「這是個需要高質量人文社科人才的崗位，因為只有最善於思考人與世界關係的人類，才能教會AI怎麼更好的做一個人。」
這篇文章開始之前，先邀請大家猜猜下面這份招聘要求對應的是什麼崗位。
揭曉答案：這份看起來要求不低的工作，招聘的是AI數據標註員。在BOSS直聘上，這個崗位月薪最高接近兩萬元；部分崗位直接註明「重點大學本碩博優先」。
通俗地說，數據標註員就是AI的老師，負責對文本、圖像、音頻等原始數據進行分類、標記或注釋，從而教會機器識別、理解並學習人類世界的邏輯和知識。
2020年起，「人工智慧訓練師」正式被納入國家職業分類目錄，「數據標註員」是其中的重要工種之一。據國家數據局，截至今年9月底，我國7個數據標註基地共有標註企業362家，標註從業人員達8.5萬人。
但這個行業仍缺乏人才。量子位智庫2023年底發布的《中國AIGC數據標註產業全景報告》顯示，未來5年，中國數據標註專業人才缺口或達百萬量級。
那麼，數據標註到底是一份什麼樣的工作？
「985」「QS100」碩博，
給AI當老師
小鵝本科就讀於一所「211」高校，目前在一家「985」高校讀研，學的是歷史學專業。她曾在大四那年做過一份數據標註實習的工作。
她每天的工作，就是面對一張科技公司發來的、填滿後台收集的用戶提問和AI生成答案的Excel表格，給AI的答案打分。小鵝處理一條數據平均花費的時間是15分鐘左右，少數棘手的任務，單條就要花上近一個小時。
這份實習不需要面試，招聘方會提供一份打分標準手冊和一套測試題，要求自學手冊內容後，在測試題中選5道，完成後上交，正確率超過80%即視為通過。
小鵝當初花了一個下午學習這份標註手冊，又花了2個小時完成5道測試題，才通過了考核。
起初覺得易如反掌的小巴，嘗試了小鵝發來的兩道題，結果正確率不足50%。這才發現，這份工作遠比我們想像的困難。
◎ 首先，標註手冊中包含大量術語，理解門檻極高。比如，「缺少富媒體形式」，是指答案中沒有包含短視頻鏈接；「prompt外泄」，是指答案暴露了提問未涉及的內部指令；「弱相關內容或冗餘殘留」，就是答案和提問沒關係。
◎ 其次，打分要求極其繁瑣、嚴格。標註者需要在「0、1、2、3」四個檔位中給3個答案分別打分，並根據答案在準確性、結構性、相關性、全面性等方面的缺陷，分別打好標籤，備註原因；然後把三個答案依次排序，逐一解釋理由。
進行數據標註的工作人員
對於如何判定分數和標籤，接近6萬字的標註手冊列舉出了幾十種具體分析場景，這些分析費時費力。比如，判斷是否出現幻覺，需要一一核對參考資料；涉及專業知識，需要自己查找資料去驗證。
除了打分，另一種常見的標註形式是「出題」，難度更大。剛獲得海外語言類專業博士學位的小凡，求學時做了長達5年的數據標註兼職。她的工作是在一家海外眾包標註平台上給AI出題並寫出解答，難度達到博士級別。這些文本會被作為訓練語料，餵給AI。
從招聘市場情況看，這份職業的天花板極高。
今年以來，各家頭部大模型公司開始在招攬專家級標註員上競速。比如，阿里搭建了「曉天睿士」專家社區，學歷要求頭部高校碩士起步，行業專家級人才最高時薪可達1000元。位元組跳動成立了Xpert兼職眾包標註平台，需要標註者上傳簡歷、選擇標註的細分專業領域，並完成難度較高的專業知識測試。
另一方面，行業的「入場券」也在快速漲價。
一位負責多家頭部企業標註人員招聘的HR告訴小巴，近兩年，標註崗位招聘要求不斷提高。
早期招聘要求的學歷水平大多在專科、高中，無需經驗、上手就能做。但今年，候選人本科以上學歷的佔比超過五成。通用類AI標註開始有經驗要求；垂直類一般要求相關專業或行業經驗，部分崗位需要做專業筆試。
