文 | 娛樂(lè)資本論 付夢(mèng)珍

“貧困山村里，沒(méi)上過(guò)大學(xué)的女人們?cè)谖桂B(yǎng)AI。”

“富士康工人流向AI標(biāo)注廠。”

“跟AI打工，貧困縣也能月薪7000?！?/p>

在“有多少智能，就有多少人工”的AI時(shí)代，有一批人通過(guò)采集現(xiàn)實(shí)世界的圖像、視頻、文字等信息，清洗標(biāo)注后將數(shù)據(jù)轉(zhuǎn)化為代碼輸送給機(jī)器，從事這份工作的人叫做數(shù)據(jù)標(biāo)注員。

打開(kāi)關(guān)于AI數(shù)據(jù)標(biāo)注行業(yè)的新聞，我們隨處可見(jiàn)上述標(biāo)題。低門(mén)檻、勞動(dòng)密集、高度程式化、標(biāo)準(zhǔn)操作流水線(xiàn)，成為了數(shù)據(jù)標(biāo)注工人身上最大的標(biāo)簽特征。而在國(guó)際上，因?yàn)橛写罅康姆侵蘅夏醽喨嗽谧鱿嚓P(guān)工作，他們又有一個(gè)灰色昵稱(chēng)，“肯尼亞人”。

而這，也與數(shù)據(jù)公司的甲方——百度、阿里等，致力于要用技術(shù)改變世界的大公司們形成了鮮明的對(duì)比。大洋彼岸，數(shù)據(jù)標(biāo)注服務(wù)公司Scale AI市值73億美元，彰顯了數(shù)據(jù)公司的資本潛力，也讓我們看到了數(shù)據(jù)公司走向百億美金估值的可能性。

隨著AIGC時(shí)代的到來(lái)，數(shù)據(jù)標(biāo)注員的工作有何改變？上述新聞標(biāo)簽是否是他們的行業(yè)常態(tài)？數(shù)據(jù)標(biāo)注行業(yè)現(xiàn)在存在哪些問(wèn)題？未來(lái)又有哪些發(fā)展前景？更重要的是，他們展現(xiàn)了AI行業(yè)背后的什么樣的困難？

帶著這些問(wèn)題，娛樂(lè)資本論走進(jìn)了四家數(shù)據(jù)標(biāo)注公司，發(fā)現(xiàn)了如下的行業(yè)現(xiàn)狀：

VOL.1.標(biāo)注行業(yè)對(duì)員工的素質(zhì)要求越來(lái)越高，本科生占比高

VOL.2.兼職的標(biāo)注人員中寶媽較穩(wěn)定，更受歡迎

VOL.3.垂類(lèi)行業(yè)的數(shù)據(jù)標(biāo)注訂單增多，對(duì)垂類(lèi)標(biāo)注人才的需求量增多

VOL.4.底層數(shù)據(jù)標(biāo)注員的工資與最低工資標(biāo)準(zhǔn)類(lèi)似

VOL.5.AI只帶來(lái)了短期的訂單增加，小型數(shù)據(jù)標(biāo)注公司很卷

VOL.6.多數(shù)數(shù)據(jù)標(biāo)注公司沒(méi)有構(gòu)建自己的數(shù)據(jù)壁壘

VOL.7.數(shù)據(jù)公司的發(fā)展趨勢(shì)：①、利用AI技術(shù)降本增效 ②、專(zhuān)注于某一垂類(lèi)的數(shù)據(jù) ③、往產(chǎn)業(yè)鏈上游走，做數(shù)據(jù)采集、合成等

本科生越來(lái)越多，寶媽更受喜愛(ài)

“我們不是富士康的流水線(xiàn)模式?！?/p>

當(dāng)被問(wèn)及公司的員工現(xiàn)狀時(shí)，幾家數(shù)據(jù)公司都給出了類(lèi)似的回答。

龍貓數(shù)據(jù)成立于2014年，累計(jì)服務(wù)了60余家主機(jī)廠和自動(dòng)駕駛公司，為客戶(hù)提供整體的數(shù)據(jù)解決方案。

