6月下旬，由中国汽车工业协会（CAAM）主办、世界汽车组织（OICA）支持的“2021中国汽车论坛”在上海嘉定圆满召开，论坛现场汇聚了政府部门主管领导、全球汽车企业领袖、领先科技公司代表、汽车行业精英和权威专家等，共谋汽车产业发展新格局。

论坛围绕“新起点、新战略、新格局——推动汽车产业高质量发展”主题，涉及车市转型、新能源、智能化、技术创新、品牌化等议题。在智能化方面，智能网联汽车发展及数据安全、智能座舱创新技术等话题成为业内外关注的焦点。Magic Data作为全球领先多模态数据服务提供商亮相此次大会，普及对话式AI数据对推动智能座舱发展的重要作用。在智能座舱创新技术论坛上，Magic Data创始人兼CEO张晴晴发表题为“数据推动智能座舱发展”的主题报告。

智能座舱成车企发力重点

随着人工智能技术的发展以及汽车市场的转型加快，座舱数字化成为汽车智能化的重点，各大车企通过发力智能座舱提升消费者体验。据数据显示，国内智能座舱系统主要部件市场空间在2020年达到480亿元左右，2025年有望达到982亿元左右，2019年至2025年年均增长14%左右。

汽车座舱实现智能化需要云计算、AI、芯片、操作系统、数据等技术合力，其中通过语音方式的人机交互是解放消费者双手的核心技术之一，而让人机交互更自然，体验更好，离不开大量对话式AI语音训练数据的支撑。

用数据解决智能座舱痛点

在车载信息空间内，语音是传递信息的主要载体，也是智能座舱落地的重要方面。智能座舱诸多功能中，涉及到语音的地方较多，比如智能导航、智能音乐搜索、命令控制等都可以通过语音进行操控。

与家居等环境不同的是，车载环境复杂，特别行车过程中伴随着噪音、开关车窗、多人说话等复杂环境，模型在复杂的车内环境听懂人说话还要解决说话人的方言、重口音、吞音等问题。以至于模型对人声反应较为机械，代入感较差，和消费者要求的自然流畅对话体验存在一定差距。

在解决这些痛点时，开发者可能认为算法不好，重点要进行算法优化。事实上，相对于算法，数据对模型的影响才是根本的。通过对比显示，不同算法的模型使用同一组数据训练，结果没有太大差异；如果用同一个算法的两个模型，分别选择不同的数据，得出的结果有很大不同。所以，AI系统的增益主要来自数据。

数据配比2-8原则帮助车企降本增效

对于模型来说，提升识别率需要高质量的结构化数据进行训练。数据是人工智能的燃料，未被结构化的原始数据好比原油，需要经过清洗、分类、标注、质检和筛选等专业步骤，形成结构化数据，才能有用于模型训练。数据结构化每一个步骤都会影响到模型性能，也就是说，结构化质量决定了智能系统的性能。

结构化的数据用的越多，模型性能就越好，但对于车企来说，提高汽车智能座舱的人机交互体验同时，还需考虑到投入产出比，尽量以适当的投入有较好的产出。因此，Magic Data提出数据配比2-8原则，先保证通用性能，再进行个性化定制。对于车企来说，用于提升模型性能的80%数据都属于共性数据，现有的结构化数据即可满足要求，可一次性投入；剩余20%数据根据需求进行精准定制化服务，进一步提升模型性能。

Magic Data目前拥有超过150000小时结构化的AI训练数据集，其中超过90000小时对话式AI训练数据集，超过50000小时朗读数据集，超过10000小时自发式数据集。结构化AI训练数据集在数据安全上达到国际标准，有利于车企更快地迭代模型。

Magic Data拥有超过60种语言的数据服务能力，包括中文、英语、德语、日语等大语种，同时覆盖上海话、四川话、粤语等八大方言区方言。针对车企需求，Magic Data开发中英文混合对话数据集、车载噪音等数据集，满足车载场景下的AI模型训练需求。

智能座舱是车企提升消费者体验的重要发力点，智能座舱实现更自然更智能的人机交互体验，离不开对话式AI数据，Magic Data为智能座舱提供专业的数据服务，用数据推动汽车行业高质量发展。