作者 ｜ 樊雅婷
郵箱 ｜ fanyating@pingwest.com

早上九點(diǎn)，小林戴上耳機(jī)，打開(kāi)標(biāo)注平臺(tái)，耳朵里傳來(lái)一段帶四川口音的普通話。

她要先逐字把這段語(yǔ)音轉(zhuǎn)寫(xiě)出來(lái)，再標(biāo)出發(fā)音偏差、語(yǔ)調(diào)異常和方言特征詞，最后判斷 AI 的識(shí)別結(jié)果哪里對(duì)了、哪里跑偏。聽(tīng)起來(lái)像在聽(tīng)播客，旁人或許以為她在摸魚(yú)，可這就是她的工作。

她的官方 title 叫"數(shù)據(jù)標(biāo)注員"，但她更愿意說(shuō)自己是"AI 訓(xùn)練師"——這樣聽(tīng)起來(lái)酷一點(diǎn)。畢竟在大多數(shù)人的認(rèn)知里，這份工作就是 AI 時(shí)代的流水線：面對(duì)電腦，機(jī)械地點(diǎn)鼠標(biāo)，日復(fù)一日地畫(huà)框、打標(biāo)簽，技術(shù)含量不高，是典型的"人肉電池"。

可一旦有人追問(wèn)"具體做什么"，小林通常會(huì)沉默兩秒，然后答："就……教 AI 聽(tīng)人話。"再多的，她也說(shuō)不上來(lái)了。

也許下面這份從業(yè)者簡(jiǎn)歷里的工作描述，大致能說(shuō)明他們每天在做的事。

對(duì)于越來(lái)越多想進(jìn)入AI行業(yè)的年輕人，數(shù)據(jù)標(biāo)準(zhǔn)正在成為他們會(huì)考慮的入門(mén)工作，這個(gè)工種因何而生，整個(gè)行業(yè)是什么面貌，從業(yè)者又將走向何方——我們抓取了 Boss 直聘上"數(shù)據(jù)標(biāo)注"關(guān)鍵詞下、base 在北京的 302 個(gè)崗位，逐一拆解其中 151 份完整 JD。

1

同一份標(biāo)注工作，月薪能差出三十倍

ChatGPT 會(huì)寫(xiě)詩(shī)，靠的是標(biāo)注員逐條評(píng)價(jià)"這句好、那句差"；自動(dòng)駕駛能在路口認(rèn)出紅綠燈，是因?yàn)橛腥藢?duì)著數(shù)萬(wàn)張街景圖、一個(gè)像素一個(gè)像素地描出邊界。你對(duì) agent 說(shuō)一句"播放周杰倫的歌"，它一秒就聽(tīng)懂并執(zhí)行，這背后是成千上萬(wàn)條帶口音、帶環(huán)境噪聲、帶吞音連讀的語(yǔ)音指令被人工標(biāo)好了。

如今為了更自然的交互，語(yǔ)音標(biāo)注的復(fù)雜度還在指數(shù)級(jí)上升——不再只是把聲音轉(zhuǎn)成文字，而是要標(biāo)出情緒、意圖、語(yǔ)用場(chǎng)景，連方言里那點(diǎn)微妙差異都要標(biāo)，模型才能真正學(xué)會(huì)"聽(tīng)人話"。

每一處智能閃光，都有一雙人類的手在托底。這雙手的主人靠它掙多少、能干多久，是另一回事。先看收入。

151 份完整 JD 里，北京數(shù)據(jù)標(biāo)注崗位月薪中位數(shù) 10500 元，最低 2K，最高 65K——首尾相差三十多倍。

低薪這頭多是實(shí)習(xí)、兼職和眾包。日薪崗有 84 個(gè)，中位 185 元/天，招聘帖上寫(xiě)著"數(shù)據(jù)標(biāo)注，雙休，小白可做"，學(xué)歷經(jīng)驗(yàn)全不限，月薪 4-5K。光譜另一端，百度給自動(dòng)駕駛數(shù)據(jù)標(biāo)注算法實(shí)習(xí)生開(kāi)出 500-600 元/天，要求碩士；阿里巴巴的 AI 訓(xùn)練師崗 20-35K、16 薪，同樣卡碩士。

同為標(biāo)注，身價(jià)差出十倍。差距來(lái)自工作內(nèi)容早已分化：低薪端是執(zhí)行，按要求標(biāo)、按 SOP 做；高薪端是定義，定標(biāo)注規(guī)則、管質(zhì)量標(biāo)準(zhǔn)、打通算法和數(shù)據(jù)的閉環(huán)。前者可替代，后者難復(fù)制。

