數(shù)據(jù)標(biāo)注工：訓(xùn)練AI，被AI替代

增長和淘汰同時(shí)進(jìn)行。

前景和覆滅同時(shí)存在，數(shù)據(jù)標(biāo)注從業(yè)者代延從未如此矛盾。

30歲的內(nèi)蒙古人代延在今年初創(chuàng)業(yè)，組建了一個(gè)近30人的線上標(biāo)注團(tuán)隊(duì)。此前代延曾在數(shù)據(jù)標(biāo)注的眾包平臺做了兩年?？梢苑Q為是“熟工”的他，對眼下的局面既期待又緊張。

他從年初就關(guān)注到ChatGPT。從AI企業(yè)注冊量的粗暴增長上，代延看到了AI的行業(yè)爆火與數(shù)據(jù)標(biāo)注的創(chuàng)業(yè)機(jī)會(huì)。天眼查數(shù)據(jù)顯示，僅今年一季度就新增注冊17萬家人工智能相關(guān)企業(yè)，目前總計(jì)已有267萬家。

他想象著自己能跟隨行業(yè)共進(jìn)，公司未來能發(fā)展到100人的規(guī)模。但眼下的現(xiàn)狀卻難以支撐他的期盼：數(shù)據(jù)標(biāo)注的圈子很快被沖破——大量標(biāo)注需求、標(biāo)注工人和中間商一同涌入，單價(jià)更低了。

就像工程隊(duì)接觸不到有建筑需求的甲方，只能從承包方手上接項(xiàng)目一樣，代延接觸的工價(jià)因項(xiàng)目層層轉(zhuǎn)手越壓越低。他拒絕干一天只能拿到30元的標(biāo)注項(xiàng)目。

與此同時(shí)，代延還面臨著標(biāo)注業(yè)沒有職業(yè)晉升、沒有合同保障、被拖款也投訴無門的窘迫。他自嘲：“我們就是新時(shí)代的數(shù)據(jù)民工?！?/p>

但這并不是問題的全部。更大的問題在于，自動(dòng)化標(biāo)注也正在吞噬他們手上僅有的項(xiàng)目。由代延這樣的數(shù)據(jù)標(biāo)注員訓(xùn)練的AI，正在人類監(jiān)督中自我學(xué)習(xí)，進(jìn)行自標(biāo)注。

自動(dòng)化標(biāo)注將極大減少企業(yè)成本，也成為數(shù)據(jù)標(biāo)注市場上最被看好的方向。

代延不得不為“AI可能完全取代人”做準(zhǔn)備。他帶著團(tuán)隊(duì)同時(shí)做文本標(biāo)注類別的教輔標(biāo)注和3D點(diǎn)云標(biāo)注項(xiàng)目。一個(gè)是文字，一個(gè)是圖片視頻。代延做好了一個(gè)項(xiàng)目如果被AI顛覆，就立馬帶著團(tuán)隊(duì)轉(zhuǎn)型去另一個(gè)領(lǐng)域的打算。

此外，團(tuán)隊(duì)人數(shù)也要精簡。代延劃掉了腦海中想象的百人公司規(guī)模。他認(rèn)為最終或許只會(huì)保留20人的熟手團(tuán)隊(duì)。

這些由數(shù)據(jù)標(biāo)注員一手訓(xùn)練的AI，一邊讓他們夢想著賺得更多，同時(shí)逼著他們做好被顛覆的打算。

1.標(biāo)注，讓AI睜眼看世界

為了讓機(jī)器像人一樣理解文字、語音、圖片，人類創(chuàng)造了一個(gè)機(jī)器的學(xué)習(xí)鏈條：采集物理世界的實(shí)物圖像和聲音，對數(shù)據(jù)進(jìn)行標(biāo)注、清洗，將數(shù)據(jù)轉(zhuǎn)換為一串串代碼后輸送給機(jī)器。

