很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～
如有投稿需求，请把文章发送到邮箱tougao@appcpx.com，一经录用会有专人和您联系
咨询如何成为春羽作者请联系：鸟哥笔记小羽毛（ngbjxym）
来源|Tech星球
郑雯至今觉得记得几个月的下午，那天，她一个小时就赚了2毛钱。她毕业于湖南的一所专科学校，是一名大模型数据标注师，每天的工作并不复杂——给自己领取的原始数据（如图像、视频、文本等）添加标签。
但大模型对于数据的质量要求很高，那天当时一张图片被要求反复修改了8次才通过，整个修改过程花费了一个1小时。也就是说，她这一个小时只赚了2毛钱，而正常情况下可以赚到12块，可以拉600个框。“钱并不好赚”，她反复强调。
这几乎是所有数据标注从业者的共识。数据标注的一端承载着从业者们不足5000元的月薪，他们如蚂蚁雄兵般构建起大模型的基石。而另一端则是互联网大厂们的AI梦想，他们希望借此超越Chat GPT 4。
数据标注采用最原始的计件制算工资，并不存在职场上的勾心斗角。唯一的苦恼这份过于枯燥的工作，让他们中的大部分很难坚持完3个月。并且，几乎所有人都告诉Tech星球，你最好别去。
可他们不知道的是，要不了多久，他们中的大部分可能会失去这份枯燥的工作。因为，那些简单的数据标注将会被AI取代。
林双在2017年赚到了一笔“快钱”：15天6000多元。对于专科毕业的林双来说，这个收入着实可观。那是人们对AI期望爆棚的时候，几乎没有人怀疑过它的未来，所有的投资机构都坚信这里可以诞生十亿、百亿甚至千亿规模的企业。
几乎所有AI技术的背后都是算法、算力、算据的竞争，庞大的数据是技术优劣的底层。背景光鲜的程序员们坐在“北上广”的办公室里，通过代码迭代算法描绘AI蓝图，而大专生、宝妈等在三四线城市的格子间处理庞大数据包中的图片、文字、语音等。
ChatGPT也不例外。一位百度文心一言项目组的员工称，大模型本身并没有什么新技术，也没有太高的技术壁垒，关键的问题是算力壁垒形成的参数壁垒。
大模型时代的数据标注员和以前的也并没有特别大区别，为数不多的差距可能是更加舒适的办公环境和对标注质量的更高要求。一位数据标注的从业者向Tech星球介绍，一般刚刚入行时，他们会组建一个10人左右的团队，这其中有一个人承担质检工作，如果不合格，就要员工打回去重做。而数据的质量则决定着大模型的优劣。
数据民工们也并不关心，AI技术又有什么新的分支，他们更在意的是单价，因为这里是计件算工资。
“那会儿单价高的时候，拉一个2D框就有1毛多，我最高的时候干了10多个小时，一天就赚了600多元”，林双回忆道。不过，这不是最高的，一位标注人员称，早期2D拉框的价格最高能达到5毛钱。
拉框是数据标注中常见的一种操作，标注员根据要求对图片中的物体，如车辆、红路灯、障碍物等画框标注。拉框分为2D和3D，后者的价格会更贵一些。
但这种热度并没有持续多少，伴随着越来越多人涌入以及AI行业整体发展的不够顺利，标注一个图片的单价越来越低，林双称现在最低的只有4分钱。
“如果是拉框，行业的平均单价是在0.15元左右，但还是要看项目，如果自己可以接到单，接到一手单的最低要求应该是100个入职员工，那规模挺大，3D的框有可能达到3毛钱一个，不过很少可以有达到5毛的。”
当然，如果你本身具备医疗、金融方面的专业知识，那么单价则会更高。比如，很多医疗大模型会要求标注员有是临床专业，且有相关从业经验。
大部分从业者每个月的收入都不过5000元，其中也不乏少数的幸运儿。杨硕本来在四川经营一家服装店，但疫情影响了他的生意，他在今年转型做大模型数据标注，现在，他每个月有8000元收入，“我是和公司签了合同，交了9500元的加盟费，合同里写着每个月最低收益是7000元。”
阿里、腾讯、字节这样的互联网大厂，以及上汽、领克等车企是数据标注业务分发的源头，想要以最好的价格直接从源头获取订单，数据标注公司们需要具备一定的规模。
一位数据标注公司员工对Tech星球称，他们直接从大厂拿到订单，但是大厂要求他们得有500人，因此他们会选择通过加盟或者子公司的方式来达到人员要求。
二者的区别是加盟适用于初入行的人组建工作室，如果要成立子公司，一般一个区域就只有一家。小白工作室需要收加盟费，2.5万或者3万。子公司是一个区域的独家代理商，需要缴纳5万费用。而他们可以三年以内保证订单的充足，并负责3年内的技术培训，这些工作室或者子公司们组成一个大的工会，几百到几千不等。
上述数据标注公司员工称，大模型的火热再次将数据标注行业推上热潮，现在几乎每天都有人去他们公司拜访。
但事实上，经营一个数据标注公司并不容易。数据标注公司告诉你的是，这个行业前1到2个月比较难做，因为员工需要爬坡期，前期只需要5-8个人就够了，40多岁的阿姨都没有问题的。
稳定是数据标注公司或者工作室最重要的因素。但是Tech星球接触的大部分标注员工往往都因为枯燥无趣在3个月内“光速”离职，新员工并不是马上可以到岗实操，人员流动性大的结果就是数据标注的质量和周期不够稳定。缺钱的宝妈是数据标注工作室最喜欢招纳的人群。
