本文來源：時代財經 作者：徐曉倩
圖源：pixabay
(資料圖)
今年上半年，一線城市的科技圈被人工智能激活了。
文心一言、通義千問、光年之外等大模型一波接著一波地輸送熱度，手握頂級資源的大佬們站在這場盛會的核心地帶，他們相繼發出英雄帖，有關大模型人才的爭奪也擺上了牌桌。
作為與AI產業鏈緊密相扣的一環，距離北京500公里的山西太原數據產業基地卻波瀾不驚，這里聚集了上千名人工智能標注師。他們談論的話題停留在項目進度、拉框達標率和一日三餐。
“熱鬧是他們的，我們只有數不盡的拉框。”一位數據標注師向時代財經說道。
在數據標注公司老板何晴記憶里，熱鬧發生在四五年前。人工智能的春風第一次刮向這個中西部城市，敏感的商人開始劃地盤、招人，向人工智能源源不斷地提供“養料”。他們大多是人工智能的門外漢，因為突如其來的龐大用工需求，與前沿科技產生了奇妙的聯結。
“當時很多老板把自家人全都拉過來，隨便動動手指都能賺到錢。”何晴聽說過數據標注行業內不少振奮人心的消息——有人在三個月內收入百萬，也有人搶到的訂單能排到第二年。
但這樣的好日子正在逐漸遠去。
體面的“流水線”
上午8點45分，黑壓壓的人流堵在了電梯口，只有三分之一的人擠上了第一趟電梯，所有人最終的目的地都在6樓。
電梯門緩緩打開，人群一下子向四面八方散開，走進一個個看不出任何差別的辦公室——100平米左右的空間擺滿了上百臺電腦，主機、鼠標、鍵盤線密密麻麻纏繞在員工腳邊。
“只要順著門牌號，一家家問過去，全是做數據標注的。”園區內底樓的商販如此形容道。
這座吸納近千人的數據標注基地像是藏在園區內的隱秘網吧，坐在電腦前的人熟練地點擊著鍵盤和鼠標，一平方米左右的桌子被體積龐大的電腦霸占。
正在工作中的數據標注師 圖源：時代財經攝
唯一能彰顯個性的，是戴在頭上五彩繽紛的耳機，他們有著一個共同的身份：數據標注師。
鼠標在左右鍵來回敲擊，屏幕上的圖片跟著放大縮小，光標飛快地描繪出一個個大小不同的框框……重復的動作持續半小時后，美玲稍稍扭了一下脖子，脊椎處的骨頭發出咯吱咯吱的聲音。
“新人熬過第一周就行了，做熟練了上手很快。”美玲一邊仍繼續盯著屏幕，一邊對時代財經說道，第一周就放棄的人高達30%。
每隔兩周，領班周姐就會帶著十幾個新人開啟學徒生涯，這樣重復無聊的工作勸退了不少年輕人。
兩年前，美玲從幼師轉型成了一名數據標注師。她的老家——呂梁的工作崗位很少，電話銷售是其中一個比較體面的歸宿，如今在人工智能浪潮的影響下，數據標注師為縣城女性提供了另一種選擇。
半年前，由于標注基地的變動，美玲從老家來到了省會太原。“自動駕駛、人臉識別哪一個不需要大規模標注員的參與。”她流露出驕傲的神情，在家里人看來，坐在辦公室操作電腦、月收入超過3000元，待遇已經超過縣城大多數工作了。
2005年，計算機視覺專家朱松純從美國回到故鄉湖北鄂州，創辦了蓮花山研究院，并由此組建了中國最早的大數據標注團隊。隨后，數據標注廠逐漸在二三線城市生根，河北、河南、山東、山西等地區出現產業集群地。
通過重復的標簽訓練，讓人工智能走到“覺醒”時刻，在美玲看來，這和之前的幼師工作一樣。
數據標注是人工智能產品誕生的第一個環節，接下來，還要經歷模型訓練與優化、模型管理、推理應用等。喂養人工智能產品需要數以億計的數據，這些數據會最先流向“美玲們”的電腦。
不過，美玲對“高科技”的幻想，在重復機械的鼠標聲中一點點被打碎。她測算過，1500個框是每天工作量的極限，一旦越過這條警戒線，眼球就會一陣陣酸痛。
下班后，即便對著電視機，她看到的也是一片斑駁的馬賽克，像極了一張張放大后需要標注的模糊圖片。
“隔壁座位上總是陌生的面孔，同事之間很少交流。”工作了一年半后，在同一基地上班的吳霞還沒有習慣辦公室的沉默。
大專畢業后，原本她跟著同學一起進廠，后來因為項目變動、同學離職，她成了“獨行俠”。工作一開始，辦公室就變成了自動化流水線啟動的“車間”，冷冰冰的工業化氣息，沒有多少人情味。
單獨計件、不需要團隊協作是數據標注行業的特性之一，由此形成不同于普通白領的管理方式。
