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校,是一名大模型數(shù)據(jù)標注師,每天的工作并不復雜——給自己領取的原始數(shù)據(jù)(如圖像、視頻、文本等)添加標簽。
但大模型對于數(shù)據(jù)的質量要求很高,那天當時一張圖片被要求反復修改了8次才通過,整個修改過程花費了一個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”,她反復強調。
這幾乎是所有數(shù)據(jù)標注從業(yè)者的共識。數(shù)據(jù)標注的一端承載著從業(yè)者們不足5000元的月薪,他們如螞蟻雄兵般構建起大模型的基石。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)標注采用最原始的計件制算工資,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。因為,那些簡單的數(shù)據(jù)標注將會被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,所有的投資機構都堅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目組的員工稱,大模型本身并沒有什么新技術,也沒有太高的技術壁壘,關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)境和對標注質量的更高要求。一位數(shù)據(jù)標注的從業(yè)者向Tech星球介紹,一般剛剛入行時,他們會組建一個10人左右的團隊,這其中有一個人承擔質檢工作,如果不合格,就要員工打回去重做。而數(shù)據(jù)的質量則決定著大模型的優(yōu)劣。
數(shù)據(jù)民工們也并不關心,AI技術又有什么新的分支,他們更在意的是單價,因為這里是計件算工資。
“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,一位標注人員稱,早期2D拉框的價格最高能達到5毛錢。
拉框是數(shù)據(jù)標注中常見的一種操作,標注員根據(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,但還是要看項目,如果自己可以接到單,接到一手單的最低要求應該是100個入職員工,那規(guī)模挺大,3D的框有可能達到3毛錢一個,不過很少可以有達到5毛的?!?/p>
當然,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)療大模型會要求標注員有是臨床專業(yè),且有相關從業(yè)經(jīng)驗。
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,他在今年轉型做大模型數(shù)據(jù)標注,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,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、領克等車企是數(shù)據(jù)標注業(yè)務分發(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)標注公司們需要具備一定的規(guī)模。
一位數(shù)據(jù)標注公司員工對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,2.5萬或者3萬。子公司是一個區(qū)域的獨家代理商,需要繳納5萬費用。而他們可以三年以內保證訂單的充足,并負責3年內的技術培訓,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)標注公司員工稱,大模型的火熱再次將數(shù)據(jù)標注行業(yè)推上熱潮,現(xiàn)在幾乎每天都有人去他們公司拜訪。
但事實上,經(jīng)營一個數(shù)據(jù)標注公司并不容易。數(shù)據(jù)標注公司告訴你的是,這個行業(yè)前1到2個月比較難做,因為員工需要爬坡期,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注員工往往都因為枯燥無趣在3個月內“光速”離職,新員工并不是馬上可以到崗實操,人員流動性大的結果就是數(shù)據(jù)標注的質量和周期不夠穩(wěn)定。缺錢的寶媽是數(shù)據(jù)標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)標注工作室的人魏銘向Tech星球介紹。
大部分數(shù)據(jù)標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?!?/p>
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,行情急轉直下。標注的單價變低,員工的流動性更快,空檔期增加,再加上兩個大項目都沒有結算,一整年過去,他們虧了300多萬?!袄习宥颊f短時間內堅決不碰數(shù)據(jù)標注”,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)標注行業(yè)內首家主板上市公司,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)集進行標注。該公司的測試結果稱,Autolabel的標注效率相比人工標注提高了100倍,成本僅為人工成本的1/7。
在國內,一家名為視智未來的公司也在打造標注大模型。他們在接受采訪時表示,有些項目已經(jīng)用GPT交付了,準確率方面達到了80%多,與人工接近。
不過,海天瑞聲認為,AI一定不會實現(xiàn)完全的自動化標注,因為機器如果想要持續(xù)演進,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。
幾乎所有從事過數(shù)據(jù)標注的人員,都向Tech星球透露著同一個觀點:數(shù)據(jù)標注是一個沒有門檻的工作,只需要你熟練使用電腦即可。
但事實上,如果簡單的標注可以用AI來完成,那么人工參與的將是難度更高的數(shù)據(jù)篩選和標準工作,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”。而百度在海口的數(shù)據(jù)標注基地擁有數(shù)百名專職大模型數(shù)據(jù)標注師,標注師的本科率達到100%。
這類大語言模型的特點是,標注員需要具備一定的知識儲備和邏輯分析能力。根據(jù)《財經(jīng)十一人》報道,標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,分數(shù)區(qū)間為0-5分,如果打分低于3分,還要標注出具體原因,例如“答非所問(0分)”、“嚴重跑題(1分)”、“存在邏輯問題,存在事實性錯誤,比例較小給2分”等。
數(shù)據(jù)標注的另一個熱門領域是自動駕駛。據(jù)德勤的報告顯示,2022年自動駕駛領域的標注需求占整個AI下游應用的38%,預計到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歷要求。
標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,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。)