“坚苦山村里，没上过大学的女东谈主们在喂养AI。”
“富士康工东谈主流向AI标注厂。”
“跟AI打工，坚苦县也能月薪7000。”
在“有几许智能，就有几许东谈主工”的AI时间，有一批东谈主通过汇集践诺寰球的图像、视频、笔墨等信息，清洗标注后将数据转机为代码运输给机器，从事这份职责的东谈主叫作念数据标注员。
通达对于AI数据标注行业的新闻，咱们遍地可见上述标题。低门槛、处事密集、高度程式化、圭臬操作活水线，成为了数据标注工东谈主身上最大的标签特征。而在国际上，因为有多量的非洲肯尼亚东谈主在作念关系职责，他们又有一个灰色昵称，“肯尼亚东谈主”。
而这，也与数据公司的甲方——百度、阿里等，致力于于于要用技能改造寰球的大公司们酿成了显着的对比。大洋此岸，数据标注服务公司Scale AI市值73亿好意思元，彰显了数据公司的老本后劲，也让咱们看到了数据公司走向百亿好意思金估值的可能性。
跟着AIGC时间的到来，数据标注员的职责有何改造？上述新闻标签是否是他们的行业常态？数据标注行业当今存在哪些问题？畴昔又有哪些发展远景？更病笃的是，他们展现了AI行业背后的什么样的穷苦？
带着这些问题，文娱老本论走进了四流派据标注公司，发现了如下的行业近况：
VOL.1.标注行业对职工的陶冶条款越来越高，本科生占比高
VOL.2.兼职的标注东谈主员中宝妈较通晓，更受宽容
VOL.3.垂类行业的数据标注订单增多，对垂类标注东谈主才的需求量增多
VOL.4.底层数据标注员的工资与最低工资圭臬雷同
VOL.5.AI只带来了短期的订单增多，袖珍数据标注公司很卷
VOL.6.多数数据标注公司莫得构建我方的数据壁垒
VOL.7.数据公司的发展趋势：①、欺骗AI技能降本增效 ②、专注于某一垂类的数据 ③、往产业链上游走，作念数据汇集、合成等
“咱们不是富士康的活水线模式。”
当被问及公司的职工近况时，几流派据公司齐给出了雷同的回应。
龙猫数据确立于2014年，累计服务了60余家主机厂和自动驾驶公司，为客户提供合座的数据处分决策。
本年AIGC爆火后，龙猫接到了许多图文标注、视频标注需求的订单，会有许多多模态应用场景，比如车内座舱的文娱软件等。龙猫副总裁胡邱飞向文娱老本论指出“这条款标注东谈主员能贯串大模子的应用，而大模子会锻练真的统统领域的通识类学问。此外，标注内容要和客户的模子价值尽量靠近。是以这也条款咱们找的标注东谈主员绝大多数学历在本科以上。”
龙猫公司一角针对垂直领域，龙猫则会配备专科领域东谈主员，比如为数学关系大模子招聘会高等数学的东谈主，“要是不是这专科的东谈主，你根柢看不出细节上的区别。”
成齐的汇众天智总司理骆靖元也在AIGC海浪后提升了对职工的陶冶条款，“三四年前对职工的陶冶条款还不高，然则当今甲方对证料和成果的条款提升了。公司之前90%是大专，当今本科占到了一半，致使有计议生。”
2018年，作念软件的丁一峻，在一又友的引荐下接到了阿里数据标注的订单，2019年创立了飞火大数据公司。之后，出于成本探讨丁一峻回到家乡创业作念数据标注公司，“当时的数据标注行业如实能提供多量办事，洛阳数据局2019年的时候也牵头思作念数据处理公司，招东谈主好招，但录用难。”
2019年作念百度某数据标注业务边幅截图“数据标注骨子是高档搬砖。”丁一峻向文娱老本论指出，“有标注需求的多是大公司，当今许多标注公司会外放作念不外来的订单，这就让市面上许多没跟甲方深度紧缚的公司，接的订单齐特碎裂。这种订单一是旯旮化业务，比如小语种。二是期间周期短的业务，很考验外部公司的录用能力。”
这两类订单，也倒逼着丁一峻要提升对职工陶冶的条款。这期间，丁一峻尝试过和学校监狱讨好，接踵作罢，“学校要探讨率领、迷惑员各式利益分拨，监狱对汇集条款高，不如找全职。”
飞火大数据公司一角抽象原因下，大部分的数据公司更倾向于招聘兼职东谈主员。沈阳正午数据公司东谈主事小苏禁受河豚君采访的前一天，刚在Boss直聘上发了招聘兼职的见告，“行业自身利润有限，全职成本太高了，根柢就不成竣事。”