今年AIGC爆火后，龍貓接到了很多圖文標(biāo)注、視頻標(biāo)注需求的訂單，會(huì)有很多多模態(tài)應(yīng)用場(chǎng)景，比如車(chē)內(nèi)座艙的文娛軟件等。龍貓副總裁胡邱飛向娛樂(lè)資本論指出“這要求標(biāo)注人員能理解大模型的應(yīng)用，而大模型會(huì)考察幾乎所有領(lǐng)域的通識(shí)類(lèi)知識(shí)。此外，標(biāo)注內(nèi)容要和客戶(hù)的模型價(jià)值盡量貼近。所以這也要求我們找的標(biāo)注人員絕大多數(shù)學(xué)歷在本科以上?！?/p>

龍貓公司一角

針對(duì)垂直領(lǐng)域，龍貓則會(huì)配備專(zhuān)業(yè)領(lǐng)域人員，比如為數(shù)學(xué)相關(guān)大模型招聘會(huì)高等數(shù)學(xué)的人，“如果不是這專(zhuān)業(yè)的人，你根本看不出細(xì)節(jié)上的區(qū)別?！?/p>

成都的匯眾天智總經(jīng)理駱靖元也在AIGC浪潮后提高了對(duì)員工的素質(zhì)要求，“三四年前對(duì)員工的素質(zhì)要求還不高，但是現(xiàn)在甲方對(duì)質(zhì)量和效率的要求提高了。公司之前90%是大專(zhuān)，現(xiàn)在本科占到了一半，甚至有研究生?！?/p>

2018年，做軟件的丁一峻，在朋友的引薦下接到了阿里數(shù)據(jù)標(biāo)注的訂單，2019年創(chuàng)立了飛火大數(shù)據(jù)公司。之后，出于成本考慮丁一峻回到家鄉(xiāng)創(chuàng)業(yè)做數(shù)據(jù)標(biāo)注公司，“那時(shí)的數(shù)據(jù)標(biāo)注行業(yè)確實(shí)能提供大量就業(yè)，洛陽(yáng)數(shù)據(jù)局2019年的時(shí)候也牽頭想做數(shù)據(jù)處理公司，招人好招，但交付難?！?/p>

2019年做百度某數(shù)據(jù)標(biāo)注業(yè)務(wù)項(xiàng)目截圖

“數(shù)據(jù)標(biāo)注本質(zhì)是高級(jí)搬磚?！倍∫痪驃蕵?lè)資本論指出，“有標(biāo)注需求的多是大公司，現(xiàn)在很多標(biāo)注公司會(huì)外放做不過(guò)來(lái)的訂單，這就讓市面上很多沒(méi)跟甲方深度捆綁的公司，接的訂單都特零碎。這種訂單一是邊緣化業(yè)務(wù)，比如小語(yǔ)種。二是時(shí)間周期短的業(yè)務(wù)，很考驗(yàn)外部公司的交付能力。”

這兩類(lèi)訂單，也倒逼著丁一峻要提高對(duì)員工素質(zhì)的要求。這期間，丁一峻嘗試過(guò)和學(xué)校監(jiān)獄合作，相繼作罷，“學(xué)校要考慮領(lǐng)導(dǎo)、輔導(dǎo)員各種利益分配，監(jiān)獄對(duì)網(wǎng)絡(luò)要求高，不如找全職?！?/p>

飛火大數(shù)據(jù)公司一角

綜合原因下，大部分的數(shù)據(jù)公司更傾向于招聘兼職人員。沈陽(yáng)正午數(shù)據(jù)公司人事小蘇接受河豚君采訪的前一天，剛在Boss直聘上發(fā)了招聘兼職的通知，“行業(yè)本身利潤(rùn)有限，全職成本太高了，根本就不能實(shí)現(xiàn)。”