“找兼职肯定不行的，会有空档期，房租和电脑投入了，会亏钱，最好的方式是全员坐班”，开过数据标注工作室的人魏铭向Tech星球介绍。
大部分数据标注公司的回款周期是3个月起步，最多半年，但他们需要以月付的方式给员工工资，这需要一定程度的资金储备，“一个人3500，100个人，3个月就是105万。”
张建曾经加入过一个又200多号员工的工会。第一年，他们赶上行业的爆发期，2D拉框的单价高达5毛，那一年他所在的工会赚了400多万。
但是第二年，行情急转直下。标注的单价变低，员工的流动性更快，空档期增加，再加上两个大项目都没有结算，一整年过去，他们亏了300多万。“老板都说短时间内坚决不碰数据标注”，张建表示，“他们现在正在和上游打官司。”
这是利润微薄的生意。海天瑞声是目前数据标注行业内首家主板上市公司，去年这家公司有2.63亿元营收，利润只有2945万元，净利润率刚刚超过10%。但今年上半年，由于客户数量减少，这家公司便陷入了亏损。
依靠着肯尼亚工人蚂蚁搬家式的积累，最终OpenAI的语言对话大模型能力脱颖而出。这些被称为数据民工的普通人支撑起了山姆·奥特曼（OpenAI创始人）的AI梦，但如果不出意外，他们手中的大部分工作，很快就会被自己参与创造的新产品所取代。
在国外，Open AI 前员工于2021年成立的Anthropic今年已经融资51.5亿美元，是其过去两年融资总额的7倍还多。这家公司提供了一种新的方法，可在较少人工参与的情况下，便训练出模型。
今年，AI初创公司refuel推出了一个名为Autolabel的开源工具，可以使用市面上主流的大模型来对数据集进行标注。该公司的测试结果称，Autolabel的标注效率相比人工标注提高了100倍，成本仅为人工成本的1/7。
在国内，一家名为视智未来的公司也在打造标注大模型。他们在接受采访时表示，有些项目已经用GPT交付了，准确率方面达到了80%多，与人工接近。
不过，海天瑞声认为，AI一定不会实现完全的自动化标注，因为机器如果想要持续演进，使其更接近于人类的判断和理解，就一定需要人类作为引导。
几乎所有从事过数据标注的人员，都向Tech星球透露着同一个观点：数据标注是一个没有门槛的工作，只需要你熟练使用电脑即可。
但事实上，如果简单的标注可以用AI来完成，那么人工参与的将是难度更高的数据筛选和标准工作，这也意味着行业的门槛将会不断提高，尤其是ChatGPT、文心一言类的大语言模型。
作为对照，早在ChatGPT走红前，OpenAI就组建十几位博士生来“打标”。而百度在海口的数据标注基地拥有数百名专职大模型数据标注师，标注师的本科率达到100%。
这类大语言模型的特点是，标注员需要具备一定的知识储备和逻辑分析能力。根据《财经十一人》报道，标注师们需要判断问题类型，随后给5个回答分别打分并排序，分数区间为0-5分，如果打分低于3分，还要标注出具体原因，例如“答非所问（0分）”、“严重跑题（1分）”、“存在逻辑问题，存在事实性错误，比例较小给2分”等。
数据标注的另一个热门领域是自动驾驶。据德勤的报告显示，2022年自动驾驶领域的标注需求占整个AI下游应用的38%，预计到2027年，比例将上涨到52%。相较于大语言模型，对于自动驾驶领域的模型而言，那些简单的拉框操作依然有着较为宽松的学历要求。
标注员们是人类从移动互联网时代到人工智能时代的基石，Tech星球接触到的大部分从业者大多不清楚AI将带给他们那些改变，也不知道他们为了AI的发展做出的贡献，他们只是互联网时代的新一代螺丝钉，而且随时可能被替代。
本文为作者独立观点，不代表鸟哥笔记立场，未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问，请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2022 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求，为完善跟帖评论自律管理，为了保护用户创造的内容、维护开放、真实、专业的平台氛围，我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容，同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规，对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息，主要表现为：
1)反对宪法所确定的基本原则；
2)危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一，损害国家荣誉和利益；
3)侮辱、滥用英烈形象，歪曲、丑化、亵渎、否定英雄烈士事迹和精神，以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉；
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动；
