To accelerate China's data sector's growth, and establish goals for 2027 that target advancements in professionalization, intelligence, and innovation within the sector, new guidelines were recently issued by the National Development and Reform Commission, the National Data Administration, and other relevant departments.

    The guidelines also aim to enhance the high-quality development of the data annotation industry. Data annotation, involving professional data governance activities such as screening, cleansing, categorizing, annotating, labeling and quality inspection, plays a crucial role in enhancing the quality of data supply. It can improve the quality of data supply and is a key component in the development of AI.

    The guidelines anticipate a substantial increase in the scale of the data annotation industry with an annual compound growth rate exceeding 20 percent.

    In addition, they detail nurturing influential technology-focused data annotation companies, promoting closer collaboration across industries, universities, research institutes, and end-users, and establishing distinctive data annotation bases. These efforts aim to form a comprehensive industrial ecosystem.

    The guidelines outline four key tasks:

    -Enhancing Demand-Driven Initiatives: This involves releasing public data annotation demands and promoting AI applications across various sectors such as government services, urban management, and rural revitalization. The guidelines also support industrial transformation by exploring enterprise-level data annotation needs and implementing actions to improve data efficiency in state-owned enterprises.

    -Boosting Innovation: Efforts will focus on achieving breakthroughs in key technologies like cross-domain and multi-modal semantic alignment, 4D annotation, and large-model annotation. National R&D plans and major science projects will support these efforts. The development of intelligent tools for annotation review, quality assessment, and expert annotation, along with platforms integrating data, models, tools, and scenarios, is also a priority.

    -Cultivating a Thriving Ecosystem: The guidelines propose nurturing leading enterprises to promote scaled, standardized, and intensive development. Efforts will be made to facilitate the coordination among data collection, annotation, and AI application industries.

    -Strengthening Security Measures: Establishing norms for identifying security risks related to data annotation, setting up monitoring and warning systems, and preparing emergency response mechanisms are critical. Assigning safety responsibilities throughout the data annotation process, protecting the rights and interests of data annotation enterprises during data circulation, and enhancing privacy protection, AI alignment, and safety assessment capabilities are also stressed.

    Moving forward, relevant government departments will strengthen top-level planning for the industry and address critical challenges to ensure the successful implementation of the guidelines.