駛技術場景越來越垂直，對於高質素數據集的需求越來越旺盛，單純依靠人力的業務執行方式已無法滿足行業發展的新需求，產品與技術的重要性凸顯，以產品驅動業務增長將成為行業下一階段最重要的特點之一。
