数据标注工：训练AI，被AI替代｜甲子光年

数据标注行业在AI发展浪潮下面临增长与淘汰并存的局面，从业者既迎来创业机会，又面临被AI替代、行业内卷等危机。

行业背景与从业者现状

• 创业契机与期待：30岁的内蒙古人代延年初创业组建近30人线上标注团队，此前他在数据标注众包平台做了两年“熟工”。他看到今年一季度新增注册17万家人工智能相关企业，总计已有267万家，认为存在AI行业爆火带来的数据标注创业机会，想象公司能发展到100人规模。
• 现实困境：

  单价降低：大量标注需求、工人和中间商涌入，项目层层转手，工价被压低，代延拒绝一天只能拿到30元的标注项目。

  缺乏保障：标注业没有职业晋升、没有合同保障、被拖款也投诉无门，代延自嘲是“新时代的数据民工”。

  AI替代威胁：自动化标注正在吞噬项目，由数据标注员训练的AI在人类监督中自我学习进行自标注，极大减少企业成本，成为数据标注市场最被看好的方向。代延不得不为“AI可能完全取代人”做准备，带着团队同时做文本标注类别的教辅标注和3D点云标注项目，还计划精简团队人数，认为最终或许只会保留20人的熟手团队。

标注工作对AI发展的重要性

• 机器学习链条：为了让机器像人一样理解文字、语音、图片，人类创造机器学习链条，采集物理世界实物图像和声音，对数据进行标注、清洗，转换为代码输送给机器。
• 成功案例：标注图集ImageNet上有1500万张图片，帮助无数AI企业在计算机视觉上取得突破，如人脸识别、搜图看看。该图集由全球167个国家近5万名来自众包平台Mechanical Turk的数据标注工，花费两年半共同标注完成。标注要求简单，如区分照片颜色、对图像中动物分类、用方框框定选定对象并标注名称等。
• 人员分布：中国的上百万名标注员分布在贵州、山西、山东、河南等省份的二三线城市，并逐步向人力成本更低的县城渗透，他们或依赖线上众包平台，或加入线下数据标注公司和基地。标注内容根据场景分为文本、图像和语音，对应帮助机器获得识字、识图和听声音的功能。
• 需求变化：早期标注项目集中在互联网企业，主要标注语音和文本；现在转向自动驾驶企业标注3D场景（如点云标注），以及更垂直的文本和语音标注方向，如为教育公司大模型提供教辅类标注数据、为医疗机构大模型提供校对后的医疗数据。AI迈入2.0时代，对标注提出更垂直、精确、节约的要求。

标注市场需求与创业热潮

• 需求激增：2023年一季度中国新增17万家人工智能企业，只要用到AI的公司就有数据标注需求，需求很快传导至数据标注市场。在从业者聚集的贴吧，一天能刷新出十几条项目招人帖子，包括各种从文本到图片视频的标注项目。一位从业多年的工作者察觉到今年无人车标注项目增加，AI2.0热催生的垂直领域大模型创业，让文本标注项目细分至不同赛道，增加了小众数据标注需求。
• 创业案例：

  山东东营的张唯去年底投身数据标注创业，半年发展为十几人小团队，依靠当地政府补贴和扶持，获得免费办公室和甲方资源，项目订单从最初十几万到最近40万，为完成交付任务积极寻找标注工。

  河南郑州一家数据标注众包平台迁移至能容纳百人的两层办公楼，负责人称“标注项目订单多到做不过来”。

• 资本关注：数据标注龙头海天瑞声在今年3 - 5月股价最高涨了4倍；今年以来B轮及以前的十余家数据标注平台，集体迎来接近100%增幅的高估值；从去年下半年开始，自动标注公司陆续获得新融资，如2022年9月博登智能获得千万元融资，12月星尘数据完成A轮融资5000万元，2023年4月恺望数据获得新一轮战略融资，6月整数智能获得数千万Pre A轮融资。这些公司打出替代人工标注的口号，资本市场重新关注该领域。