AI學(xué)者認(rèn)為，三歲嬰兒通過眼睛“拍攝”了數(shù)億張圖片，反復(fù)認(rèn)識世界。所以只要給機(jī)器灌輸足夠多的數(shù)據(jù)，也能讓機(jī)器從學(xué)會(huì)識字、認(rèn)句子，最終理解語言背后的深意。

標(biāo)注圖集ImageNet上有1500萬張圖片，這個(gè)數(shù)據(jù)集幫助無數(shù)AI企業(yè)獲得在計(jì)算機(jī)視覺上的突破，比如人臉識別、搜圖看看。

為了搭建ImageNet，全球167個(gè)國家的近5萬名數(shù)據(jù)標(biāo)注工一起標(biāo)注了兩年半，他們都來自眾包平臺Mechanical Turk。

標(biāo)注要求十分簡單，MTurk常見的工作內(nèi)容就是區(qū)分照片的顏色，或者對圖像中出現(xiàn)的動(dòng)物進(jìn)行分類，或是用一個(gè)個(gè)方框框定選定對象，標(biāo)注其名稱：這是蛋糕、這是汽車、這是一朵云等等。

圖/整數(shù)智能

該平臺上的20萬名零工分布在人力成本低廉的非洲和東南亞，甚至形成了特色「數(shù)據(jù)標(biāo)注村」。他們標(biāo)記的數(shù)據(jù)支撐著科技企業(yè)在AI上的探索。

而中國的上百萬名標(biāo)注員分布在貴州、山西、山東、河南等省份的二三線城市，并逐步向人力成本更低的縣城滲透。他們或是依賴線上眾包平臺，或是加入線下的數(shù)據(jù)標(biāo)注公司和標(biāo)注基地。

標(biāo)注內(nèi)容根據(jù)場景區(qū)分為文本、圖像和語音，對應(yīng)著幫助機(jī)器獲得識字、識圖和聽聲音的功能。

早期的標(biāo)注項(xiàng)目集中在互聯(lián)網(wǎng)企業(yè)，主要標(biāo)注語音和文本?，F(xiàn)在則轉(zhuǎn)向自動(dòng)駕駛企業(yè)標(biāo)注由激光雷達(dá)掃描獲得的3D場景，比如點(diǎn)云標(biāo)注；或是更垂直的文本和語音標(biāo)注方向：幫助教育公司的大模型提供教輔類標(biāo)注數(shù)據(jù)；或是為醫(yī)療機(jī)構(gòu)的大模型提供校對后的醫(yī)療數(shù)據(jù)。

當(dāng)AI邁入2.0時(shí)代，ChatGPT驚艷了投資者、企業(yè)家和創(chuàng)業(yè)者，大家對AI的期待已經(jīng)不僅僅是死板地識別文本、語音和圖片的信息了。人們還希望AI能像人一樣真正理解事物之間的聯(lián)系，識別微小的區(qū)別和動(dòng)作背后的情緒，主動(dòng)地分辨和搜集信息。

比如讓自動(dòng)駕駛汽車區(qū)分前方是一個(gè)空扁的塑料袋，而不是一塊顏色體積相近的石頭；讓游泳池旁的攝像頭不再只是記錄泳池旁發(fā)生了什么，而是理解發(fā)生了什么，在有人溺水時(shí)發(fā)出警報(bào)。

這些依然需要依賴數(shù)據(jù)標(biāo)注，并且對標(biāo)注提出更高的要求——更垂直、更精確、更節(jié)約。

標(biāo)注市場的熱潮也由此開始。

2.“訂單多到做不過來”

很難有數(shù)據(jù)直接說明新的標(biāo)注需求激增，但這并不難判斷。因?yàn)閮H2023年一季度，中國就新增了17萬家人工智能企業(yè)，而只要是用到AI的公司，就勢必有數(shù)據(jù)標(biāo)注的需求。

需求很快傳導(dǎo)至數(shù)據(jù)標(biāo)注市場。在數(shù)據(jù)標(biāo)注從業(yè)者聚集的貼吧內(nèi)，一天能刷新出十幾條項(xiàng)目招人的帖子，包括且不限于文本標(biāo)注、錄題審核、無人機(jī)售賣視頻標(biāo)注、2D檢測桿、3D點(diǎn)云等從文本到圖片視頻的標(biāo)注項(xiàng)目。