“我們招人基本要求大專(zhuān)以上，發(fā)了以后有上百人聯(lián)系我，但是很多人沒(méi)經(jīng)驗(yàn)?！毙√K招聘時(shí)，會(huì)和兼職強(qiáng)調(diào)對(duì)數(shù)據(jù)保密性的要求，“不知道是不是受網(wǎng)絡(luò)的影響，很多人戒備心很重，聽(tīng)到要保密就不做了。但我們公司有良心，必須強(qiáng)調(diào)保密。”

杭州景聯(lián)文是一家從事數(shù)據(jù)采集標(biāo)注、數(shù)據(jù)融合挖掘的公司，現(xiàn)有1000多位全職標(biāo)注人員，其CEO劉云濤向河豚君透露，“標(biāo)注項(xiàng)目難度越來(lái)越高，要求標(biāo)注員的學(xué)歷和專(zhuān)業(yè)知識(shí)水平越來(lái)越高，比如語(yǔ)言標(biāo)注團(tuán)隊(duì)，要求會(huì)各種小語(yǔ)種。醫(yī)療標(biāo)注，需要醫(yī)學(xué)院畢業(yè)的學(xué)生?！?/p>

龍貓則是全職兼職兩手抓。胡邱飛透露，“我們現(xiàn)在線(xiàn)上注冊(cè)用戶(hù)400多萬(wàn)，活躍全職的1萬(wàn)人左右?！本€(xiàn)上之外，龍貓?jiān)谖髂系貐^(qū)做了線(xiàn)下標(biāo)注基地，“那邊高校多，學(xué)生素質(zhì)也更高，員工500人左右?！?/p>

龍貓的全職運(yùn)營(yíng)會(huì)了解兼職的情況，“我們更喜歡用沒(méi)有全職工作的群體，比如寶媽?zhuān)齻儠r(shí)間充沛，更好管理，也更穩(wěn)定?！?/p>

整體來(lái)說(shuō)，如今數(shù)據(jù)行業(yè)的標(biāo)注人員發(fā)展如同美團(tuán)般發(fā)展成了全職、服務(wù)站、眾包等階梯式的人力模式。胡邱飛透露，“我們線(xiàn)上眾包是強(qiáng)管控，最終交付結(jié)果都是計(jì)件的?！?/p>

小蘇介紹，目前公司兼職的員工大概兩三千，常駐人員1000左右，流失率一半。丁一峻透露，“基礎(chǔ)的標(biāo)注員往往都是屬于地方上的最低工資標(biāo)準(zhǔn)，三線(xiàn)城市兩三千左右，質(zhì)檢員和項(xiàng)目經(jīng)理，能到七千左右?！?/p>

層層外包下，標(biāo)注公司活少錢(qián)少風(fēng)險(xiǎn)高

“太卷了?！?/p>

這幾乎是數(shù)據(jù)公司們共同的心聲。

“我們現(xiàn)在就像河南的食品代加工廠一樣，品牌是別人的，工作相當(dāng)于幫別人養(yǎng)孩子?！倍∫痪墓靖叻鍟r(shí)有兩三百人，現(xiàn)在公司只有40多位員工，“老客戶(hù)的需求還在，能維持正常運(yùn)營(yíng)，但這種單子很雞肋，一個(gè)月幾百幾千跟辦公室采購(gòu)差不多，利潤(rùn)太低，項(xiàng)目體量也不穩(wěn)定。數(shù)據(jù)行業(yè)缺乏像蘋(píng)果、特斯拉一樣需求穩(wěn)定的工廠。不然我也不想裁人，有活還需要找外包?！?/p>

駱靖元指出，AIGC爆火后自己招人和以前相比省去了科普人工智能的環(huán)節(jié)，但在接活上更卷了，“大公司有定期篩選的機(jī)制，比如說(shuō)這批我需要10家公司。那我就從100個(gè)里面篩選，其中哪兩三個(gè)不合適，我再動(dòng)態(tài)替換。這使得一些公司不斷報(bào)低價(jià)，惡性循環(huán)?！?/p>