行业面临的挑战

• 分包模式与低价竞争：

  分包模式：行业普遍采取分包模式，先由甲方企业发标，第三方服务商参与竞标，竞标成功后进入企业供应商梯队，核心供应商能享受优先任务选择权和更多订单，企业对核心供应商有团队规模、交付经验、培训体系、质量把控能力等要求。

  低价竞争：今年竞标惨烈，一个项目有服务商报200元一天，有人报80元一天，最终低价团队拿下项目却可能完不成，又转回给更成熟的团队，但价格已上不去。代延的线上团队因不直接接触甲方，受市面上多级分包层层压价影响，压力巨大。一些个体注册公司谎称有专业团队，以极低价格投标，拿下项目后拆分分包，层层抽佣，导致分给数据标注工的计件价越来越低。

• 单价内卷与薪资缩水：一份价格表显示，从2D标注到3D激光点云标注，标注项目单价一般为0.5 - 1.5元/框，代延曾接到打过对折的单框价。单价内卷直接导致标注人员薪资缩水，代延团队多为宝妈、大学生等半全职人员，2022年疫情期间他每月有4 - 5千元收入，现在每月只有2 - 3千元。
• 工作要求提高：

  验收标准变化：过去互联网时期标注市场单框价格高、项目量大，操作简单无要求；现在“贴合度”是甲方最看重的验收标准，误差要求越来越小，如去年无人车标注要求误差在5 - 7毫米，今年就要3 - 5毫米。

  高质量数据需求：人工智能学者吴恩达强调有标注的高质量数据能释放人工智能价值，高质量数据越多，人工智能发展越快。在无人车标注数据中，矩形框与标注对象贴合度越高算法精度越高；高质量文本标注项目表现为语义理解正确性、答题正确率等，正确率越高，被训练的大模型越聪明。

  专业能力要求：复杂语音标注，医疗、法律、金融等专业数据集标注生产，更需要有学科知识储备的专业人才。以无人车项目为例，新人成为2D标注熟手需做3个月，成为3D熟手需练习4 - 6个月，要训练拉框精确度，准确盖住标注对象，不踩线、不漏点。

替代危机与行业未来趋势

• AI替代人工标注：

  识图项目案例：代延做的图片识图标注项目，他标注的数据被喂入识图模型后，模型熟练识别图片文字，他的标注工作缩减为订正和审核，难度下降且单价下跌。

  研究报告证实：苏黎世大学调查报告显示，ChatGPT在15项标注任务中的处理能力高于众包人员；洛桑联邦理工学院研究发现，已有超过30%的众包标注者在处理文本标注时使用了大模型，且大模型嵌入众包平台的进度加快。AI比人工更省时省力，ChatGPT的单位成本只相当于MTurk的1/20。

  自动驾驶标注受影响：自动驾驶标注也正被AI侵入，自动化标注内置大模型进行参数设置后，原本需要手动标注的矩形框会自动生成，虽存在质量问题需人工检验，但效率提升让车企惊喜，如理想使用大模型2.0进行自动化标定，效率是人的1000倍；特斯拉2022年6月裁撤200名标注视频员工，因其自动标注能力大幅改善。

• 行业未来趋势：

  服务商观点：对于自动化标注的增长，第三方服务商看法不一。河南一家众包平台项目经理认为自动化标注只能作为辅助标注工具，处理单一或特定数据，提升人效，不能取代60%以上的标注需求；另一家数据标注公司产品经理认为自动标注只能过滤简单基础数据，不能像人一样从复杂有争议场景中精确识别物体，这也是数据标注市场如今以自动驾驶标注数据为主导的原因。不过大家都认同未来数据标注将从重人力转向重技术。

  从业者应对：代延计划紧跟市场，保持警惕，随时裁员，同时向做自动化标注工具的方向发展；一家众包平台创始人认为未来不能堆人力，要有研发能力。行业里流传的职场路径是新手标注工 - 熟手标注工 - 标注项目管理员/经理 - 甲方公司数据分析师，但代延认识的数据标注工大多未朝此方向走，他们要么停留在原地，要么退出，最好的情况是建立自己的标注团队。

很赞哦!（29144）