一家全球知名的 AI 算力厂商及一家自动驾驶技术开发商

这是一份 Lifewood Data Technology 关于自动驾驶的案例研究——一个为一家全球知名的 AI 算力厂商及一家自动驾驶技术开发商、覆盖全球 · 亚太地区交付的项目。 面向 L4 级自动驾驶的感知数据标注,准确率达 99.9%,覆盖 LiDAR、雷达、摄像头及驾驶员监测数据

L4 级自动驾驶,容不下任何统计意义上的误差预算

L4 级自动驾驶项目,需要将多模态传感器数据标注到安全攸关级别的准确率:LiDAR 点云、多摄像头检测、雷达融合及驾驶员监测系统数据,同时对吞吐量、准确率及审计追踪记录都毫不妥协。之所以将准确率门槛设定在这一水平,是因为误差预算是物理层面的,而非统计层面的。训练数据中一个被错误标注的行人,不是报告里的一个百分点,而是车辆的一种失效模式。这也改变了对数据合作伙伴的要求本质。这不是一项附带质量评分的标注服务——而是一条证据链条,每一项资产,即便在交付很久之后,也需要能够追溯到是谁标注的、谁审核的、何时获得批准。

四种传感器模态遵循统一标准标注,交付于专属自动驾驶中心

Lifewood 作为两家客户的自动驾驶数据合作伙伴,提供驾驶员监测系统数据,并支持自动驾驶 AI 模型训练。项目涵盖四种必须相互吻合的模态:LiDAR 点云提供三维结构信息,多摄像头检测提供语义信息,雷达补充速度信息并在摄像头失效的恶劣天气中依然可靠,驾驶员监测数据则覆盖座舱内部。传感器融合——将这四种模态协调统一为一个一致的场景——正是单一模态供应商通常止步的地方。一、专属自动驾驶中心,而非共享产能。交付通过 Lifewood 40 多个中心版图内、位于马来西亚及印度尼西亚的专属自动驾驶中心完成。之所以选择专属而非共享,是因为自动驾驶标注所需的工具、培训及安全审查,与通用标注差异足够大,混用会让两者的质量都受损。二、经过培训的固定团队,而非临时扩充人力。吞吐量来自经过培训的专属团队,而非放宽审核标准——2025 年孟加拉国团队累计交付了 414,120 个培训工时,人均约 60 个工时。三、双层人工闭环审核。第一轮独立标注,加上依据客户认可的黄金标准集执行的独立第二轮审核,标注者间一致性阈值维持在 95% 以上。四、逐资产审计记录。每一项资产,都保留带时间戳的审批记录,确保项目在交付很久之后依然可供审计。吞吐量与安全攸关级准确率被视为同一项要求,而非此消彼长的权衡——这也是二者能够在交付计划的实际压力下同时存活下来的唯一方式。

标注准确率在 L4 级场景中稳定维持在 99.9%

在 L4 级安全攸关场景下,标注准确率基准达到 99.9%,高于 Lifewood 所有项目通行的 95% 以上标准。标注者间一致性作为独立指标单独跟踪,维持在 95% 以上的阈值 —— 因为单项准确率只能说明供应商标注结果与自身的一致性,而两名独立审核员之间的一致性,才能真正说明标注规范是否被切实共享理解。

Lifewood 相关服务

• 自动驾驶数据标注服务
• AI 训练数据校验