一位從業(yè)多年的數(shù)據(jù)標(biāo)注工作者察覺到，今年的無人車標(biāo)注項(xiàng)目有所增加，而由AI2.0熱催生的垂直領(lǐng)域大模型創(chuàng)業(yè)，讓原本沒落的文本標(biāo)注項(xiàng)目細(xì)分至不同賽道，也增加了小眾的數(shù)據(jù)標(biāo)注的需求。

在需求的推動(dòng)下，成立新團(tuán)隊(duì)淘金的不止代延。山東東營的張唯在去年底也開始投身數(shù)據(jù)標(biāo)注創(chuàng)業(yè)，半年發(fā)展為一個(gè)十幾人的小團(tuán)隊(duì)。依靠當(dāng)?shù)卣难a(bǔ)貼和扶持，張唯的公司不僅獲得免費(fèi)的辦公室，政府還幫忙拉通甲方資源。

項(xiàng)目訂單不少，從最初十幾萬的項(xiàng)目到最近的40萬訂單，緊迫的交付任務(wù)讓張唯更積極地尋找標(biāo)注工：前幾天，張唯僅一天就添置了6臺電腦。

在河南鄭州，一家做數(shù)據(jù)標(biāo)注的眾包平臺正遷移至能容納百人的兩層辦公樓。它們在門口招牌、辦公室里都寫上公司的定位：“AI人工智能大數(shù)據(jù)研發(fā)基地”“重復(fù)的數(shù)據(jù)清洗，是為了你的AI更智能”。

“標(biāo)注項(xiàng)目訂單多到做不過來?！逼湄?fù)責(zé)人說。

熱錢也久違地進(jìn)入了標(biāo)注公司的口袋。數(shù)據(jù)標(biāo)注龍頭海天瑞聲，在今年的3~5月股價(jià)最高漲了4倍。

根據(jù)36氪消息，今年以來B輪及以前的十余家數(shù)據(jù)標(biāo)注平臺，集體迎來了接近100%增幅的高估值。從去年下半年開始，自動(dòng)標(biāo)注公司陸續(xù)獲得新融資。

2022年9月，博登智能獲得千萬元融資；12月，星塵數(shù)據(jù)完成A輪融資5000萬元，相距上一次2018年6月獲得融資已經(jīng)時(shí)隔4年半。

2023年4月，數(shù)據(jù)標(biāo)注解決方案公司「愷望數(shù)據(jù)」獲得新一輪戰(zhàn)略融資；6月，AI數(shù)據(jù)公司「整數(shù)智能」獲得數(shù)千萬Pre A輪融資。

他們斗志昂揚(yáng)地打出替代人工標(biāo)注的口號：“重構(gòu)數(shù)據(jù)標(biāo)簽生產(chǎn)”“自動(dòng)化產(chǎn)線+規(guī)?；肆Α薄按蚱谱詣?dòng)駕駛標(biāo)注的手工模式”。

顯然，資本市場也正重新關(guān)注這個(gè)新興領(lǐng)域。

3.更卷，也更嚴(yán)格

數(shù)據(jù)標(biāo)注的鏈條由三部分組成。

上游：1~150人的數(shù)據(jù)標(biāo)注公司、線上散兵和小作坊。

中游：數(shù)據(jù)服務(wù)商，一類是承接上下游的中介方眾包平臺，一類是企業(yè)為穩(wěn)定投入產(chǎn)業(yè)而選擇自建標(biāo)注基地。

下游：科技公司、行業(yè)企業(yè)、AI公司、科研單位，在2018年左右以互聯(lián)網(wǎng)企業(yè)為主導(dǎo)，現(xiàn)在轉(zhuǎn)至車企、自動(dòng)駕駛企業(yè)。