競爭也逐漸激烈，目前招聘通過率大約是2：1。
持續吸納高端人才，成為標註行業肉眼可見的趨勢。
部分公司數據標註招聘要求
不算體面的工種
頂尖人才正湧入數據標註行業，但身處其中的人們，大多態度悲觀。
在高強度的標註實習中，小鵝感受到了這個行業巨大的矛盾。
其一，缺乏尊嚴。
小鵝最反感的是工作中沒完沒了的扯皮。文字判斷有巨大的主觀模糊空間，作為乙方的標註員與作為甲方的質檢員經常會發生爭執。比如，甲方認為A答案的邏輯性更強，而乙方認為B答案更完善。
在這些爭論中，她感到標註員角色的巨大矛盾性：雖然承擔著AI工程里超過60%的工作量，但他們在這個系統里是不被尊重的。隨著模型的進化和調整，甲方給出的打分標準會經常變動，但標註員們往往無法撼動現有的標準，只能接受甲方的評判。
她也感到這份工作缺乏獲得感。即便標註已經成為一個知識密集行業，但仍採取著流水線式的管理方式，絕大多數標註工作採取計件制計薪。標註的工作本質是消耗腦力處理一條條數據，但並不知道這些數據從哪來、到哪去，甚至不少標註員不知道自己標註的是哪個大模型。
其二，性價比低。
小鵝此前實習的公司是一家外包標註機構，項目團隊里大多是兼職的大學生，每人每天至少完成10條，日薪100元，超額完成按10元/條計。
部分公司數據標註僅招聘兼職人員
即便是專家級別的標註，性價比也很低。一位入駐某家國內大模型專家社區的在讀博士告訴小巴，自己在平台上出題的時薪大約在100—300元，收入並不比家教等其他兼職有吸引力。他很快放棄了這份兼職。
從招聘市場的薪資報價看，全職數據標註員的門檻水漲船高，但待遇低，在北京、上海這樣的地區，不少標註崗位要求研究生級別學歷，但月薪只有六七千元。
其三，上升空間狹窄。
一位AI產品經理向小巴介紹，他所在的頭部互聯網企業，標註崗位除了極個別管理崗位，其餘均為外包，人員流動率極高，能待上超過一年的人並不多。
雖然理論上，數據標註員可以依次向標註組長、質檢、質控、數據運營乃至演算法類崗位發展，但因為技術類崗位的天然壁壘，真正實現的概率極低，絕大部分標註員會一直停留在原崗位上。
其四，即使門檻被知識抬高，標註本質上還是一份極易被AI替代的工作，「教會徒弟、餓死師傅」。
科技公司正在普遍採用合成數據減少對人工的依賴。比如，業內常見的降本手法「蒸餾」，即用ChatGPT等更高級的大模型生成的答案去訓練更初級的大模型。中小型大模型廠商大多使用這種方法，降低數據成本。
因為這些原因，高端人才們進入標註行業，大多要麼是尋求臨時過渡工作，要麼只是作為兼職獲得一份收入，行業對他們難有長期吸引力。
大模型巨頭開始「卷」數據
問題的本質，是標註行業的社會認知和管理方式，都沒能跟上AI「知識饑渴」的速度。
過去8年，數據標註行業經歷了巨大的變化。
這曾經是個非常底層的工種。它興起於2017年前後，早期被廣泛應用於智能駕駛。那時任務簡單重複，比如框選圖片上的紅綠燈、汽車、障礙物。
因為又苦又累，多年來，海外科技巨頭把這份工作轉移到勞動力最廉價的地區。牛津大學的一項調查顯示，全球有數百萬數據標註員集中在烏干達、肯亞等欠發達國家，他們每天工作9小時以上，時薪僅約1.16美元（約合人民幣8.3元），項目結束即失業。
OpenAI合作外包公司Sama公司員工
圖源：Sama公司官網
在中國，數據標註產業主要聚集在中西部及三四線城市。在標註基地打標的員工，不少是待業青年、中老年人、殘障人士，只要會使用電腦即可。
所以在大部分新聞報道中，數據標註員是一群AI世界裡隱形的底層勞動力，在全世界欠發達國家、地區賺著「賽博流水線」上的微薄收入。
但最近兩年，高端化的趨勢開始在海外興起。海外數據標註龍頭Scale