為了接到訂單，丁一峻一直在努力降本增效，“為了提高效率，我們開(kāi)發(fā)了AI工具，之前2D拉框要8分一個(gè)，現(xiàn)在降到了5、6分，操作更便捷。質(zhì)量上，如果客戶(hù)不想要目標(biāo)物低于某像素值的，工具直接調(diào)數(shù)值，標(biāo)注員就不用標(biāo)了?！?/p>

但是這種工具標(biāo)注公司基本只能自用，“同行有能力買(mǎi)的，自己有開(kāi)發(fā)的實(shí)力。沒(méi)開(kāi)發(fā)實(shí)力的，出不起這個(gè)錢(qián)?！闭f(shuō)著，丁一峻給我發(fā)來(lái)了網(wǎng)上開(kāi)源的標(biāo)注工具，“每家平臺(tái)都差不多，都是基于labelme的底層邏輯。早幾年能打個(gè)信息差，賣(mài)平臺(tái)賺點(diǎn)錢(qián)，現(xiàn)在不行了，大家都知道套路，直接上源碼加個(gè)UI就成產(chǎn)品了。”

某標(biāo)注工具圖

“今年2月GPT剛火的時(shí)候訂單多了一些，那時(shí)大公司的目的更多是為了割韭菜炒股價(jià)。后來(lái)這些AI大公司發(fā)現(xiàn)變現(xiàn)難，七八月份就很少在數(shù)據(jù)標(biāo)注上投入了?！北６ǖ臄?shù)據(jù)標(biāo)注老板周三體說(shuō)，標(biāo)注公司遇到的困難，仿佛也印證了AI潮冷去的某種現(xiàn)實(shí)，“AI公司的客戶(hù)很多還是G端，根本不在乎AI能力，更在意能不能喝酒、能不能墊資”。

為了接活，周三體努力降低成本，“2D拉框最早是1毛5一個(gè)，現(xiàn)在降到了8、9分一個(gè)框?！?/p>

景聯(lián)文在努力將非標(biāo)準(zhǔn)化產(chǎn)品標(biāo)準(zhǔn)化，現(xiàn)在將2D拉框標(biāo)注項(xiàng)目的成本降低了50%。

打開(kāi)天眼查搜索數(shù)據(jù)標(biāo)注公司，我們也能發(fā)現(xiàn)大部分的公司經(jīng)營(yíng)所在地都在河北、山東、河南等人口大省，這與當(dāng)?shù)貏趧?dòng)力密集且廉價(jià)息息相關(guān)?！按髲S會(huì)把業(yè)務(wù)承包給有資歷和實(shí)力的公司，這種公司再外包，到我們價(jià)格很低了，還需要墊款，壓力很大?！敝苋w說(shuō)時(shí)嘆了口氣。

回憶起2017年創(chuàng)業(yè)的日子，駱靖元說(shuō)那時(shí)借著自動(dòng)駕駛行情數(shù)據(jù)行業(yè)很火，訂單像雨后春筍一樣地涌現(xiàn)，“像百度做了語(yǔ)音采集，高德、訊飛會(huì)再做一遍。算法都沒(méi)變，標(biāo)注都是新瓶裝舊酒，同樣一批人臉識(shí)別的圖片，A公司做完B公司做，之后C公司再做，我們始終是在給別人做嫁衣?！钡@樣的日子也好景不長(zhǎng)，如今訂單量變少，“人員迅速增加后又會(huì)有斷檔期，大部分公司死在了斷檔期里?！?/p>

被問(wèn)及是否覺(jué)得公司的運(yùn)營(yíng)模式是新時(shí)代的數(shù)據(jù)工廠時(shí)，丁一峻認(rèn)為，“AI的產(chǎn)品線(xiàn)不像工廠那么完善，缺乏法律和社會(huì)面的支持，比如版權(quán)、數(shù)據(jù)安全?！?/p>

丁一峻曾承接過(guò)一家證券公司的標(biāo)注工作，“剛好有一家標(biāo)注員是這家證券公司的用戶(hù)，他提出了抗議，后來(lái)私下花錢(qián)和解了。誰(shuí)采集數(shù)據(jù)，出了問(wèn)題誰(shuí)負(fù)責(zé)，所以一般我們也不會(huì)過(guò)問(wèn)數(shù)據(jù)來(lái)源情況?！?/p>