行業(yè)普遍采取分包模式，即先由甲方企業(yè)發(fā)標(biāo)，第三方服務(wù)商參與競標(biāo)，競標(biāo)成功后進(jìn)入企業(yè)的供應(yīng)商梯隊(duì)，其中核心供應(yīng)商能享受優(yōu)先任務(wù)選擇權(quán)和更多訂單。

企業(yè)對核心供應(yīng)商的要求是擁有至少30人的交付團(tuán)隊(duì)，成熟的訂單交付經(jīng)驗(yàn)，建立培訓(xùn)體系、把控交付質(zhì)量和數(shù)量的能力。穩(wěn)定的生產(chǎn)團(tuán)隊(duì)，最終導(dǎo)向讓公司更有競爭力的低報(bào)價(jià)。

然而，管控團(tuán)隊(duì)帶來的低價(jià)優(yōu)勢已然被打亂?！敖衲旮倶?biāo)慘烈！”一位服務(wù)商告訴「甲子光年」，“一個(gè)項(xiàng)目我們報(bào)200元，有人報(bào)80元一天。”

最終項(xiàng)目由報(bào)價(jià)低的團(tuán)隊(duì)拿下，最后卻回到更成熟的團(tuán)隊(duì)手上?！八麄兺瓴怀捎直患追睫D(zhuǎn)回給我們，但價(jià)格已經(jīng)上不去了?！?/p>

由于代延的線上團(tuán)隊(duì)不直接接觸甲方。所以市面上多級分包層層壓價(jià)的混亂局面，讓他們倍感壓力。

數(shù)據(jù)標(biāo)注是資源型行業(yè)，誰能拿到和甲方的合作誰就有優(yōu)勢。代延透露，一些個(gè)體注冊公司后，謊稱有40-50人的專業(yè)團(tuán)隊(duì)，以極低的價(jià)格參與投標(biāo)，拿下項(xiàng)目后，拆分成4-5份分給不同的團(tuán)隊(duì)，小團(tuán)隊(duì)再往下分，層層抽傭，中間商賺到差價(jià)，分給數(shù)據(jù)標(biāo)注工的計(jì)件價(jià)越來越低。

只要有人接盤，就會(huì)一直螺旋向下。

「甲子光年」得到的一份價(jià)格表顯示，從2D標(biāo)注到3D激光點(diǎn)云標(biāo)注，標(biāo)注項(xiàng)目單價(jià)一般為0.5～1.5元/框。代延曾接到過打了對折的單框價(jià)，“至少轉(zhuǎn)過四五手了”。

單價(jià)內(nèi)卷直接導(dǎo)致標(biāo)注人員的薪資縮水。代延和團(tuán)隊(duì)屬于半全職狀態(tài)，團(tuán)隊(duì)成員多為寶媽、大學(xué)生、自由職業(yè)者和職高學(xué)生，每天拉框6小時(shí)。保持著這樣的狀態(tài)，代延在2022年疫情期間，每月有4~5千元的收入。

“有電腦、有電就能操作”，這是數(shù)據(jù)標(biāo)注招人貼中常見的吸引人入行的話。過去，這一度是數(shù)據(jù)標(biāo)注行業(yè)最顯著的優(yōu)勢。但今天這種優(yōu)勢卻讓整個(gè)行業(yè)陷入內(nèi)卷?，F(xiàn)在代延每月收入只有2～3千元。

雖然收入降低，但工作量并沒有下降。恰恰相反，數(shù)據(jù)標(biāo)注的工作更加復(fù)雜與細(xì)致。

數(shù)據(jù)標(biāo)注的資深從業(yè)者們更懷念互聯(lián)網(wǎng)時(shí)期的標(biāo)注市場：單框價(jià)格高3倍，項(xiàng)目量大。一個(gè)60~70人的團(tuán)隊(duì)，能拿到月入30萬的業(yè)績?！艾F(xiàn)在市場上都是產(chǎn)值（單人每天標(biāo)注產(chǎn)生的價(jià)值）不到百元的項(xiàng)目，以前一天大幾百?！币晃粡臉I(yè)者說。

