数据标注公司，正在批量制造AI的燃料

凌晨两点，山西大同的一个小县城里，王芳还在盯着屏幕上一辆模糊的卡车轮廓。她的工作是用鼠标沿着车身的边缘一点点描线，描完一辆，系统自动弹出下一张，再描。这个动作她重复了三年，每天大概要描五百张图。王芳所在的公司叫“智图数据”，规模不大，一百多号人，但像这样的公司，在大同、在运城、在周口、在宿州，还有几百家。它们有个共同的名字——数据标注公司，干的是同一件事：把海量的原始数据，变成AI能读懂的“标准答案”。

你可能会觉得，AI是高科技，是算法工程师在键盘上敲出来的魔法。但真相是，那些光鲜的模型背后，是成千上万个王芳，用最笨拙、最耗眼力的方式，把一张张图片、一段段语音、一帧帧视频，变成标注好的“燃料”。没有这些燃料，再厉害的算法也只是个空转的发动机。我见过一家做自动驾驶的创业公司，他们的算法团队只有二十人，但外包的标注团队却有三百人。那个CTO跟我开玩笑说，他们公司的核心资产不是代码，是那三百个夜班工人的眼药水。

数据标注这行当，听起来新，干起来却很老派。它本质上是个劳动密集型产业，跟二十年前的服装厂没什么两样。只不过流水线上的工人踩的是缝纫机，这里的工人点的是鼠标。最基础的活儿叫“拉框”，就是在图片上框出行人和车辆，难度不高，但量极大。一个熟练工，一天能框一千多个物体，每框一个，赚几毛钱。我采访过一个刚入行的年轻人，他跟我说，第一次干这活儿觉得挺新鲜的，像玩找茬游戏，但干到第三天，眼睛就酸得不行，到第十天，看到任何图片都想拿鼠标去框一下。

但千万别小看这门“笨”生意。它正在以惊人的速度膨胀。据不完全统计，中国目前有超过三百万人在从事数据标注相关的工作，这个数字还在以每年百分之二十的速度增长。为什么涨这么快？因为AI落地的场景越来越具体，每个场景都需要定制化的标注。医院的CT片子要标注病灶，工厂的监控要标注违规操作，果园的摄像头要标注虫害。这些活儿，大厂做不了也不愿做，因为太琐碎、利润太薄，于是全部分包给了这些分布在三四线城市的标注公司。

这背后其实是一套精妙的“地理套利”逻辑。北京一个算法工程师的月薪是三万，而大同一个标注员的月薪是三千。把标注工作从北京挪到大同，成本直接砍掉九成。而大同、运城、周口这些地方，年轻人不想再往外跑，又找不到更体面的工作，标注公司就成了香饽饽。我认识一个老板，原来在深圳做房产中介，前年回老家开了个标注公司，招了八十个本地宝妈，每天工作六小时，不加班，月薪三千五。他跟我说，这活儿比卖房踏实，至少不骗人。

但问题也跟着来了。这个行业太“卷”了，卷的不是技术，是价格。甲方发布一个标注任务，几十家公司去竞标，中标的价格往往压到每张图几分钱。为了活下去，标注公司只能拼命压缩成本，压到就是压榨标注员的每一分钟。我见过最夸张的案例，一家公司要求标注员每天必须完成两千张图的拉框任务，完不成不准下班。有个小姑娘跟我说，她有一次干到晚上十一点，还没完成，急得在工位上哭。

更隐蔽的问题是质量。当价格被压到极限，标注员为了赶量，开始糊弄。框不准、漏标、错标，这些瑕疵会直接传导到AI模型里，让模型“学坏”。有个做安防算法的工程师跟我抱怨，他买了一批外包数据，结果模型上线后，把路边的垃圾桶识别成了行人，把树影识别成了车辆。他后来去检查数据，发现标注员为了省事，把所有竖条状的东西都标成了人。这就是廉价燃料的代价——你省了钱，但你的AI可能是个“近视眼”。

不过，事情正在起变化。这两年，一些头部标注公司开始尝试“人机协同”的模式，把AI预标注的结果交给人工去修正，效率提升了至少三倍。还有的公司开始往产业链上游走，自己研发标注工具，甚至涉足数据采集。我记得有个叫“星尘数据”的创业公司，他们专门做医疗影像的标注，要求标注员必须有护理背景，工资也开到八千以上。创始人跟我说，低端的拉框活儿迟早会被AI替代，但高端的、需要专业判断的标注，反而会越来越值钱。

回到开头那个大同的凌晨。王芳描完一张图，揉了揉眼睛，关掉了电脑。她不知道她标注的数据会被用在哪里，也不知道自己算不算这波AI浪潮里的一颗螺丝钉。她只知道，明天还得早起，还有五百张图等着她。窗外，县城的路灯还亮着，远处隐约传来火车的汽笛声。她拉上窗帘，躺下，手机屏幕亮了一下，是标注群里弹出的新任务提醒。她没点开，翻了个身，睡了。