“咱们招东谈主基本条款大专以上，发了以后有上百东谈主接洽我，然则许多东谈主没告戒。”小苏招聘时，会和兼职强调对数据守秘性的条款，“不知谈是不是受汇集的影响，许多东谈主羁系心很重，听到要守秘就不作念了。但咱们公司有良心，必须强调守秘。”
杭州景联文是一家从事数据汇集标注、数据交融挖掘的公司，现存1000多位全职标注东谈主员，其CEO刘云涛向河豚君显现，“标注边幅难度越来越高，条款标注员的学历和专科学问水平越来越高，比如言语标注团队，条款会各式小语种。医疗标注，需要医学院毕业的学生。”
龙猫则是全职兼职两手持。胡邱飞显现，“咱们当今线上注册用户400多万，活跃全职的1万东谈主傍边。”线上以外，龙猫在西南地区作念了线下标注基地，“那里高校多，学生陶冶也更高，职工500东谈主傍边。”
龙猫的全职运营会了解兼职的情况，“咱们更心爱用莫得全职职责的群体，比如宝妈，她们期间充沛，更好连接，也更通晓。”
合座来说，如今数据行业的标注东谈主员发展如同好意思团般发展成了全职、服务站、众包等路线式的东谈主力模式。胡邱飞显现，“咱们线上众包是强管控，最终录用放弃齐是计件的。”
小苏先容，当前公司兼职的职工大略两三千，常驻东谈主员1000傍边，流失率一半。丁一峻显现，“基础的标注员不时齐是属于场所上的最低工资圭臬，三线城市两三千傍边，质检员和边幅司理，能到七千傍边。”
“太卷了。”
这真的是数据公司们共同的心声。
“咱们当今就像河南的食物代加工场一样，品牌是别东谈主的，职责相等于帮别东谈主养孩子。”丁一峻的公司岑岭时有两三百东谈主，当今公司独一40多位职工，“老客户的需求还在，能守护常常运营，但这种票据很鸡肋，一个月几百几千跟办公室采购差未几，利润太低，边幅体量也不通晓。数据行业穷乏像苹果、特斯拉一样需求通晓的工场。否则我也不思裁东谈主，有活还需要找外包。”
骆靖元指出，AIGC爆火后我方招东谈主和畴前相比省去了科普东谈主工智能的才调，但在接活上更卷了，“大公司有依期筛选的机制，比如说这批我需要10家公司。那我就从100个内部筛选，其中哪两三个差别适，我再动态替换。这使得一些公司连接报廉价，恶性轮回。”
为了接到订单，丁一峻一直在勤奋降本增效，“为了提升成果，咱们开发了AI用具，之前2D拉框要8分一个，当今降到了5、6分，操作更粗浅。质料上，要是客户不思要指标物低于某像素值的，用具径直调数值，标注员就毋庸标了。”
然则这种用具标注公司基本只可私用，“同业有能力买的，我方有开发的实力。没开发实力的，出不起这个钱。”说着，丁一峻给我发来了网上开源的标注用具，“每家平台齐差未几，齐是基于labelme的底层逻辑。早几年能打个信息差，卖平台赚点钱，当今不行了，群众齐知谈套路，径直上源码加个UI就成居品了。”
某标注用具图“本年2月GPT刚火的时候订单多了一些，当时大公司的方针更多是为了割韭菜炒股价。其后这些AI大公司发现变现难，七八月份就很少在数据标注上参加了。”保定的数据标注雇主周三体说，标注公司碰到的穷苦，仿佛也印证了AI潮冷去的某种践诺，“AI公司的客户许多如故G端，根柢不在乎AI能力，更贯注能不成喝酒、能不成垫资”。
为了接活，周三体勤奋缩短成本，“2D拉框最早是1毛5一个，当今降到了8、9分一个框。”
景联文在勤奋将非圭臬化居品圭臬化，当今将2D拉框标注边幅的成本缩短了50%。
通达天眼查搜索数据标注公司，咱们也能发现大部分的公司打算所在地齐在河北、山东、河南等东谈主口大省，这与当地劳能源密集且廉价息息关系。“大厂会把业务承包给有经历和实力的公司，这种公司再外包，到咱们价钱很低了，还需要垫款，压力很大。”周三体说时叹了语气。
回忆起2017年创业的日子，骆靖元说当时借着自动驾驶行情数据行业很火，订单像星罗云布一样地走漏，“像百度作念了语音汇集，高德、讯飞会再作念一遍。算法齐没变，标注齐是新瓶装旧酒，相同一批东谈主脸识别的图片，A公司作念完B公司作念，之后C公司再作念，咱们经久是在给别东谈主作念嫁衣。”但这么的日子也旷日弥远，如今订单量变少，“东谈主员赶快增多后又会有断档期，大部分公司死在了断档期里。”
被问及是否以为公司的运营模式是新时间的数据工场时，丁一峻认为，“AI的居品线不像工场那么完善，穷乏法律和社会面的复古，比如版权、数据安全。”