那時(shí)的項(xiàng)目操作簡單且沒有要求，比如給無人車做2D場景標(biāo)注，對圖片中的車輛拉框時(shí)，只要能框住就行，沒有要求。

但現(xiàn)在不同，“貼合度”是甲方最看重的驗(yàn)收標(biāo)準(zhǔn)?！叭ツ赀€要求誤差在5~7毫米，今年就要3~5毫米了。誤差要求越來越小?！贝诱f。

人工智能學(xué)者吳恩達(dá)多次強(qiáng)調(diào)，有標(biāo)注的高質(zhì)量數(shù)據(jù)才能釋放人工智能的價(jià)值，高質(zhì)量數(shù)據(jù)越多，人工智能的發(fā)展就會(huì)越快。

在無人車的標(biāo)注數(shù)據(jù)中，表現(xiàn)為矩形框與標(biāo)注對象的貼合度，貼合度越高算法精度越高，算法對車輛的控制越精準(zhǔn)。

高質(zhì)量的文本標(biāo)注項(xiàng)目，表現(xiàn)為語義理解的正確性、答題的正確率等。正確率越高，被訓(xùn)練的大模型越聰明。

熟手才能保證數(shù)據(jù)交付又快又好。代延曾經(jīng)讓一個(gè)新手參與核驗(yàn)ChatGPT做完的數(shù)學(xué)題是否完整、邏輯是否正確、語言能否被小學(xué)生理解。新手標(biāo)注的7500個(gè)數(shù)據(jù)因正確率太低，被甲方要求返工，代延和同事花了十幾天才糾正完。

數(shù)據(jù)標(biāo)注越來越不是一個(gè)沒門檻的活。復(fù)雜的語音標(biāo)注，醫(yī)療、法律、金融等專業(yè)數(shù)據(jù)集標(biāo)注生產(chǎn)，更需要有學(xué)科知識儲備的專業(yè)人才做專業(yè)標(biāo)注。

代延認(rèn)為，以無人車項(xiàng)目為例，新人成為2D標(biāo)注熟手需要做3個(gè)月，成為3D熟手需要練習(xí)4～6個(gè)月。

這種練習(xí)是指，訓(xùn)練拉框的精確度，用鼠標(biāo)在電腦的標(biāo)注頁面一氣呵成拉出一個(gè)矩形框，能準(zhǔn)確蓋住標(biāo)注對象，不踩線、不漏點(diǎn)，甚至是嚴(yán)絲合縫。

只是，當(dāng)機(jī)器開始自學(xué)，替代人為機(jī)器做標(biāo)注，人們花費(fèi)時(shí)間訓(xùn)練的技能還有意義嗎？

4.替代危機(jī)

代延意識到AI在靠近，是從前段時(shí)間做的圖片標(biāo)注項(xiàng)目中。

這是一個(gè)代延做了兩年的老項(xiàng)目——識圖。數(shù)據(jù)標(biāo)注工需要識別圖片中的文字并打印出來，價(jià)格是8毛/張。代延標(biāo)注的數(shù)據(jù)，被喂入了識圖模型中?，F(xiàn)在，這一模型已經(jīng)熟練地識別圖片中的文字。代延的標(biāo)注工作開始被縮減為訂正和審核。難度下降了，標(biāo)注單價(jià)也下跌了。

被人類用標(biāo)注訓(xùn)練的AI，正在替代人力的標(biāo)注工作。在蘇黎世大學(xué)的調(diào)查報(bào)告中，研究人員通過實(shí)測發(fā)現(xiàn)，ChatGPT在15項(xiàng)標(biāo)注任務(wù)中的處理能力高于眾包人員。大模型嵌入眾包平臺的進(jìn)度條也被拉快了。洛桑聯(lián)邦理工學(xué)院之后的研究發(fā)現(xiàn)，已有超過30%的眾包標(biāo)注者在處理文本標(biāo)注時(shí)使用了大模型。

