她要先逐字把这段语音转写出来，再标启程音误差、语调异常和方言特点词，最后判断 AI 的鉴别了局哪里对了、哪里跑偏。听起来像在听播客，旁人或许以为她在摸鱼，可这就是她的工作。 她的官方 title 叫"数据标注员"，但她更愿意说自己是"AI 训练师"——这样听起来酷一点。终于在大无数人的认知里，这份工作就是 AI 时期的流水线：面对电脑，机械地址鼠标，日复一日地画框、打标签，技术含量不高，是典型的"人肉电池"。 对于越来越多想进入AI行业的年轻人，数据尺度在成为他们会思考的入门工作，这个工种因何而生，整个行业是什么形貌，从业者又将走向何方——我们抓取了 Boss 直聘上"数据标注"关键词下、base 在北京的 302 个岗位，逐一拆解其中 151 份齐全 JD。 ChatGPT 会写诗，靠的是标注员逐条评价"这句好、那句差"；自动驾驶能在路口认出红绿灯，是由于有人对着数万张街景图、一个像素一个像素地描出天堑。你对 agent 说一句"播放周杰伦的歌"，它一秒就听懂并执行，这背后是成千上万条带口音、带环境噪声、带吞音连读的语音指令被人为标好了。 如今为了更天然的交互，语音标注的复杂度还在指数级上升——不再只是把声音转成文字，而是要标出感情、意图、语用场景，连方言里那点奥妙差距都要标，模型能力真正学会"听人话"。 低薪这头多是实习、兼职和多包。日薪岗有 84 个，中位 185 元/天，招聘帖上写着"数据标注，双休，幼白可做"，学历经验全不限，月薪 4-5K。光谱另一端，百度给自动驾驶数据标注算法实习生开出 500-600 元/天，要求硕士；阿里巴巴的 AI 训练师岗 20-35K、16 薪，同样卡硕士。 同为标注，身价差出十倍。差距来自工作内容早已分化：低薪端是执行，按要求标、按 SOP 做；高薪端是界说，定标注规定、管质量尺度、买通算法和数据的关环。前者可代替，后者难复造。 一个在标注行业干了六年的老兵说得直白：2016 年，标注员是手演员，熟手吃香；此刻，标注员是流水线工人，谁都能干，你就是个账号。 大模型时期这类需要暴增——腾讯在招"大模型数据标注-代码方向"，应聘者得看懂代码，判断 AI 写的法式哪里好、哪里有 bug，再用人的判断去纠正它。 某大型车企的"智驾数据标注算法工程师"岗，要求处置 4D 点云和 LiDAR 数据，输出时序一致的 BBox 真值，月薪 40-70K、15 薪。这早不是"画框"，而是要懂传感器道理和三维空间关系。 今年 6 月初，马斯克的 xAI 面向全球招中文 AI 导师，训练 Grok 的中文语音能力，要求母语级中文、熟悉方言和地域口音差距，能做语音转写、发音纠错和音频标注，美国境内时薪 35-45 美元。统一时期，京东科技在招法语、德语、荷兰语标注，专八是门槛，要能鉴别发音谬误和语调误差——尺度堪迸罪言学钻研。 多模态和综合标注占比最大，达 36%，一个岗位同时涉及图文音视频，常见于大模型数据团队。单一技术的可代替性越来越高，全能选手更吃香。 大模型/AIGC 语料直接占 28%，自动驾驶和医疗影像各占 7%。近三成岗位在给大模型"喂饭"。军备较量进入白热化，GPU 数量不再是唯一筹码，谁的数据更切近真实人类，谁就多一分胜算。 门槛也随着被改写。近九成岗位要求本科或大专，表表仍是低门槛工种。但那 13 个卡硕士的岗位，险些全扎在大模型评测、算法配套和海表多说话方向——盛大网络"专家级数据标注师"日薪 400-800 元，要硕士、可远程；阿里训练师 20-35K、16 薪，非硕士不招；还有金融类标注专家，时薪 150-200 元。 专业壁垒也在往高了筑。医疗标注明确要临床医学、影像学布景；代码方向要推算机专业，能写能 debug；影视美学标注青睐戏剧影视文学、数字媒体艺术；金融标注要金融经济专业；具身智能标注则指向机械和自动化。离数据价值链的上游越近，越不只靠仔细和耐心，而是实打实的领域知识。 