你可能从来没听过”数据标注”这四个字。
但你的手机相册能认出你家猫、你刷短视频时平台知道你喜欢看什么、你开车时导航能识别红绿灯——背后都有这群人的影子。
我有个远房表弟，去年在老家县城找了份工作。上班内容说出来你可能不信——坐在电脑前，打开一个软件，给一张张图片画框。画完猫画狗，画完狗画车。一天下来，鼠标点了不知道多少次。
我问他这叫什么工作。
他说，数据标注。
嗯。听起来挺唬人。
其实说白了，就是教AI认东西。
AI不是生下来就聪明的
咱们都听过一个词——人工智能。听多了就觉得它很厉害，好像什么都会。但你有没有想过一个问题：
它凭什么会？
一个三岁小孩看到一只猫，大人说”这是猫”，他大概就记住了。下次看到另一只猫，哪怕颜色不一样、体型不一样，他也能认出来。
AI不行。至少它天生不行。
它需要有人一张图一张图地告诉它：”这只猫在图片的左上角，这一块区域就是猫。”——这个动作，就是标注。
画一个框，选一个标签，点一下保存。
重复一千次。
再说一遍，一千次。
你觉得枯燥？其实这只是最简单的那一类。还有给文本标注情感的——这句话是开心的还是生气的？给语音标注内容的——这段录音里说的是普通话还是方言？给视频画轨迹的——这个人从第几秒走到第几秒，走了什么路线。
五花八门。
不过万变不离其宗——就是人工给数据贴标签，让机器学会看懂这些标签背后的规律。
（等等，好像说得有点教科书了。换种说法。）
你养过狗吗？训练狗坐下的时候，它做对了你给零食，做错了没反应。反复几次之后，狗就学会了。
数据标注干的就是给AI喂零食的活。你做对了我给你个”正确”标签，你做错了我给你个”错误”标签。海量标签累积起来，模型就慢慢学会了。
只不过，这个喂零食的人不是狗主人。是几百上千个坐在电脑前的普通人。
这活儿的真实面目
好。现在你可能大概知道了数据标注是个啥。
但我想聊的不是定义。我想聊的是这行真实的样子。
先说工资。这个大家最关心，对吧？
不同城市、不同项目、不同公司，差别挺大的。有按件计费的，标一张图几毛钱；有按月发工资的，三四千到七八千都有。也有一线城市做医疗影像标注或者自动驾驶点云标注的，单价会高一些，因为要求更专业。
但整体来说，这行的大部分岗位，还处在互联网行业的薪资底部。
为什么？
因为技术门槛不高。会电脑基本操作就能上手。你不需要懂算法，不需要会编程——你得眼神好，耐心够，坐得住。
这也就意味着，它很容易被替代。
说到这儿，我得插一嘴。前两年有个词特别火，叫”AI训练师”。听起来是不是很高大上？其实很多招聘网站上的”AI训练师”，干的就是数据标注的活。换了个名字而已。
不是说这工作不好。只是别被名字唬住。
再说工作状态。
我表弟跟我描述过他的日常：早上九点打卡，坐到工位上，打开标注平台，开始画框。中午吃饭休息一小时，下午继续。晚上六点下班。有时候赶项目进度，得加班。
一天下来，眼睛酸，脖子疼，手腕僵。
他说最大的感受不是累，是”麻木”。因为你不需要想太多，按规则来就行。规则文档写得清清楚楚——什么算猫，什么不算；遮挡到什么程度还可以标，超过多少就不标了；边界怎么对齐，标签怎么选。
你就是一台有血肉的标注机器。这是他的原话。
我听完沉默了一会儿。
不过话说回来，哪份工作不是这样呢？重复劳动有重复劳动的好——不用动脑子，下班就是下班。不像写代码的，回家还在想bug。
各有各的苦吧。
标注质量这件事，比想象中要命
如果只是枯燥，那还好说。
真正要命的是——标注出错。
你可能觉得，画个框有什么难的？一只猫而已。
问题是，真实世界里的数据，远比”一只猫在图片正中间”要复杂得多。
比如，一只猫被沙发挡住了一半，标不标？夜里拍的模糊照片，你确定那是猫不是小型犬？图片里有三只猫挤在一起，框是画一个大的还是画三个小的？
