BEV+Transformer时代，2D标注正在被3D标注取代？

如果两年前你问标注公司的老板最大的业务是什么，答案大概率是“2D框”和“2D语义分割”。但到了2026年，越来越多的自动驾驶团队开始明确要求：我们只收3D点云标注数据，2D标注作为辅助。这种变化不是突然发生的，而是BEV+Transformer技术路线的普及带来的必然结果。

从2D到BEV：标注需求的底层逻辑变了

传统的自动驾驶感知方案以2D目标检测为主——在图像平面上标出车辆、行人、车道线。标注员在单张图像上画框，模型学习的是“看到什么”，而不是“在哪里”。这种方案下，每张图像都需要独立标注，同一辆车在不同视角下要标多次，标注量巨大且一致性差。

BEV（Bird's Eye View，鸟瞰视角）+ Transformer技术路线改变了这一局面。方案将多个摄像头的2D图像特征统一投影到俯视图坐标系中，直接在鸟瞰空间内做检测和预测。这意味着，标注数据必须从2D图像空间转向3D空间——标的不再是“图像上的一个框”，而是“真实世界中的一个三维立方体”，包含长度、宽度、高度、朝向角、中心点坐标等完整参数。

3D标注的四大变化

第一，标注维度升级。2D标注只需要x、y、w、h四个参数，3D标注需要x、y、z、l、w、h、yaw七个参数，复杂度翻倍。标注一个3D框的时间大约是2D框的3-5倍。

第二，时序标注成为标配。BEV方案天然支持时序信息融合，训练数据也从单帧标注转向时序标注——同一个物体在连续20帧中的轨迹需要一致性标注，标注工具必须支持时序回放和插值。

第三，多模态融合标注需求爆发。摄像头+激光雷达+毫米波雷达的数据需要在同一坐标系下对齐标注。标注员需要同时理解视觉图像和3D点云，对技能要求大幅提升。

第四，corner case标注从“彩蛋”变“日常”。BEV方案对corner case的敏感度更高——奇怪的交通场景、罕见的路面物体、非常规的驾驶行为都需要专门采集和标注。有自动驾驶公司在2026年Q1的招标中明确要求提供至少500种corner case类型的数据。

标注公司如何应对？

对于中小型标注公司，转型并不容易。培养一个合格的3D标注员需要3-6个月，3D标注工具的采购成本也远高于2D工具。但转型已经不再是选择题：如果2026年还主力做2D标注，客户量会持续萎缩。

一些头部标注公司已经开始布局自动标注能力——用已有标注数据训练自动标注模型，先让AI标一遍，人工校验修正。这种方式号称能降低60%的人工标注量，但对数据引擎团队的要求更高。

可以预见的是，未来两年的标注行业会分化成两个阵营：能提供高质量3D/时序/多模态标注的公司，和困在2D低端市场的公司。门槛在提高，天花板也在提高。