302 个岗位中能认出的大厂有京东、腾讯、阿里、快手、幼红书、百度，但招人最多的不是它们，而是标注表包公司和数据服务商——海天瑞声、云测数据、倍赛科技牢牢占据岗位数前列。 腾讯亲自招代码方向的大模型标注，快手直接为可灵 AI 招标注项目治理，幼红书招大模型数据标注实习生。模型越关键，数据质量越要握在自己手里。 那时"数据标注"还不算一个职业。李飞飞在普林斯顿启动 ImageNet 时，最初以 10 美元时薪雇本科生逐张标图，可学生很快受不了这种沉复劳动，按其时效能估算，标齐全个数据集要 19 年。转折来自 Amazon Mechanical Turk：2008 到 2010 年，来自 167 个国度的近 5 万名多包工人，实现了超过 1400 万张图片的标注。在学术圈，做标注被当成"搬砖"，李飞飞的基金申请甚至被 NIH 评审批为"普林斯顿做这个是一种羞耻"。 2012 年，AlexNet 以 15.3% 的 top-5 谬误率拿下 ILSVRC 冠军，当先第二名超过 10 个百分点，Yann LeCun 后来称之为推算机视觉史上无可争议的转折点。整个行业由此意识到：算法差距能够追赶，数据差距才是壁垒。标注这件事，第一次有了造成一门生意的可能。 第一批数据标注公司成立，这些公司选址往往在三线城市，理由很现实：人力便宜、租金便宜、有补助。"我们就是在吃人丁盈利，"一位标注公司老板曾绝不避讳地说，"开在北京一个月 4000 招不到人，开到县城 2000 就有人抢着干。" 大量村落青年、幼镇宝妈、残障人士经培训成了标注员，在产业匮乏的县城，月入 3000-5000 已是面子收入。但他们大多不知路自己在做什么："每天就是拉框拉框拉框，这些框拿去干嘛，没人通知我们。" 一些大厂起头建起更大规模的数据标注基地，大厂入场带来尺度化和分层。标注师群体起头分化：底层仍是基础框选，往上是质检员，再往上是标注规定师——要懂 AI 根基道理，收入翻好几倍。2020岁首，人社部正式将"人为智能训练师"纳入国度职业分类目录，顶级训练师年薪已超过30万。 GPT-3 论文（《Language Models are Few-Shot Learners》，NeurIPS 2020）证了然大模型的少样本进建能力，模型不再必要海量人为标注也能实现很多工作。同时自动标注技术成熟、合成数据崛起，行业自动化率从三年前的约 30% 飙到 60% 以上。 但 RLHF 又催生出一类全新需要：给模型输出做偏好排序、评估事实正确性、纠正推理链路——这些活不再叫标注，而叫提醒词工程师或 AI 对齐训练师，技术门槛齐全分歧。 这种代替已经写进了招聘缘由。百度的"自动驾驶数据标注模型算法实习生"，工作内容就是开发预标注模型，让 AI 自己标数据。"自动标注+人为复核"成了主流工作流：AI 先粗标一版，人掌管质检、纠错、补齐天堑案例�；�础沉复性标注确切实被吞噬，可"这版标得好不好""天堑案例怎么处置""这段画面美感够不够"，这类要主观判断和领域经验的环节，仍得人来兜底。 2024 年的行业数据出现出一路明确的剪刀差：80% 的投资流向自动标注公司，传统劳动密集型标注企业拿到的融资不到 5%；基础标注用工在收缩，懂医学、司法、金融的专家级标注师却持续紧缺。 一位 AI 公司 HR 对我们说得更直接："AI 训练师的薪资是标注员的 3-5 倍，但我们险些不会从标注员里招训练师，甘心招刚毕业的推算机系学生重新带。" 回到开头我们提到的幼林，她对我们暗示，此刻她不只做语音转写。每天要开团队对齐会，争论方言口音的标注天堑该划在哪儿；要写质检汇报，分析语音模型在哪几个音调上最容易翻车；偶然被拉去和算法工程师开会，凭听感给语料提改进定见。 这一行变得太快了。去年还在标文本对话，今年改标语音语调，明年也许要标机械人的作为数据。这似乎在给这个工作岗位带来更多的需要，但同时AI的自动标注也在急剧抢走这些新出现的需要。数据标注依然会是不成或缺的AI背后的人类底座，只不外接下来它注定把会被代替的人和不会被代替的人分到越来越远的两端。