这些都需要人来判断。
而不同的人，判断标准可能不一样。
你标你的，我标我的。一个人的”认真”，在另一个人那里可能叫”较真”。
结果就是——同一张图片，十个人来标，可能标出十种不同的结果。
这对AI来说是个灾难。因为AI是通过学习这些标注来理解世界的。你给它喂了混乱的数据，它就学出一个混乱的脑子。
所以数据标注这行，有个东西特别重要——规范。
大公司做项目，通常会先写一份详细的标注规范文档。几十页，甚至上百页。把各种可能遇到的情况都写清楚。然后标注员要培训、要考试、要试标。通过率达标了，才能正式开始干活。
但即使这样，还是会有分歧。
所以还有一个角色——质检员。
标注员标完的数据，质检员再抽检一遍。发现问题打回去重标。重标还不行？可能要被扣钱。
这就像考试，你交卷了，老师批改，及格了才算数。
一层一层卡下来，最终交到算法工程师手里的数据，才够”干净”。
但代价是什么？
是大量的人力、时间和反复的沟通成本。
那些你可能没想过的标注现场
好了，前面说的都是比较常见的情况。我再讲几个可能会让你”啊？”一下的标注场景。
第一个。医疗影像标注。
就是让医生或者受过培训的标注员，在CT片、X光片上标记出病灶的位置。这个对专业要求很高——你至少得看得懂片子。所以通常由医学生或者有医学背景的人来做。
价格也比普通图片标注高得多。但工作量依然很大。一张CT片子可能有几十层切片，每一层都要仔细看。标完一个病例，可能一两个小时就过去了。
第二个。自动驾驶标注。
这个可能是目前数据标注里最烧钱的领域之一。为什么？因为传感器多。摄像头、激光雷达、毫米波雷达……采集回来的数据形态完全不一样。摄像头是图片，激光雷达是点云，雷达是信号波形。
标注员要把这些数据一一对应起来。路上有个行人，你要在图像里框出来，还要在点云里标出来，还要确保时间戳对得上。一帧一帧地过。
一辆测试车在路上跑一天，采回来的数据可能需要几十个人标上好几天。
你说这成本高不高。
第三个。大模型时代的新标注。
这个就更有意思了。以前标注更多是”判断”——这张图里有没有猫。现在的大模型需要的是”偏好”——这两个回答，哪个更好？这个回答有没有害处？有没有偏见？有没有事实错误？
这类标注更主观，也更难标准化。因为它涉及价值观判断。
不同的标注员可能有完全不同的看法。怎么统一？怎么保证标注质量？
目前行业里也在摸索。
说到底，这份工作改变了很多人的命运
我本来想在这部分写个总结。但想了想，还是算了。总结来总结去，就那么几句话。
不如讲个故事吧。
我表弟后来辞职了。干了大概半年。走的时候跟我说了一句话：”哥，我实在受不了每天对着猫猫狗狗画框了。”
我理解他。
但我也知道，在他那个县城，数据标注曾经是一份”还不错”的工作。
不用风吹日晒，不用去工厂拧螺丝，坐在办公室吹着空调，每个月能拿三五千。对于很多没什么学历的年轻人来说，这已经算是一条出路了。
尤其是一些偏远地区，当地政府还会跟企业合作建”数据标注基地”。把这种数字化的活儿引到县城来。让年轻人在家门口就能上班。
听起来挺美好的对吧。
但另一面是——这份工作的天花板很低。你标得再快再好，也只是标得最快的那个标注员。它很难积累成什么核心技能。行业变化也快。今天需要标猫标狗，明天可能AI自己就能标了，只需要人工抽检。
所以很多人干一两年就走了。
这也很正常。
写这篇文章不是想劝退谁，也不是想唱衰这行。只是想让你知道——当你对着手机说”嘿Siri”的时候，当你的相册自动整理出”猫咪”相册的时候，当你刷推荐页觉得”这也太懂我了”的时候……
背后有一群人。坐在电脑前，一张一张图地画框，一条一条数据地打标签。
他们的工作叫数据标注。
他们人数不少。
但他们很少被看见。