8月19日，宇樹科技登陸科創(chuàng)板，成為“A股人形星空機(jī)器人第一股”。但這家備受追捧的公司在招股意向書中坦承：算力支撐薄弱、高質(zhì)量數(shù)據(jù)缺乏導(dǎo)致模型智能化程度不足，已成為制約行業(yè)發(fā)展的重要瓶頸。
無獨(dú)有偶。大模型頭部企業(yè)DeepSeek創(chuàng)始人梁文鋒近日在一場分享活動(dòng)中提到，公司一半核心研究員在做數(shù)據(jù)標(biāo)注，并將此視為現(xiàn)階段最重要的工作。
在大多數(shù)人印象中，數(shù)據(jù)標(biāo)注不過是“打標(biāo)簽”“畫框框”的“體力活”。這兩家站在AI前沿的企業(yè)，為何將它放在如此重要的地位？
數(shù)據(jù)標(biāo)注，即將原始數(shù)據(jù)轉(zhuǎn)化為AI可學(xué)習(xí)的高質(zhì)量數(shù)據(jù)集，可理解為給AI提供“養(yǎng)料”。隨著大模型加速落地，數(shù)據(jù)標(biāo)注在AI世界的角色，已從配角升級(jí)為AI技術(shù)應(yīng)用的核心支撐。整個(gè)產(chǎn)業(yè)正加速從勞動(dòng)密集型向知識(shí)密集型轉(zhuǎn)型。
6月，國家數(shù)據(jù)局印發(fā)實(shí)施方案，推進(jìn)行業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)行動(dòng)，其中之一為標(biāo)注攻堅(jiān)行動(dòng)，強(qiáng)調(diào)要引導(dǎo)數(shù)據(jù)標(biāo)注從“以人為主”向“人機(jī)協(xié)同、專家深度參與”的多層次標(biāo)注模式轉(zhuǎn)變，推動(dòng)數(shù)據(jù)標(biāo)注向?qū)I(yè)化、智能化躍升。
“搬運(yùn)工”變身“煉金師”
浙江熱熱科技有限公司，新員工張睿最近在教AI做視頻。她點(diǎn)開由某知名大模型生成的視頻，從運(yùn)鏡、光影、色彩、物理規(guī)律等維度逐一打分。
“到這里工作后，我才知道這也屬于數(shù)據(jù)標(biāo)注，還是‘評測標(biāo)注’這一新的熱門分支。”張睿說。如今，大模型生成內(nèi)容質(zhì)量離精品還有差距，比如視頻中人物表情僵硬、走臺(tái)線路不對等，他們要標(biāo)出來反饋給工程師，讓大模型不斷改進(jìn)。
這一新崗位誕生背后，一場產(chǎn)業(yè)變革正在上演。
中國信通院等發(fā)布的《數(shù)據(jù)標(biāo)注產(chǎn)業(yè)發(fā)展研究報(bào)告（2025年）》指出，數(shù)據(jù)標(biāo)注產(chǎn)業(yè)正朝著高技術(shù)含量、高知識(shí)密度、高價(jià)值應(yīng)用方向發(fā)展。據(jù)研究機(jī)構(gòu)Grand View Research預(yù)測，2025—2030年，全球數(shù)據(jù)標(biāo)注解決方案和服務(wù)市場將以20.3％的復(fù)合年均增長率增長，到2030年規(guī)模將達(dá)576.3億美元（約4034.1億元）。
“大模型的能力從0到60%，可能只要1TB數(shù)據(jù)，但從90%提升至91%，可能要1PB高質(zhì)量數(shù)據(jù)。兩者差距在千倍以上。”杭州景聯(lián)文科技CEO劉云濤說，用戶常吐槽大模型“一本正經(jīng)地胡說八道”，原因之一即在于其缺乏高質(zhì)量數(shù)據(jù)。這家數(shù)據(jù)采集標(biāo)注頭部企業(yè)甚至提出，AI算法開發(fā)80%的時(shí)間都在準(zhǔn)備數(shù)據(jù)和標(biāo)注。
高質(zhì)量數(shù)據(jù)標(biāo)注，決定著AI上限。
浙江大學(xué)軟件學(xué)院教授張微解釋，大模型早期訓(xùn)練所需數(shù)據(jù)確實(shí)很簡單，告訴AI“這是樹”“那是車”，或在“謝謝”后接“不客氣”即可。這類初級(jí)標(biāo)注如今大多可由AI完成，但市場對大模型應(yīng)用的要求不斷提高，AI急需高質(zhì)量標(biāo)注數(shù)據(jù)實(shí)現(xiàn)能力突破。
他用“三高”概括AI對數(shù)據(jù)集新的高要求：高專業(yè)性，如醫(yī)療影像數(shù)據(jù)需要資深醫(yī)生參與標(biāo)注，法律數(shù)據(jù)要求標(biāo)注者具備法學(xué)與實(shí)務(wù)背景；高交互性，讓AI識(shí)別人類語氣的細(xì)微變化，精準(zhǔn)判斷指令背后的真實(shí)訴求；高復(fù)雜性，融合文本、圖像、音頻、視頻等多模態(tài)數(shù)據(jù)，精度大幅提升，場景時(shí)序精準(zhǔn)到秒級(jí)甚至毫秒級(jí)。