技術(shù)壁壘低、政策法規(guī)不健全、訂單量少且不穩(wěn)定，數(shù)據(jù)行業(yè)面臨著多種困境，這也逼著其從業(yè)者尋找新的轉(zhuǎn)型發(fā)展之路。

被AI代替？還是用AI起飛？

為了降本增效，龍貓研究了AI加持下的數(shù)據(jù)標(biāo)注管理系統(tǒng)，“自動(dòng)駕駛上節(jié)省了40%，AIGC在探索引入GPT等大語(yǔ)言模型校準(zhǔn)標(biāo)注結(jié)果。作為機(jī)器和人的交叉驗(yàn)證，保證輸出的一個(gè)質(zhì)量。因?yàn)槿藭?huì)有波動(dòng)，機(jī)器更加穩(wěn)定，偏差小?！?/p>

此外，龍貓?jiān)趪L試通過(guò)AI技術(shù)省去標(biāo)注環(huán)節(jié)，直接進(jìn)入到審核和質(zhì)檢環(huán)節(jié)。

高質(zhì)量語(yǔ)料，尤其是私域數(shù)據(jù)，是做好數(shù)據(jù)標(biāo)注的關(guān)鍵，AI在仿寫(xiě)改寫(xiě)上的潛力，讓人看到了其在合成語(yǔ)料上的潛力?！案鶕?jù)最新的生成式AI管理辦法，用戶(hù)擁有自己5張照片的版權(quán)，但5張照片合成后生成的數(shù)據(jù)版權(quán)屬于合成方?！焙耧w據(jù)此出發(fā)，在探索數(shù)據(jù)擬合向業(yè)務(wù)，目的在于擁有數(shù)據(jù)的所有權(quán)，標(biāo)注后多次復(fù)售數(shù)據(jù)包。

AI創(chuàng)業(yè)者周曉明指出，“AIGC賦能合成數(shù)據(jù)，能夠解決真實(shí)數(shù)據(jù)獲取難、獲取成本高、多樣性不足、缺乏隱私保護(hù)等痛點(diǎn)問(wèn)題，替代真實(shí)是大勢(shì)所趨?！?/p>

對(duì)此，丁一峻則未敢嘗試，“AIGC合成數(shù)據(jù)需要看政策，現(xiàn)在是灰色地帶，好不好獲取，就看膽子大不大了。誰(shuí)也不知道未來(lái)會(huì)不會(huì)出爆款，有比擬真實(shí)數(shù)據(jù)的內(nèi)容出現(xiàn)?！?/p>

此外，龍貓也在探索獲取高質(zhì)量數(shù)據(jù)的新方式，打造公司壁壘，胡邱飛說(shuō)，“國(guó)外出現(xiàn)的一種趨勢(shì)是用戶(hù)主動(dòng)售賣(mài)自己的數(shù)據(jù)，讓數(shù)據(jù)公司得以繞開(kāi)原始數(shù)據(jù)的廠商壟斷的局面。我們也在想，怎么讓那些有時(shí)間、素質(zhì)又高的人做數(shù)據(jù)輸出和標(biāo)注，比如說(shuō)通過(guò)做題的方式，讓他們小程序上答題賺錢(qián)。”

“數(shù)據(jù)標(biāo)注是自我淘汰的行業(yè)，AI可以通過(guò)模型優(yōu)化做部分標(biāo)注工作。發(fā)展到最后，這個(gè)行業(yè)可能只會(huì)剩下質(zhì)檢員這些崗位?！倍∫痪榱藨?yīng)對(duì)變化，將公司從洛陽(yáng)搬到了工業(yè)配套更完善的蘇州，做數(shù)據(jù)采集車(chē)業(yè)務(wù)，“我們要給甲方提供硬件采購(gòu)和數(shù)據(jù)服務(wù)的整套方案，這樣甲方對(duì)我們的依賴(lài)度才能更深?！?/p>