一個(gè)在標(biāo)注行業(yè)干了六年的老兵說(shuō)得直白：2016 年，標(biāo)注員是手藝人，熟手吃香；現(xiàn)在，標(biāo)注員是流水線工人，誰(shuí)都能干，你就是個(gè)賬號(hào)。

1

從"畫(huà)框"到替 AI 拿主意

151 份 JD 能分出四種主要模態(tài)。

文本標(biāo)注占 16%，做語(yǔ)料清洗、對(duì)話質(zhì)量評(píng)估、多語(yǔ)言翻譯校對(duì)。

大模型時(shí)代這類需求暴增——騰訊在招"大模型數(shù)據(jù)標(biāo)注-代碼方向"，應(yīng)聘者得看懂代碼，判斷 AI 寫(xiě)的程序哪里好、哪里有 bug，再用人的判斷去糾正它。

圖像和視頻標(biāo)注占 17%，包含框選、描點(diǎn)、分割、關(guān)鍵點(diǎn)標(biāo)注，自動(dòng)駕駛是大戶。

某大型車(chē)企的"智駕數(shù)據(jù)標(biāo)注算法工程師"崗，要求處理 4D 點(diǎn)云和 LiDAR 數(shù)據(jù)，輸出時(shí)序一致的 BBox 真值，月薪 40-70K、15 薪。這早不是"畫(huà)框"，而是要懂傳感器原理和三維空間關(guān)系。

語(yǔ)音和音頻標(biāo)注在招聘平臺(tái)占比最低，只有 1%，要求卻一點(diǎn)不低。

今年 6 月初，馬斯克的 xAI 面向全球招中文 AI 導(dǎo)師，訓(xùn)練 Grok 的中文語(yǔ)音能力，要求母語(yǔ)級(jí)中文、熟悉方言和地域口音差異，能做語(yǔ)音轉(zhuǎn)寫(xiě)、發(fā)音糾錯(cuò)和音頻標(biāo)注，美國(guó)境內(nèi)時(shí)薪 35-45 美元。同一時(shí)期，京東科技在招法語(yǔ)、德語(yǔ)、荷蘭語(yǔ)標(biāo)注，專八是門(mén)檻，要能識(shí)別發(fā)音錯(cuò)誤和語(yǔ)調(diào)偏差——標(biāo)準(zhǔn)堪比語(yǔ)言學(xué)研究。

多模態(tài)和綜合標(biāo)注占比最大，達(dá) 36%，一個(gè)崗位同時(shí)涉及圖文音視頻，常見(jiàn)于大模型數(shù)據(jù)團(tuán)隊(duì)。單一技能的可替代性越來(lái)越高，全能選手更吃香。

把這 151 份 JD 按業(yè)務(wù)領(lǐng)域看，分布高度集中：

大模型/AIGC 語(yǔ)料直接占 28%，自動(dòng)駕駛和醫(yī)療影像各占 7%。近三成崗位在給大模型"喂飯"。軍備競(jìng)賽進(jìn)入白熱化，GPU 數(shù)量不再是唯一籌碼，誰(shuí)的數(shù)據(jù)更貼近真實(shí)人類，誰(shuí)就多一分勝算。

門(mén)檻也跟著被改寫(xiě)。近九成崗位要求本科或大專，表面仍是低門(mén)檻工種。但那 13 個(gè)卡碩士的崗位，幾乎全扎在大模型評(píng)測(cè)、算法配套和海外多語(yǔ)言方向——盛大網(wǎng)絡(luò)"專家級(jí)數(shù)據(jù)標(biāo)注師"日薪 400-800 元，要碩士、可遠(yuǎn)程；阿里訓(xùn)練師 20-35K、16 薪，非碩士不招；還有金融類標(biāo)注專家，時(shí)薪 150-200 元。

專業(yè)壁壘也在往高了筑。醫(yī)療標(biāo)注明確要臨床醫(yī)學(xué)、影像學(xué)背景；代碼方向要計(jì)算機(jī)專業(yè)，能寫(xiě)能 debug；影視美學(xué)標(biāo)注青睞戲劇影視文學(xué)、數(shù)字媒體藝術(shù)；金融標(biāo)注要金融經(jīng)濟(jì)專業(yè)；具身智能標(biāo)注則指向機(jī)械和自動(dòng)化。離數(shù)據(jù)價(jià)值鏈的上游越近，越不只靠細(xì)心和耐心，而是實(shí)打?qū)嵉念I(lǐng)域知識(shí)。