丁一峻曾联络过一家证券公司的标注职责，“刚好有一家标注员是这家证券公司的用户，他建议了抗议，其后私私用钱妥协了。谁汇集数据，出了问题谁清雅，是以一般咱们也不会扰乱数据起原情况。”
技能壁垒低、策略章程不健全、订单量少且不通晓，数据行业面对着多种窘境，这也逼着其从业者寻找新的转型发展之路。
为了降本增效，龙猫计议了AI加持下的数据标注连接系统，“自动驾驶上检朴了40%，AIGC在探索引入GPT等大言语模子校准标注放弃。看成机器和东谈主的交叉考据，保证输出的一个质料。因为东谈主会有波动，机器愈加通晓，偏差小。”
此外，龙猫在尝试通过AI技能省去标注才调，径直进入到审核和质检才调。
高质料语料，尤其是私域数据，是作念好数据标注的要道，AI在仿写改写上的后劲，让东谈主看到了其在合谚语料上的后劲。“字据最新的生成式AI连接见解，用户领有我方5张像片的版权，但5张像片合成青年景的数据版权属于合成方。”胡邱飞据此动身，在探索数据拟合向业务，方针在于领罕有据的统统权，标注后屡次复售数据包。
AI创业者周晓明指出，“AIGC赋能合成数据，能够处分实在数据取得难、取得成本高、万般性不足、穷乏心事保护等痛点问题，替代实在是势在必行。”
对此，丁一峻则未敢尝试，“AIGC合成数据需要看策略，当今是灰色地带，好不好取得，就看胆子大不大了。谁也不知谈畴昔会不会出爆款，有比较实在数据的内容出现。”
此外，龙猫也在探索取得高质料数据的新方式，打造公司壁垒，胡邱飞说，“海出门现的一种趋势是用户主动售卖我方的数据，让数据公司得以绕开原始数据的厂商驾驭的形势。咱们也在思，如何让那些有期间、陶冶又高的东谈主作念数据输出和标注，比如说通过作念题的方式，让他们小法度上答题收成。”
“数据标注是自我淘汰的行业，AI不错通过模子优化作念部分标注职责。发展到终末，这个行业可能只会剩下质检员这些岗亭。”丁一峻为了打法变化，将公司从洛阳搬到了工业配套更完善的苏州，作念数据汇集车业务，“咱们要给甲方提供硬件采购和数据服务的整套决策，这么甲方对咱们的依赖度才能更深。”
景联文则遴荐了深耕垂类赛谈，专注于诠释和医疗领域，刘云涛显现，“诠释方面，咱们手上有3亿谈从小学到奇迹诠释的题，口头斡旋，剖析维度包括专题分类、分析经过、考点剖析、解答经过、锻练点评等。当今大模子堪称百模大战，至少有60家齐要买咱们的题库。”
医疗方面，景联文集会了400TB的医学良友数据库和三甲病院的巨匠的病理数据。“咱们两年前启动拓展标注场景，选了医疗赛谈，不论经济多不景气，医疗经久有存在的兴味和价值。”
值得一提的是，龙猫AIGC业务线清雅东谈主李亚向文娱老本论显现，龙猫正在打造我方的垂类大模子，“大模子一是作念补助标注，读懂题目后给谜底让东谈主选。第二是作念全自动标注，AI径直出放弃。这种情况咱们会作念双盲的实验，比如一个谜底用三个圭臬作念一遍，内部咱们会拆一个一个东谈主或者两个东谈主用这种口头作念，这么不需要再作念抽检和质检，有些边幅咱们还是用GPT录用了，准确率方面达到了80%多，与东谈主工接近。”
对市集表率化的敕令，成为了不少数据标注从业者的心声，刘云涛指出，“畴昔，如何让数据畅通合规化、安全化是很大的问题。当今许多城市在开拓大数据往来中心，是积极的信号。”
艾瑞数据的东谈主工智能数据论述指出，三年后，中国东谈主工智能的数据治理市集规模瞻望将冒失百亿。
但更践诺的问题是，吐槽汉文语料库差的新闻屡见报端，多量的中袖珍数据标注公司正在卷生卷死，无数数据标注公司的业务居品，在批量化、利润率、风险性方面致使不足富士康居品，照耀到市集上的，则是冉冉遇冷的大模子市集以及越来越像“高技术施工队”的中国AI买卖环境。
当咱们试图寻找处分之谈时，骆靖元回忆其职责多年感受时的话也许是最佳的谜底，“对咱们共事来说，当看到应用落地的时候，如故比较应承的事情。固然工资低，但终归是作念了点有效的事情。”
“数据是AI走向智能的基础，少开点发布会炒股价，多投点钱在标注上才是正事。”采访接近尾声时，周三体发来了这句话。