AI無疑比人工更省時(shí)省力：研究人員表示，ChatGPT的單位成本只相當(dāng)于MTurk的1/20。

代延也做好了這條業(yè)務(wù)線隨時(shí)會(huì)被“更完善的AI”取代的準(zhǔn)備。他把未來押寶在更有技能要求的自動(dòng)駕駛標(biāo)注中。

但自動(dòng)駕駛標(biāo)注也正被AI侵入。相比人工的拉框方式，自動(dòng)化標(biāo)注只需要內(nèi)置大模型，進(jìn)行參數(shù)設(shè)置后，原本需要手動(dòng)標(biāo)注的矩形框會(huì)自動(dòng)生成。目前唯一的問題是，生成的矩形框有踩線、貼合度太低等質(zhì)量問題，需要人工逐一檢驗(yàn)。

效率的提升讓車企驚喜。理想在使用大模型2.0進(jìn)行自動(dòng)化標(biāo)定，效率是人的1000倍；特斯拉一直在積極推進(jìn)自動(dòng)標(biāo)注的進(jìn)展，比如在2022年6月裁撤了200名為特斯拉標(biāo)注視頻，以改進(jìn)輔助系統(tǒng)的美國員工，因?yàn)樘厮估淖詣?dòng)標(biāo)注能力大幅改善，標(biāo)注10000個(gè)不到60秒的視頻，只需要大模型運(yùn)行一周，而不再需要人工標(biāo)注幾個(gè)月。

AI數(shù)據(jù)公司整數(shù)智能的創(chuàng)始人林群書說，越來越多的車企和AIGC企業(yè)采用大模型產(chǎn)品做自動(dòng)化標(biāo)注，營收正在大幅增長。他們最新的動(dòng)作是在新加坡建立研發(fā)分部。

但對于自動(dòng)化標(biāo)注的增長，第三方服務(wù)商沒那么樂觀。河南一家眾包平臺的項(xiàng)目經(jīng)理說，自動(dòng)化標(biāo)注還不能取代60%以上的標(biāo)注需求，只能作為輔助標(biāo)注工具，處理單一或特定數(shù)據(jù)，提升人效。

另一家數(shù)據(jù)標(biāo)注公司的產(chǎn)品經(jīng)理認(rèn)為，自動(dòng)標(biāo)注只能過濾簡單的基礎(chǔ)數(shù)據(jù)，還不能像人一樣從復(fù)雜有爭議的場景中精確識別物體。這也是數(shù)據(jù)標(biāo)注市場，如今依然是以自動(dòng)駕駛標(biāo)注數(shù)據(jù)為主導(dǎo)的原因。

不過大家也認(rèn)同，未來的數(shù)據(jù)標(biāo)注將從重人力轉(zhuǎn)向重技術(shù)的趨勢。

總之，不是被同行“卷死”，就是被技術(shù)“卷死”。但坐以待斃肯定不行，數(shù)據(jù)標(biāo)注的第三方公司在尋找未來的出路。

代延的計(jì)劃是緊跟市場，保持警惕，隨時(shí)裁員，同時(shí)向做自動(dòng)化標(biāo)注工具的方向發(fā)展。一家眾包平臺的創(chuàng)始人在和同行交流時(shí)說，未來不能堆人力，要有研發(fā)能力。

對于個(gè)人呢？行業(yè)里流傳的職場路徑是，新手標(biāo)注工——熟手標(biāo)注工——標(biāo)注項(xiàng)目管理員/經(jīng)理——甲方公司數(shù)據(jù)分析師，最終實(shí)現(xiàn)月薪上萬的晉升。

代延認(rèn)識的數(shù)據(jù)標(biāo)注工沒人在朝這個(gè)方向走，他們要么停留在原地，要么退出，最好的情況是建立自己的標(biāo)注團(tuán)隊(duì)，像代延這樣，不過他也沒有覺得更輕松。

一邊是AI風(fēng)口帶來的項(xiàng)目需求增長，一邊是更混亂的競價(jià)、更低的人均產(chǎn)值和正迅速成長的AI。兩種情緒是交織的，AI會(huì)帶來無限機(jī)遇，AI也會(huì)淘汰“我們”。