一家全球知名的 AI 算力廠商及一家自動駕駛技術開發商

這是一份 Lifewood Data Technology 關於自動駕駛的案例研究——一個為一家全球知名的 AI 算力廠商及一家自動駕駛技術開發商、覆蓋全球 · 亞太地區交付的項目。 面向 L4 級自動駕駛的感知數據標註,準確率達 99.9%,覆蓋 LiDAR、雷達、攝像頭及駕駛員監測數據

L4 級自動駕駛,容不下任何統計意義上的誤差預算

L4 級自動駕駛項目,需要將多模態傳感器數據標註到安全攸關級別的準確率:LiDAR 點雲、多攝像頭檢測、雷達融合及駕駛員監測系統數據,同時對吞吐量、準確率及審計追蹤記錄都毫不妥協。之所以將準確率門檻設定在這一水平,是因為誤差預算是物理層面的,而非統計層面的。訓練數據中一個被錯誤標註的行人,不是報告裡的一個百分點,而是車輛的一種失效模式。這也改變了對數據合作伙伴的要求本質。這不是一項附帶質量評分的標註服務——而是一條證據鏈條,每一項資產,即便在交付很久之後,也需要能夠追溯到是誰標註的、誰審核的、何時獲得批准。

四種傳感器模態遵循統一標準標註,交付於專屬自動駕駛中心

Lifewood 作為兩家客戶的自動駕駛數據合作伙伴,提供駕駛員監測系統數據,並支持自動駕駛 AI 模型訓練。項目涵蓋四種必須相互吻合的模態:LiDAR 點雲提供三維結構信息,多攝像頭檢測提供語義信息,雷達補充速度信息並在攝像頭失效的惡劣天氣中依然可靠,駕駛員監測數據則覆蓋座艙內部。傳感器融合——將這四種模態協調統一為一個一致的場景——正是單一模態供應商通常止步的地方。一、專屬自動駕駛中心,而非共享產能。交付通過 Lifewood 40 多箇中心版圖內、位於馬來西亞及印度尼西亞的專屬自動駕駛中心完成。之所以選擇專屬而非共享,是因為自動駕駛標註所需的工具、培訓及安全審查,與通用標註差異足夠大,混用會讓兩者的質量都受損。二、經過培訓的固定團隊,而非臨時擴充人力。吞吐量來自經過培訓的專屬團隊,而非放寬審核標準——2025 年孟加拉國團隊累計交付了 414,120 個培訓工時,人均約 60 個工時。三、雙層人工閉環審核。第一輪獨立標註,加上依據客戶認可的黃金標準集執行的獨立第二輪審核,標註者間一致性閾值維持在 95% 以上。四、逐資產審計記錄。每一項資產,都保留帶時間戳的審批記錄,確保項目在交付很久之後依然可供審計。吞吐量與安全攸關級準確率被視為同一項要求,而非此消彼長的權衡——這也是二者能夠在交付計劃的實際壓力下同時存活下來的唯一方式。

標註準確率在 L4 級場景中穩定維持在 99.9%

在 L4 級安全攸關場景下,標註準確率基準達到 99.9%,高於 Lifewood 所有項目通行的 95% 以上標準。標註者間一致性作為獨立指標單獨跟蹤,維持在 95% 以上的閾值 —— 因為單項準確率只能說明供應商標註結果與自身的一致性,而兩名獨立審核員之間的一致性,才能真正說明標註規範是否被切實共享理解。

Lifewood 相關服務

• 自動駕駛數據標註服務
• AI 訓練數據校驗