文|Tech星球 王琳
鄭雯至今記得幾個月的下午，那天，她一個小時就賺了2毛錢。她畢業(yè)于湖南的一所?？茖W(xué)校，是一名大模型數(shù)據(jù)標(biāo)注師，每天的工作并不復(fù)雜——給自己領(lǐng)取的原始數(shù)據(jù)（如圖像、視頻、文本等）添加標(biāo)簽。
但大模型對于數(shù)據(jù)的質(zhì)量要求很高，那天當(dāng)時一張圖片被要求反復(fù)修改了8次才通過，整個修改過程花費(fèi)了一個1小時。也就是說，她這一個小時只賺了2毛錢，而正常情況下可以賺到12塊，可以拉600個框?！板X并不好賺”，她反復(fù)強(qiáng)調(diào)。
這幾乎是所有數(shù)據(jù)標(biāo)注從業(yè)者的共識。數(shù)據(jù)標(biāo)注的一端承載著從業(yè)者們不足5000元的月薪，他們?nèi)缥浵佇郾銟?gòu)建起大模型的基石。而另一端則是互聯(lián)網(wǎng)大廠們的AI夢想，他們希望借此超越Chat GPT 4。
數(shù)據(jù)標(biāo)注采用最原始的計(jì)件制算工資，并不存在職場上的勾心斗角。唯一的苦惱這份過于枯燥的工作，讓他們中的大部分很難堅(jiān)持完3個月。并且，幾乎所有人都告訴Tech星球，你最好別去。
可他們不知道的是，要不了多久，他們中的大部分可能會失去這份枯燥的工作。因?yàn)?，那些簡單的?shù)據(jù)標(biāo)注將會被AI取代。
從5毛到4分，價格暴跌
林雙在2017年賺到了一筆“快錢”：15天6000多元。對于?？飘厴I(yè)的林雙來說，這個收入著實(shí)可觀。那是人們對AI期望爆棚的時候，幾乎沒有人懷疑過它的未來，所有的投資機(jī)構(gòu)都堅(jiān)信這里可以誕生十億、百億甚至千億規(guī)模的企業(yè)。
幾乎所有AI技術(shù)的背后都是算法、算力、算據(jù)的競爭，龐大的數(shù)據(jù)是技術(shù)優(yōu)劣的底層。背景光鮮的程序員們坐在“北上廣”的辦公室里，通過代碼迭代算法描繪AI藍(lán)圖，而大專生、寶媽等在三四線城市的格子間處理龐大數(shù)據(jù)包中的圖片、文字、語音等。
ChatGPT也不例外。一位百度文心一言項(xiàng)目組的員工稱，大模型本身并沒有什么新技術(shù)，也沒有太高的技術(shù)壁壘，關(guān)鍵的問題是算力壁壘形成的參數(shù)壁壘。
大模型時代的數(shù)據(jù)標(biāo)注員和以前的也并沒有特別大區(qū)別，為數(shù)不多的差距可能是更加舒適的辦公環(huán)境和對標(biāo)注質(zhì)量的更高要求。一位數(shù)據(jù)標(biāo)注的從業(yè)者向Tech星球介紹，一般剛剛?cè)胄袝r，他們會組建一個10人左右的團(tuán)隊(duì)，這其中有一個人承擔(dān)質(zhì)檢工作，如果不合格，就要員工打回去重做。而數(shù)據(jù)的質(zhì)量則決定著大模型的優(yōu)劣。
數(shù)據(jù)民工們也并不關(guān)心，AI技術(shù)又有什么新的分支，他們更在意的是單價，因?yàn)檫@里是計(jì)件算工資。
“那會兒單價高的時候，拉一個2D框就有1毛多，我最高的時候干了10多個小時，一天就賺了600多元”，林雙回憶道。不過，這不是最高的，一位標(biāo)注人員稱，早期2D拉框的價格最高能達(dá)到5毛錢。
拉框是數(shù)據(jù)標(biāo)注中常見的一種操作，標(biāo)注員根據(jù)要求對圖片中的物體，如車輛、紅路燈、障礙物等畫框標(biāo)注。拉框分為2D和3D，后者的價格會更貴一些。
但這種熱度并沒有持續(xù)多少，伴隨著越來越多人涌入以及AI行業(yè)整體發(fā)展的不夠順利，標(biāo)注一個圖片的單價越來越低，林雙稱現(xiàn)在最低的只有4分錢。