AI，從2024年開始關閉肯亞、奈及利亞、巴基斯坦等地的承包站點，轉而招聘美國本土高學歷人士。
據港媒報道，截至今年年初，Scale
AI參與模型優化的人員中，12%擁有分子生物學等領域的博士學位，超40%擁有所在領域的碩士學位、法律學位或MBA學位。
相較於時薪僅1美元出頭的低端標註，這些高端標註員平均時薪達到40美元。
而對專家級標註員的投入也確實推動了公司的增長，Scale 2024年營收約8.7億美元，預計今年營收達20億美元。Scale
AI創始人Alex Wang公開發言稱：「我們需要最優秀和最聰明的頭腦來貢獻數據。」
其競品、美國另一數據標註巨頭Surge
AI，已經成為全球大模型追求高端數據時的首選。它把高質量的數據標註比作「寫詩」，組建了一支由哲學家、工程師、常春藤盟校畢業生等構成的標註團隊。
而國內的高端化趨勢，很大程度上是從DeepSeek開始的。
2023年起，DeepSeek開始招聘「數據百曉生」崗位，不限專業、不限經驗，實習生日薪超過500元，正職年薪可達百萬。崗位要求之一是「涉獵廣泛、博聞強識，對各行各業的知識都擁有強烈的興趣」。
「數據百曉生」的主要任務，就是給AI出題、編寫「理想態」的優質答案作為學習資料、給AI生成的答案打分和調試，等等。
結果也很驚人：DeepSeek上線7天用戶破億，靠文采飛揚、金句頻出和嚴謹的深度思考破圈，業內盛傳其標註團隊由北大哲學系的學生組成。
此後，國內大模型界風向逐漸轉變，開始在「特級教師」上做文章。
這種從「普通老師」到「特級教師」的需求變化，是AI進化到一定程度的必然結果。
AI行業有句經典名言「Garbage In Garbage
Out」，一個模型能力行不行，很大程度上取決於訓練模型的數據質量。據IBM的一項研究，僅注釋質量提高5%，就可以將複雜計算機視覺任務的模型準確率提高15%—20%。
演算法、算力、數據，是業內公認的AI三要素。頭部大模型們在演算法和算力上難分伯仲，數據質量成了最有機會「卷」出差距的方向。
AI變成精英以後？
可以說，自數據標註被正式認定為職業，經過5年的發展，這個行業仍面臨著低壁壘競爭和勞動剝削等諸多問題，處於一個難以定性的狀態。
但在每個新興行業出現、創造新工種的早期，都會出現類似的問題。所有的職業，都是先出現，再進化的。
這份工作的前景也未必真如想像中渺茫。比如，它提供了一種職業轉型路徑：成了一條文科生在AI領域大展拳腳的神奇過渡帶。一些頭部大模型已經開始組建「AI人文訓練師」團隊，訓練AI識別「仇恨言論」和撰寫「高情商回復」。
而這些文科生，也在這份工作中不斷觸碰AI與社會的邊界。小鵝說，在結束這份實習以後，她手機里的AI總是比別人的好用，因為理解底層邏輯，她更擅長下達精確的指令。
這是個需要高質量人文社科人才的崗位，因為只有最善於思考人與世界關係的人類，才能教會AI怎麼更好地做一個人。
學習使用AI辦公技巧
換個角度看，在高學歷人才該不該去「打螺絲」之外，還有一件事值得關注。
在小鵝標註的上千條數據中，她印象最深刻的一條記錄是，一位用戶向AI提問「殘疾人患腦癌能不能進養老院」。小鵝翻閱此人的過往提問記錄，發現她向AI傾訴了很多自己各方面的困難，包括離婚、家暴、病重和無人贍養。但對於AI而言，這些提問不過是一條條平平無奇的數據流。
當AI在頂尖老師的訓練下變得越來越頂尖，它就像一個含著金湯匙出生、接受正統通識教育的古希臘式精英，逐漸無法再看到更基層的需求。
或許下一步，新的鯰魚就會從這些被忽視的需求中跳出來。
*文中受訪者姓名均為化名
文 /巴九靈
本篇作者 | 溫若梅 | 責任編輯 | 徐濤
主編 | 何夢飛 | 圖源 | VCG、網路