在這里，標注師沒有固定的工位，而是根據項目變動隨機分配幾百號人的流向。最長的項目2-3個月，短期項目只有2-3天，十幾個人的項目小組設置一個管理員，時刻緊盯每個人的工作進度。
標注師也不會把精力用于經營同事關系，計件工種講究效率和專注度，時間和金錢掛鉤，要完成平均標準的1000個框，意味著平均每分鐘要完成2個框。
“跟別人說話的間隙，就會少賺好幾框的錢。”美玲說道。
富士康工人流向標注廠
在數據標注園區內，還零散分布著技術研究院和留學生創業基地。在孟然看來，這些“高端”崗位都離他很遙遠。
上大學前，他沒有離開過老家臨汾，大學畢業后，家里人希望他不要離開本省。基地兩公里以外，是富士康太原科技工業園。這個廠區吸納了當地最活躍的用工人群，巔峰時期，有近6萬人活動在廠區的流水線上。
不管如何折騰，大學生孟然的求職流動半徑從沒超過5公里。他曾經從數據標注基地二期搬到三期；在正式成為數據標注師之前，隔壁的富士康曾是他燃燒青春的地方。
距離數據標注基地不到2公里的富士康園區 圖源：時代財經攝
孟然曾經連續兩個假期進廠賺錢，每次在拿到一筆大幾千元的報酬后，便匆匆離開。
每到寒暑假，富士康園區門口都站滿了拎著大包小包行李的大學生，所有人的目標都指向了全年最高的返費和小時費。“大家都是過來賺快錢的，旺季一過就打包走人，工廠忙起來太辛苦了，很難長期堅持干下去。”
孟然不喜歡富士康的工作氛圍。進入車間前，要把電子設備上交，每天面對的的只剩下著裝相似的趕工人潮和蕭瑟冷峻的廠房。當遇到脾氣暴躁的班組長時，每天受到劈頭蓋臉的謾罵也是家常便飯。
伴隨著生產線啟動的轟鳴聲，工人需要不停安裝某個零件，這樣的動作往往要持續10個小時以上。在完全封閉的空間內，連出神都是奢侈的事情。等到領班稍微放松管理，孟然才敢和身邊的工友聊上幾句話。
2018年，在旁邊的數據標注基地落成后，孟然的工作有了第二種選擇。僅僅在只隔了一條街的距離外，就有一個更舒適的工作唾手可得。
王菲曾是富士康的招聘專員。工廠淡旺季和人員變動，加上模糊的返費報酬和經常變卦的收入，讓她經常陷入和打工者的無止盡拉扯中，標注師對她來說是更好的選擇。
“前幾年數據標注門檻低、單價高，每個月能保持4000元收入，而且做的項目都是大廠有關的業務，比較有保障。”王菲見過有不少熟練工離開基地另謀出路，但又兜兜轉轉回來的。
不少標注師有著和孟然相似的工作軌跡，電子廠的工作經歷是他們簡歷的共同點，數據標注工廠成為他們離開電子代工廠的下一站。
用工數量大、收入可觀、操作簡單的共同點，無形中搭起了一座兩公里的天橋，將兩座超級工廠連接在了一起。
消失的項目和公司
對于標注師來說，一個直觀的感受是：好日子快到頭了。
單價幾毛錢的項目不見了，一個標注框的價格卷到了幾分錢；簡單的平面描點拉框消失了，取而代之的是需要多維度標注的點云項目；正式員工逐漸從項目組離開，性價比更高的實習生撐起了一半以上的用工量。
數據標注公司老板何晴長達半年沒有來過基地，她逐步減少了對公司的投入。
去年下半年開始，她的團隊再也沒能接到客單價高的項目，客戶賬期也從三個月拖到了半年。“很多現金流不夠、不具備墊資能力的小廠倒閉了，我們的團隊成員也少了三分之一。”
三年前，標注框一度點燃了李薇的熱情，慢熱、不擅長溝通的她感覺自己找到了“天選”工作。
李薇接過單價為0.25元的項目，效率高的時候，她一天能拉框1200個，一個月賺近8000元，“為了能多賺一些錢，有人買來主機在家開工，任何人只要做得熟練了，都會收入變多”。
和其他人一樣，李薇隱隱覺得淘金時代結束了。
公司啟動了全新的項目，呈現在眼前的不再是真實世界的路況圖，而是由成千上萬個綠色的、紫色的、藍色的點構成的模型圖，一張完工的圖片中包括近百個標注框，而一整套題又是由幾十張只有細微差別的圖片構成的。
復雜的操作界面 圖源：受訪者提供
“需要反復在平面圖和3D切換，一些被遮擋住的畫面得靠腦補，邊框精確度也要求控制在0.01米，工作性價比越來越低了。”只要與要求的范圍偏差多出1毫米，就會被審核無情地打回去。