景聯(lián)文則選擇了深耕垂類(lèi)賽道，專(zhuān)注于教育和醫(yī)療領(lǐng)域，劉云濤透露，“教育方面，我們手上有3億道從小學(xué)到職業(yè)教育的題，格式統(tǒng)一，解析維度包括專(zhuān)題分類(lèi)、分析過(guò)程、考點(diǎn)解析、解答過(guò)程、教師點(diǎn)評(píng)等?，F(xiàn)在大模型號(hào)稱(chēng)百模大戰(zhàn)，至少有60家都要買(mǎi)我們的題庫(kù)。”

醫(yī)療方面，景聯(lián)文積累了400TB的醫(yī)學(xué)資料數(shù)據(jù)庫(kù)和三甲醫(yī)院的專(zhuān)家的病理數(shù)據(jù)?！拔覀儍赡昵伴_(kāi)始拓展標(biāo)注場(chǎng)景，選了醫(yī)療賽道，不管經(jīng)濟(jì)多不景氣，醫(yī)療始終有存在的意義和價(jià)值?！?/p>

值得一提的是，龍貓AIGC業(yè)務(wù)線(xiàn)負(fù)責(zé)人李亞向娛樂(lè)資本論透露，龍貓正在打造自己的垂類(lèi)大模型，“大模型一是做輔助標(biāo)注，讀懂題目后給答案讓人選。第二是做全自動(dòng)標(biāo)注，AI直接出結(jié)果。這種情況我們會(huì)做雙盲的實(shí)驗(yàn)，比如一個(gè)答案用三個(gè)標(biāo)準(zhǔn)做一遍，里面我們會(huì)拆一個(gè)一個(gè)人或者兩個(gè)人用這種形式做，這樣不需要再做抽檢和質(zhì)檢，有些項(xiàng)目我們已經(jīng)用GPT交付了，準(zhǔn)確率方面達(dá)到了80%多，與人工接近?！?/p>

對(duì)市場(chǎng)規(guī)范化的呼吁，成為了不少數(shù)據(jù)標(biāo)注從業(yè)者的心聲，劉云濤指出，“未來(lái)，怎么讓數(shù)據(jù)流通合規(guī)化、安全化是很大的問(wèn)題。現(xiàn)在很多城市在建立大數(shù)據(jù)交易中心，是積極的信號(hào)?！?/p>

艾瑞數(shù)據(jù)的人工智能數(shù)據(jù)報(bào)告指出，三年后，中國(guó)人工智能的數(shù)據(jù)治理市場(chǎng)規(guī)模預(yù)計(jì)將突破百億。

但更現(xiàn)實(shí)的問(wèn)題是，吐槽中文語(yǔ)料庫(kù)差的新聞屢見(jiàn)報(bào)端，大量的中小型數(shù)據(jù)標(biāo)注公司正在卷生卷死，大批數(shù)據(jù)標(biāo)注公司的業(yè)務(wù)產(chǎn)品，在批量化、利潤(rùn)率、風(fēng)險(xiǎn)性方面甚至不及富士康產(chǎn)品，映照到市場(chǎng)上的，則是逐漸遇冷的大模型市場(chǎng)以及越來(lái)越像“高科技施工隊(duì)”的中國(guó)AI商業(yè)環(huán)境。

當(dāng)我們?cè)噲D尋找解決之道時(shí)，駱靖元回憶其工作多年感受時(shí)的話(huà)也許是最好的答案，“對(duì)我們同事來(lái)說(shuō)，當(dāng)看到應(yīng)用落地的時(shí)候，還是比較欣慰的事情。雖然工資低，但終歸是做了點(diǎn)有用的事情。”

“數(shù)據(jù)是AI走向智能的基礎(chǔ)，少開(kāi)點(diǎn)發(fā)布會(huì)炒股價(jià)，多投點(diǎn)錢(qián)在標(biāo)注上才是正事?！辈稍L接近尾聲時(shí)，周三體發(fā)來(lái)了這句話(huà)。