同一頂帽子底下，眾包日薪 100 與專家月薪 6.5 萬(wàn)并存，中間地帶正被持續(xù)擠壓。

換個(gè)角度，一個(gè)崗位能同時(shí)容下學(xué)醫(yī)的、寫(xiě)代碼的、做設(shè)計(jì)的、搞金融的，它也正在變成幾乎所有專業(yè)的出口。

1

大廠定規(guī)則，外包拆包

再看招聘池里的公司，大廠和外包商涇渭分明。

302 個(gè)崗位中能認(rèn)出的大廠有京東、騰訊、阿里、快手、小紅書(shū)、百度，但招人最多的不是它們，而是標(biāo)注外包公司和數(shù)據(jù)服務(wù)商——海天瑞聲、云測(cè)數(shù)據(jù)、倍賽科技牢牢占據(jù)崗位數(shù)前列。

行業(yè)邏輯很清晰：大廠定標(biāo)注規(guī)則和評(píng)測(cè)標(biāo)準(zhǔn)，外包公司拆成細(xì)碎 SOP 再層層分包。

許多標(biāo)注員覺(jué)得工作機(jī)械、看不到全貌，原因就在這里——他們站在流水線末端，手里只有一個(gè)賬號(hào)和一套指令。

但核心模型能力，大廠從不輕易交出去。

騰訊親自招代碼方向的大模型標(biāo)注，快手直接為可靈 AI 招標(biāo)注項(xiàng)目管理，小紅書(shū)招大模型數(shù)據(jù)標(biāo)注實(shí)習(xí)生。模型越關(guān)鍵，數(shù)據(jù)質(zhì)量越要握在自己手里。

1

數(shù)據(jù)標(biāo)注的過(guò)去，現(xiàn)在和未來(lái)

數(shù)據(jù)標(biāo)準(zhǔn)已經(jīng)成為AI進(jìn)展背后的人類底座。而要理解它如何發(fā)展到今天，未來(lái)會(huì)走向何方，還是要看一看它一整個(gè)歷史。

2006—2014，是前標(biāo)注時(shí)代。

那時(shí)"數(shù)據(jù)標(biāo)注"還不算一個(gè)職業(yè)。李飛飛在普林斯頓啟動(dòng) ImageNet 時(shí)，最初以 10 美元時(shí)薪雇本科生逐張標(biāo)圖，可學(xué)生很快受不了這種重復(fù)勞動(dòng)，按當(dāng)時(shí)效率估算，標(biāo)完整個(gè)數(shù)據(jù)集要 19 年。轉(zhuǎn)機(jī)來(lái)自 Amazon Mechanical Turk：2008 到 2010 年，來(lái)自 167 個(gè)國(guó)家的近 5 萬(wàn)名眾包工人，完成了超過(guò) 1400 萬(wàn)張圖片的標(biāo)注。在學(xué)術(shù)圈，做標(biāo)注被當(dāng)成"搬磚"，李飛飛的基金申請(qǐng)甚至被 NIH 評(píng)審批為"普林斯頓做這個(gè)是一種恥辱"。

2012 年，AlexNet 以 15.3% 的 top-5 錯(cuò)誤率拿下 ILSVRC 冠軍，領(lǐng)先第二名超過(guò) 10 個(gè)百分點(diǎn)，Yann LeCun 后來(lái)稱之為計(jì)算機(jī)視覺(jué)史上無(wú)可爭(zhēng)議的轉(zhuǎn)折點(diǎn)。整個(gè)行業(yè)由此意識(shí)到：算法差距可以追趕，數(shù)據(jù)差距才是壁壘。標(biāo)注這件事，第一次有了變成一門(mén)生意的可能。

2014—2017，標(biāo)注工廠時(shí)代。

第一批數(shù)據(jù)標(biāo)注公司成立，這些公司選址往往在三線城市，理由很現(xiàn)實(shí)：人力便宜、租金便宜、有補(bǔ)貼。"我們就是在吃人口紅利，"一位標(biāo)注公司老板曾毫不避諱地說(shuō)，"開(kāi)在北京一個(gè)月 4000 招不到人，開(kāi)到縣城 2000 就有人搶著干。"

大量農(nóng)村青年、小鎮(zhèn)寶媽、殘障人士經(jīng)培訓(xùn)成了標(biāo)注員，在產(chǎn)業(yè)匱乏的縣城，月入 3000-5000 已是體面收入。但他們大多不知道自己在做什么："每天就是拉框拉框拉框，這些框拿去干嘛，沒(méi)人告訴我們。"

