「倍赛BasicFinder」获数千万元A轮融资，从数据标注延伸到中台、AI建模

独家获悉，“倍赛BasicFinder”已完成数千万元A轮融资，由五岳资本和Talkingdata投资。

此前多次报道“倍赛BasicFinder”，公司注册成立于2015年，靠数据标注工厂起家——将打字员改造成数据标记员，通过自营模式保证服务质量

过去一段时间，公司的发展在两块：

一方面，数据标记是个重人力的劳动密集型行业，关键点就在于——提升人员效率、交付质量。另一方面，BasicFinder重点发力技术平台，输出AI基础设施的全流程产品。

“当数据任务量大时，比如标记百万级图片，可能需要200人/月。此时人员的配合管理很是关键，所以，BasicFinder主要在优化系统。”这是倍赛BasicFinder创始人兼CEO杜霖在2018年接受采访时表达，从前端采集，系统预处理，辅助标记，到监控数据集，产出模型等，BasicFinder自研发的系统不仅要通过工具提高人工标记的效率，而且更适配于企业对AI数据的全生命周期管理需求。

如今，倍赛BasicFinder已经形成标准化产品向外输出，主要包括3大体系：

1、BasicFinder HIVE数据标注系统——从企业的任务发布开始，HIVE系统可以起到管理任务的作用，到标注人员使用过程中，HIVE则有一系列工具集用于提高人员效率。

3、BasicFinder PLAT建模平台——利用基于Docker技术，倍赛给企业做了一个建模环境，可以私有化部署在企业内部，前面流程中标注的数据，可以选取有效的直接到该平台上训练。优化的结果，再反馈给标注平台。

从1到2，是帮企业从单一数据到全数据，整合数据中台的逻辑，再做到3，则是纵向延伸，从底层数据到上层建模的逻辑。从而，倍赛BasicFinder可以实现从数据标注到模型训练迭代的一站式服务。

杜霖表示：“通过BasicFinder PLAT模型训导平台训练出的模型可以分为两个方面进行部署，一方面应用于现实场景识别；另一方面部署为预标注模型。最终，将预标模型和现实场景收集的数据分别接入BasicFinder HIVE数据标注平台。作为数据流转的原始起点，BasicFinder HIVE在新循环中将应用之前导入的预标模型，对新补充的数据进行智能预处理，然后人工复标，以确保数据准确性。标注完成数据版本化后流入数据中台BasicFinder DATA，之后再将数据挂载至BasicFinder PLAT模型训导平台，进行模型迭代和升级。整个过程降低了数据集的版本控制、存储和传输成本，也相应地缩减了模型周期性迭代成本，所以可以促进AI项目的快速落地。”（如下图）

“而PLAT模型训导平台，实质上相当于一个模型计算的容器管理系统，也可以理解为模型孵化器。该平台能够管理调度企业的GPU等计算资源，实现一键导入数据、配置计算环境及部署模型，提升AI工程师研发效能，降低企业AI算力调度和管理成本，同时保障数据资产安全。”