“如果是拉框，行業(yè)的平均單價是在0.15元左右，但還是要看項(xiàng)目，如果自己可以接到單，接到一手單的最低要求應(yīng)該是100個入職員工，那規(guī)模挺大，3D的框有可能達(dá)到3毛錢一個，不過很少可以有達(dá)到5毛的?！?/p>
當(dāng)然，如果你本身具備醫(yī)療、金融方面的專業(yè)知識，那么單價則會更高。比如，很多醫(yī)療大模型會要求標(biāo)注員有是臨床專業(yè)，且有相關(guān)從業(yè)經(jīng)驗(yàn)。
大部分從業(yè)者每個月的收入都不過5000元，其中也不乏少數(shù)的幸運(yùn)兒。楊碩本來在四川經(jīng)營一家服裝店，但疫情影響了他的生意，他在今年轉(zhuǎn)型做大模型數(shù)據(jù)標(biāo)注，現(xiàn)在，他每個月有8000元收入，“我是和公司簽了合同，交了9500元的加盟費(fèi)，合同里寫著每個月最低收益是7000元?！?/p>
究竟誰賺到了錢
阿里、騰訊、字節(jié)這樣的互聯(lián)網(wǎng)大廠，以及上汽、領(lǐng)克等車企是數(shù)據(jù)標(biāo)注業(yè)務(wù)分發(fā)的源頭，想要以最好的價格直接從源頭獲取訂單，數(shù)據(jù)標(biāo)注公司們需要具備一定的規(guī)模。
一位數(shù)據(jù)標(biāo)注公司員工對Tech星球稱，他們直接從大廠拿到訂單，但是大廠要求他們得有500人，因此他們會選擇通過加盟或者子公司的方式來達(dá)到人員要求。
二者的區(qū)別是加盟適用于初入行的人組建工作室，如果要成立子公司，一般一個區(qū)域就只有一家。小白工作室需要收加盟費(fèi)，2.5萬或者3萬。子公司是一個區(qū)域的獨(dú)家代理商，需要繳納5萬費(fèi)用。而他們可以三年以內(nèi)保證訂單的充足，并負(fù)責(zé)3年內(nèi)的技術(shù)培訓(xùn)，這些工作室或者子公司們組成一個大的工會，幾百到幾千不等。
上述數(shù)據(jù)標(biāo)注公司員工稱，大模型的火熱再次將數(shù)據(jù)標(biāo)注行業(yè)推上熱潮，現(xiàn)在幾乎每天都有人去他們公司拜訪。
但事實(shí)上，經(jīng)營一個數(shù)據(jù)標(biāo)注公司并不容易。數(shù)據(jù)標(biāo)注公司告訴你的是，這個行業(yè)前1到2個月比較難做，因?yàn)閱T工需要爬坡期，前期只需要5-8個人就夠了，40多歲的阿姨都沒有問題的。
穩(wěn)定是數(shù)據(jù)標(biāo)注公司或者工作室最重要的因素。但是Tech星球接觸的大部分標(biāo)注員工往往都因?yàn)榭菰餆o趣在3個月內(nèi)“光速”離職，新員工并不是馬上可以到崗實(shí)操，人員流動性大的結(jié)果就是數(shù)據(jù)標(biāo)注的質(zhì)量和周期不夠穩(wěn)定。缺錢的寶媽是數(shù)據(jù)標(biāo)注工作室最喜歡招納的人群。
“找兼職肯定不行的，會有空檔期，房租和電腦投入了，會虧錢，最好的方式是全員坐班”，開過數(shù)據(jù)標(biāo)注工作室的人魏銘向Tech星球介紹。
大部分?jǐn)?shù)據(jù)標(biāo)注公司的回款周期是3個月起步，最多半年，但他們需要以月付的方式給員工工資，這需要一定程度的資金儲備，“一個人3500，100個人，3個月就是105萬。”
張建曾經(jīng)加入過一個又200多號員工的工會。第一年，他們趕上行業(yè)的爆發(fā)期，2D拉框的單價高達(dá)5毛，那一年他所在的工會賺了400多萬。
但是第二年，行情急轉(zhuǎn)直下。標(biāo)注的單價變低，員工的流動性更快，空檔期增加，再加上兩個大項(xiàng)目都沒有結(jié)算，一整年過去，他們虧了300多萬?！袄习宥颊f短時間內(nèi)堅(jiān)決不碰數(shù)據(jù)標(biāo)注”，張建表示，“他們現(xiàn)在正在和上游打官司?！?/p>