5)煽动民族仇恨、民族歧视，破坏民族团结；
6)破坏国家宗教政策，宣扬邪教和封建迷信；
7)散布谣言，扰乱社会秩序，破坏社会稳定；
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序；
10)侮辱或者诽谤他人，侵害他人名誉、隐私和其他合法权益；
11)通过网络以文字、图片、音视频等形式，对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法规禁止的其他内容；
2. 不友善：不尊重用户及其所贡献内容的信息或行为。主要表现为：
1)轻蔑：贬低、轻视他人及其劳动成果；
2)诽谤：捏造、散布虚假事实，损害他人名誉；
3)嘲讽：以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述，以此来激怒他人；
4)挑衅：以不友好的方式激怒他人，意图使对方对自己的言论作出回应，蓄意制造事端；
5)羞辱：贬低他人的能力、行为、生理或身份特征，让对方难堪；
6)谩骂：以不文明的语言对他人进行负面评价；
7)歧视：煽动人群歧视、地域歧视等，针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击；
8)威胁：许诺以不良的后果来迫使他人服从自己的意志；
3. 发布垃圾广告信息：以推广曝光为目的，发布影响用户体验、扰乱本网站秩序的内容，或进行相关行为。主要表现为：
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式：
2)单个帐号多次发布包含垃圾广告的内容；
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容；
4)多次发布包含欺骗性外链的内容，如未注明的淘宝客链接、跳转网站等，诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光；
6)购买或出售帐号之间虚假地互动，发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容，如通过伪造经历、冒充他人等方式进行恶意营销；
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息，主要表现为：
1)包含自己或他人性经验的细节描述或露骨的感受描述；
2)涉及色情段子、两性笑话的低俗内容；
3)配图、头图中包含庸俗或挑逗性图片的内容；
4)带有性暗示、性挑逗等易使人产生性联想；
5)展现血腥、惊悚、残忍等致人身心不适；
6)炒作绯闻、丑闻、劣迹等；
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息，主要表现为：
1)可能存在事实性错误或者造谣等内容；
2)存在事实夸大、伪造虚假经历等误导他人的内容；
3)伪造身份、冒充他人，通过头像、用户名等个人信息暗示自己具有特定身份，或与特定机构或个人存在关联。
6. 传播封建迷信，主要表现为：
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病；
2)求推荐算命看相大师；
3)针对具体风水等问题进行求助或咨询；
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失，包括通过占卜方法问婚姻、前程、运势，东西宠物丢了能不能找回、取名改名等；
7. 文章标题党，主要表现为：
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户；
2)内容与标题之间存在严重不实或者原意扭曲；
3)使用夸张标题，内容与标题严重不符的。
8.「饭圈」乱象行为，主要表现为：
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论，影响传播秩序
9. 其他危害行为或内容，主要表现为：
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的；
2)不当评述自然灾害、重大事故等灾难的；
3)美化、粉饰侵略战争行为的；
4)法律、行政法规禁止，或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时，本网站将依据相关用户违规情节严重程度，对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号，或者滥用多个帐号发布违规内容时，本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富，本网站出于维护本网站氛围和秩序的目的，将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议，可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)