2017—2020，分化與升級(jí)。

一些大廠開(kāi)始建起更大規(guī)模的數(shù)據(jù)標(biāo)注基地，大廠入場(chǎng)帶來(lái)標(biāo)準(zhǔn)化和分層。標(biāo)注師群體開(kāi)始分化：底層仍是基礎(chǔ)框選，往上是質(zhì)檢員，再往上是標(biāo)注規(guī)則師——要懂 AI 基本原理，收入翻好幾倍。2020年初，人社部正式將"人工智能訓(xùn)練師"納入國(guó)家職業(yè)分類目錄，頂級(jí)訓(xùn)練師年薪已超過(guò)30萬(wàn)。

2020 至今，AI 反噬。

GPT-3 論文（《Language Models are Few-Shot Learners》，NeurIPS 2020）證明了大模型的少樣本學(xué)習(xí)能力，模型不再需要海量人工標(biāo)注也能完成許多任務(wù)。同時(shí)自動(dòng)標(biāo)注技術(shù)成熟、合成數(shù)據(jù)崛起，行業(yè)自動(dòng)化率從三年前的約 30% 飆到 60% 以上。

但 RLHF 又催生出一類全新需求：給模型輸出做偏好排序、評(píng)估事實(shí)準(zhǔn)確性、糾正推理鏈路——這些活不再叫標(biāo)注，而叫提示詞工程師或 AI 對(duì)齊訓(xùn)練師，技能門(mén)檻完全不同。

這種替代已經(jīng)寫(xiě)進(jìn)了招聘啟事。百度的"自動(dòng)駕駛數(shù)據(jù)標(biāo)注模型算法實(shí)習(xí)生"，工作內(nèi)容就是開(kāi)發(fā)預(yù)標(biāo)注模型，讓 AI 自己標(biāo)數(shù)據(jù)。"自動(dòng)標(biāo)注+人工復(fù)核"成了主流工作流：AI 先粗標(biāo)一版，人負(fù)責(zé)質(zhì)檢、糾錯(cuò)、補(bǔ)齊邊界案例。基礎(chǔ)重復(fù)性標(biāo)注確實(shí)在被吞噬，可"這版標(biāo)得好不好""邊界案例怎么處理""這段畫(huà)面美感夠不夠"，這類要主觀判斷和領(lǐng)域經(jīng)驗(yàn)的環(huán)節(jié)，仍得人來(lái)兜底。

2024 年的行業(yè)數(shù)據(jù)呈現(xiàn)出一道明確的剪刀差：80% 的投資流向自動(dòng)標(biāo)注公司，傳統(tǒng)勞動(dòng)密集型標(biāo)注企業(yè)拿到的融資不到 5%；基礎(chǔ)標(biāo)注用工在收縮，懂醫(yī)學(xué)、法律、金融的專家級(jí)標(biāo)注師卻持續(xù)緊缺。

一位 AI 公司 HR 對(duì)我們說(shuō)得更直接："AI 訓(xùn)練師的薪資是標(biāo)注員的 3-5 倍，但我們幾乎不會(huì)從標(biāo)注員里招訓(xùn)練師，寧愿招剛畢業(yè)的計(jì)算機(jī)系學(xué)生從頭帶。"

純執(zhí)行型標(biāo)注員正在退場(chǎng)。留下的，要么有某個(gè)領(lǐng)域里難以替代的專業(yè)判斷，要么有質(zhì)量管理和項(xiàng)目統(tǒng)籌的能力。

回到開(kāi)頭我們提到的小林，她對(duì)我們表示，現(xiàn)在她不只做語(yǔ)音轉(zhuǎn)寫(xiě)。每天要開(kāi)團(tuán)隊(duì)對(duì)齊會(huì)，爭(zhēng)論方言口音的標(biāo)注邊界該劃在哪兒；要寫(xiě)質(zhì)檢報(bào)告，分析語(yǔ)音模型在哪幾個(gè)聲調(diào)上最容易翻車(chē)；偶爾被拉去和算法工程師開(kāi)會(huì)，憑聽(tīng)感給語(yǔ)料提改進(jìn)意見(jiàn)。

這一行變得太快了。去年還在標(biāo)文本對(duì)話，今年改標(biāo)語(yǔ)音語(yǔ)調(diào)，明年也許要標(biāo)機(jī)器人的動(dòng)作數(shù)據(jù)。這似乎在給這個(gè)工作崗位帶來(lái)更多的需求，但同時(shí)AI的自動(dòng)標(biāo)注也在快速搶走這些新出現(xiàn)的需求。數(shù)據(jù)標(biāo)注依然會(huì)是不可或缺的AI背后的人類底座，只不過(guò)接下來(lái)它注定把會(huì)被替代的人和不會(huì)被替代的人分到越來(lái)越遠(yuǎn)的兩端。

點(diǎn)個(gè)“愛(ài)心”，再走 吧