文 | 娛樂資本論 付夢珍
“貧困山村里，沒上過大學(xué)的女人們在喂養(yǎng)AI?！?/p>
“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。
打開關(guān)于AI數(shù)據(jù)標(biāo)注行業(yè)的新聞，我們隨處可見上述標(biāo)題。低門檻、勞動(dòng)密集、高度程式化、標(biāo)準(zhǔn)操作流水線，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，“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，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)在存在哪些問題？未來又有哪些發(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？
帶著這些問題，娛樂資本論走進(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)對員工的素質(zhì)要求越來越高，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.垂類行業(yè)的數(shù)據(jù)標(biāo)注訂單增多，對垂類標(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)類似
VOL.5.AI只帶來了短期的訂單增加，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：①、利用AI技術(shù)降本增效 ②、專注于某一垂類的數(shù)據(jù) ③、往產(chǎn)業(yè)鏈上游走，做數(shù)據(jù)采集、合成等
本科生越來越多，寶媽更受喜愛
“我們不是富士康的流水線模式?！?/p>
當(dāng)被問及公司的員工現(xiàn)狀時(shí)，幾家數(shù)據(jù)公司都給出了類似的回答。
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)用場景，比如車內(nèi)座艙的文娛軟件等。龍貓副總裁胡邱飛向娛樂資本論指出“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)類知識(shí)。此外，標(biāo)注內(nèi)容要和客戶的模型價(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
針對垂直領(lǐng)域，龍貓則會(huì)配備專業(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浪潮后提高了對員工的素質(zhì)要求，“三四年前對員工的素質(zhì)要求還不高，但是現(xiàn)在甲方對質(zhì)量和效率的要求提高了。公司之前90%是大專，現(xiàn)在本科占到了一半，甚至有研究生。”
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。”丁一峻向娛樂資本論指出，“有標(biāo)注需求的多是大公司，現(xiàn)在很多標(biāo)注公司會(huì)外放做不過來的訂單，這就讓市面上很多沒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?！?/p>
這兩類訂單，也倒逼著丁一峻要提高對員工素質(zhì)的要求。這期間，丁一峻嘗試過和學(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以上，發(fā)了以后有上百人聯(lián)系我，但是很多人沒經(jīng)驗(yàn)?！毙√K招聘時(shí)，會(huì)和兼職強(qiáng)調(diào)對數(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，聽到要保密就不做了。但我們公司有良心，必須強(qiáng)調(diào)保密?！?/p>
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)目難度越來越高，要求標(biāo)注員的學(xué)歷和專業(yè)知識(shí)水平越來越高，比如語言標(biāo)注團(tuán)隊(duì)，要求會(huì)各種小語種。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)在線上注冊用戶400多萬，活躍全職的1萬人左右?！本€上之外，龍貓?jiān)谖髂系貐^(qū)做了線下標(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)營會(huì)了解兼職的情況，“我們更喜歡用沒有全職工作的群體，比如寶媽，她們時(shí)間充沛，更好管理，也更穩(wěn)定?！?/p>
整體來說，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，“老客戶的需求還在，能維持正常運(yùn)營，但這種單子很雞肋，一個(gè)月幾百幾千跟辦公室采購差不多，利潤太低，項(xiàng)目體量也不穩(wěn)定。數(shù)據(jù)行業(yè)缺乏像蘋果、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，“同行有能力買的，自己有開發(fā)的實(shí)力。沒開發(fā)實(shí)力的，出不起這個(gè)錢?！闭f著，丁一峻給我發(fā)來了網(wǎng)上開源的標(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，賣平臺(tái)賺點(diǎn)錢，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?！?/p>
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，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。”
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)。“大廠會(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說時(shí)嘆了口氣。
回憶起2017年創(chuàng)業(yè)的日子，駱靖元說那時(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)，“像百度做了語音采集，高德、訊飛會(huì)再做一遍。算法都沒變，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。”但這樣的日子也好景不長，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>
被問及是否覺得公司的運(yùn)營模式是新時(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。”
丁一峻曾承接過一家證券公司的標(biāo)注工作，“剛好有一家標(biāo)注員是這家證券公司的用戶，他提出了抗議，后來私下花錢和解了。誰采集數(shù)據(jù)，出了問題誰負(fù)責(zé)，所以一般我們也不會(huì)過問數(shù)據(jù)來源情況?！?/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在仿寫改寫上的潛力，讓人看到了其在合成語料上的潛力?！案鶕?jù)最新的生成式AI管理辦法，用戶擁有自己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)問題，替代真實(shí)是大勢所趨。”
對此，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。誰也不知道未來會(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，“國外出現(xiàn)的一種趨勢是用戶主動(dòng)售賣自己的數(shù)據(jù)，讓數(shù)據(jù)公司得以繞開原始數(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，比如說通過做題的方式，讓他們小程序上答題賺錢?！?/p>
“數(shù)據(jù)標(biāo)注是自我淘汰的行業(yè)，AI可以通過模型優(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)對變化，將公司從洛陽搬到了工業(yè)配套更完善的蘇州，做數(shù)據(jù)采集車業(yè)務(wù)，“我們要給甲方提供硬件采購和數(shù)據(jù)服務(wù)的整套方案，這樣甲方對我們的依賴度才能更深?！?/p>
景聯(lián)文則選擇了深耕垂類賽道，專注于教育和醫(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，解析維度包括專題分類、分析過程、考點(diǎn)解析、解答過程、教師點(diǎn)評(píng)等?，F(xiàn)在大模型號(hào)稱百模大戰(zhàn)，至少有60家都要買我們的題庫?！?/p>
醫(yī)療方面，景聯(lián)文積累了400TB的醫(yī)學(xué)資料數(shù)據(jù)庫和三甲醫(yī)院的專家的病理數(shù)據(jù)?！拔覀儍赡昵伴_始拓展標(biāo)注場景，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。”
值得一提的是，龍貓AIGC業(yè)務(wù)線負(fù)責(zé)人李亞向娛樂資本論透露，龍貓正在打造自己的垂類大模型，“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>
對市場規(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，怎么讓數(shù)據(jù)流通合規(guī)化、安全化是很大的問題。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，中國人工智能的數(shù)據(jù)治理市場規(guī)模預(yù)計(jì)將突破百億。
但更現(xiàn)實(shí)的問題是，吐槽中文語料庫差的新聞屢見報(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、利潤率、風(fēng)險(xiǎn)性方面甚至不及富士康產(chǎn)品，映照到市場上的，則是逐漸遇冷的大模型市場以及越來越像“高科技施工隊(duì)”的中國AI商業(yè)環(huán)境。
當(dāng)我們試圖尋找解決之道時(shí)，駱靖元回憶其工作多年感受時(shí)的話也許是最好的答案，“對我們同事來說，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?！?/p>
“數(shù)據(jù)是AI走向智能的基礎(chǔ)，少開點(diǎn)發(fā)布會(huì)炒股價(jià)，多投點(diǎn)錢在標(biāo)注上才是正事。”采訪接近尾聲時(shí)，周三體發(fā)來了這句話。