數據、算力、算法是人工智能的三大基石，數量越多、質量越高的數據，往往能夠訓練出更加成熟的大模型，表現在標注師的工作上就是不斷被拔高的精確度。
“這幾天又在調整規則，精確度要求提高到80%以上。”精確度成了標注師的“死穴”，也是他們抱怨時出現的高頻詞匯。
一張標注完成的圖片還要經過審核、質檢等2-3個環節，否則不能進入結算周期。
有時候，吳霞感覺自己像被困在復雜的迷宮里，怎么都出不去。她曾被一個新項目磨了近一周——一邊上交題目，一邊被不斷打回，這讓她陷入焦慮。“如果題目被打回的頻次太多，就會被分配給其他人，前面的精力全白費。”
孟然的焦慮則是另一種。從去年8月開始，他的工作變得清閑起來，過去5分鐘內積壓上萬的數據量，現在半個小時也不會有負載紅線。
“可能是平臺數據量變少了，也有可能是機器審閱的效率提高了。”孟然的不安全感很快得到了印證，由于工作量被迫減少，他每天的收入從一兩百元降到了幾十元。
一場淘汰賽在各大代理商中蔓延開來。孟然見過有團隊一夜之間解散，十幾名被拖欠薪資的員工把公司告到勞動局；情況稍微好一點的，會連同電腦和員工轉讓給下一個代理商。
“保險起見，還是要去人員規模超過30人的團隊。”這是孟然給新人的忠告。
標注師正退出歷史舞臺
熬過了一周的培訓期、挺過了半個月的生手期，今年5月，身在湖南的曉婷終于適應數據標注師身份，卻見證了公司的快速下墜、直至消亡。
“入職一個月，公司就撐不下去了，老板請大家吃了散伙飯，但工資還要等幾個月再發。”在曉婷看來，當前數據標注行業遍布“地雷”，風險遠大于收益。
無論是數據標注的創業者，還是數以萬計的標注師，都無法回避一個事實：在大模型施展拳腳的舞臺上，人工數據標注逐漸無足輕重。
和美玲想象的幼師工作不一樣的是：學生不會那么快搶走老師的工作。如今，被標注師哺育起來的大模型技術正迅速反哺數據標注流程。
以特斯拉為例，其自2018年以來不斷發展自動標注技術，從2D人工標注轉為4D空間自動標注。技術的進步，吞噬了人工標注的操作空間，2021年特斯拉人工標注團隊超過1000人，2022年則裁員超過200人。
其他車企公司包括小鵬汽車和毫末智行也紛紛推出自動標注工具。毫末智行CEO顧維灝公開表示，目前獲取車道線、交通參與者和紅綠燈信息，人工標注成本約每張圖5元，而毫末DriveGPT的成本僅為0.5元。
2019年，在一線城市從事AI數據訓練師吳迪便預感到自己職業生涯的天花板，他所在公司負責研發電商平臺智能客服項目。比他設想的進度更快，不到一年，他負責的數據標注10人團隊便被全部砍掉，只保留了零星運營人員。
“項目不斷成熟的那天，就是我們不被需要的時候了。”
大模型的進化像是一條奔騰不息的河流，總在某一個瞬間奇襲，把人工團隊甩在身后。
在蘇黎世大學今年3月份的一份調查報告中，研究人員通過實測發現，ChatGPT在15項標注任務中的處理能力高于眾包人員。
今年4月初，在校醫學生李捷在一個月內完成了某大廠在醫藥領域的文本標注，該項目將用于提供智能診斷對話服務，這也讓李捷第一次感受到大模型進化的速度。
“一開始，我們不斷給平臺投喂分類醫學名詞，到了第二周，系統就能自動實現基本的名詞分類了，而且正確率超過90%。”
在山西太原，基地領班周姐開始勸新人接手難度更高的項目，因為公司很難再承受項目一次次被擱置的壓力。“目前越簡單的標注業務利潤越薄，有的項目做到一半就黃了，人力成本完全覆蓋不了項目的收益”。
一位數據標注行業招聘人士告訴時代財經，今年以來，招聘門檻逐漸從專科生向本科生傾斜。“之前對標注師基本沒有經驗要求，現在很多公司都希望新員工可以直接上手做項目，這樣能減少前期的培訓成本。”
目前，智能標注能大致捕捉到物體的基本形狀和位置，但是在精準度上，仍然落后于專業的標注師。
沒有人知道智能標注會在什么時候迎來大爆發，但一種不安全感始終伴隨著李薇。每當她打開新項目頁面，代表智能標注的紅框總是率先跳出來，仿佛無時不刻地提醒屏幕前的人：
終有一天，它會取代她的位置。
（文中受訪者皆為化名。）
關鍵詞：
責任編輯：Rex_31