這是利潤微薄的生意。海天瑞聲是目前數(shù)據(jù)標(biāo)注行業(yè)內(nèi)首家主板上市公司，去年這家公司有2.63億元營收，利潤只有2945萬元，凈利潤率剛剛超過10%。但今年上半年，由于客戶數(shù)量減少，這家公司便陷入了虧損。
隨時可能被替代的“螺絲釘”
依靠著肯尼亞工人螞蟻搬家式的積累，最終OpenAI的語言對話大模型能力脫穎而出。這些被稱為數(shù)據(jù)民工的普通人支撐起了山姆·奧特曼（OpenAI創(chuàng)始人）的AI夢，但如果不出意外，他們手中的大部分工作，很快就會被自己參與創(chuàng)造的新產(chǎn)品所取代。
在國外，Open AI 前員工于2021年成立的Anthropic今年已經(jīng)融資51.5億美元，是其過去兩年融資總額的7倍還多。這家公司提供了一種新的方法，可在較少人工參與的情況下，便訓(xùn)練出模型。
今年，AI初創(chuàng)公司refuel推出了一個名為Autolabel的開源工具，可以使用市面上主流的大模型來對數(shù)據(jù)集進(jìn)行標(biāo)注。該公司的測試結(jié)果稱，Autolabel的標(biāo)注效率相比人工標(biāo)注提高了100倍，成本僅為人工成本的1/7。
在國內(nèi)，一家名為視智未來的公司也在打造標(biāo)注大模型。他們在接受采訪時表示，有些項(xiàng)目已經(jīng)用GPT交付了，準(zhǔn)確率方面達(dá)到了80%多，與人工接近。
不過，海天瑞聲認(rèn)為，AI一定不會實(shí)現(xiàn)完全的自動化標(biāo)注，因?yàn)闄C(jī)器如果想要持續(xù)演進(jìn)，使其更接近于人類的判斷和理解，就一定需要人類作為引導(dǎo)。
幾乎所有從事過數(shù)據(jù)標(biāo)注的人員，都向Tech星球透露著同一個觀點(diǎn)：數(shù)據(jù)標(biāo)注是一個沒有門檻的工作，只需要你熟練使用電腦即可。
但事實(shí)上，如果簡單的標(biāo)注可以用AI來完成，那么人工參與的將是難度更高的數(shù)據(jù)篩選和標(biāo)準(zhǔn)工作，這也意味著行業(yè)的門檻將會不斷提高，尤其是ChatGPT、文心一言類的大語言模型。
作為對照，早在ChatGPT走紅前，OpenAI就組建十幾位博士生來“打標(biāo)”。而百度在海口的數(shù)據(jù)標(biāo)注基地?fù)碛袛?shù)百名專職大模型數(shù)據(jù)標(biāo)注師，標(biāo)注師的本科率達(dá)到100%。
這類大語言模型的特點(diǎn)是，標(biāo)注員需要具備一定的知識儲備和邏輯分析能力。根據(jù)《財(cái)經(jīng)十一人》報(bào)道，標(biāo)注師們需要判斷問題類型，隨后給5個回答分別打分并排序，分?jǐn)?shù)區(qū)間為0-5分，如果打分低于3分，還要標(biāo)注出具體原因，例如“答非所問（0分）”、“嚴(yán)重跑題（1分）”、“存在邏輯問題，存在事實(shí)性錯誤，比例較小給2分”等。
數(shù)據(jù)標(biāo)注的另一個熱門領(lǐng)域是自動駕駛。據(jù)德勤的報(bào)告顯示，2022年自動駕駛領(lǐng)域的標(biāo)注需求占整個AI下游應(yīng)用的38%，預(yù)計(jì)到2027年，比例將上漲到52%。相較于大語言模型，對于自動駕駛領(lǐng)域的模型而言，那些簡單的拉框操作依然有著較為寬松的學(xué)歷要求。
標(biāo)注員們是人類從移動互聯(lián)網(wǎng)時代到人工智能時代的基石，Tech星球接觸到的大部分從業(yè)者大多不清楚AI將帶給他們那些改變，也不知道他們?yōu)榱薃I的發(fā)展做出的貢獻(xiàn)，他們只是互聯(lián)網(wǎng)時代的新一代螺絲釘，而且隨時可能被替代。
（備注：文中人物皆為化名。）