2024年，不少人歡呼大模型進(jìn)入“場景落地元年”。但時(shí)至今日，具身智能、自動(dòng)駕駛、智慧醫(yī)療等垂類大模型，多數(shù)仍在真實(shí)環(huán)境中受訓(xùn)——業(yè)內(nèi)如今認(rèn)為，通用具身模型的訓(xùn)練門檻，是千萬小時(shí)級(jí)高質(zhì)量真實(shí)物理交互數(shù)據(jù)。而截至今年初，全球此類數(shù)據(jù)僅50萬小時(shí)。怎么辦？
從宇樹科技在招股意向書中披露的信息，可一探行業(yè)破題的方向：搭建大規(guī)模真實(shí)數(shù)據(jù)集，建立自動(dòng)化標(biāo)注機(jī)制，進(jìn)而構(gòu)建“數(shù)據(jù)飛輪”，以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)持續(xù)增長。
各地也在加速探索。如杭州已集聚具身智能、醫(yī)療、文旅、地球科學(xué)等4家國家星空人工智能應(yīng)用中試基地。“各基地要建大量應(yīng)用場景，場景落地會(huì)推動(dòng)模型迭代，模型迭代離不開高質(zhì)量數(shù)據(jù)集支撐，就會(huì)帶來海量的數(shù)據(jù)采集和標(biāo)注工作。”杭州市大數(shù)據(jù)管理服務(wù)中心相關(guān)負(fù)責(zé)人說。
在具身智能應(yīng)用中試基地，記者看到，星空機(jī)器人咖啡師、星空機(jī)器人護(hù)士、四足巡檢星空機(jī)器人正在現(xiàn)場搭建的咖啡館、病房、山區(qū)線路等場景中“學(xué)本領(lǐng)”。
“學(xué)本領(lǐng)其實(shí)就是真實(shí)數(shù)據(jù)采集、標(biāo)注、訓(xùn)練的過程。”工作人員以“拿杯子”為例介紹，過去訓(xùn)練多用模擬數(shù)據(jù)，星空機(jī)器人練得再好，一到復(fù)雜現(xiàn)實(shí)世界就會(huì)不知所措。真實(shí)環(huán)境訓(xùn)練可以建立4D感知甚至6D姿態(tài)追蹤，讓星空機(jī)器人認(rèn)知真實(shí)世界如何運(yùn)行，哪怕面對不同杯子等“意外情況”也能精準(zhǔn)執(zhí)行。這些數(shù)據(jù)經(jīng)系統(tǒng)標(biāo)注處理后，還能喂給其他星空機(jī)器人，讓它們同步掌握。
數(shù)據(jù)標(biāo)注，已從“搬運(yùn)工”變成“煉金師”。
醫(yī)生、律師、院士專家正在入場
目前，高端數(shù)據(jù)標(biāo)注的路徑公認(rèn)有三條：“模型預(yù)標(biāo)注+人工校準(zhǔn)”“人工標(biāo)注+模型檢驗(yàn)”“模型預(yù)標(biāo)注+模型檢驗(yàn)”。
三者說白了是一回事：人機(jī)協(xié)同。專業(yè)一點(diǎn)講，叫RLHF（基于人類反饋的強(qiáng)化學(xué)習(xí)）——這是以ChatGPT為代表的大模型能快速崛起的核心訓(xùn)練方法。背后邏輯很簡單：人類像老師一樣告訴AI對不對、怎么改。
如今，AI對“老師”的要求越來越高。全球數(shù)據(jù)標(biāo)注領(lǐng)頭羊Scale AI創(chuàng)始人直言，行業(yè)“需要最優(yōu)秀和最聰明的頭腦來貢獻(xiàn)數(shù)據(jù)”。
專家標(biāo)注市場快速崛起。在國內(nèi)，醫(yī)生、律師甚至院士及其團(tuán)隊(duì)正在入場。
“數(shù)據(jù)脫敏后，由我們進(jìn)行專業(yè)標(biāo)注，就像重新解讀病歷、影像或者檢驗(yàn)報(bào)告，只不過對象不再是病人，而是大模型。”杭州某三甲醫(yī)院的一名醫(yī)生觀察到，大模型協(xié)助醫(yī)療診斷、醫(yī)藥研發(fā)的案例越來越多，浙江醫(yī)療AI智能體“安診兒”已累計(jì)服務(wù)超2億人次，“參與數(shù)據(jù)標(biāo)注，也是為了看看大模型的潛力到底在哪里。”
市場也急需既懂標(biāo)注工具又懂行業(yè)知識(shí)的復(fù)合型人才。普通從業(yè)者正在加速專業(yè)化。
“以前會(huì)點(diǎn)鼠標(biāo)就行，現(xiàn)在得懂物理、美術(shù)等專業(yè)知識(shí)。”在杭州高端數(shù)據(jù)標(biāo)注基地，百川科技負(fù)責(zé)人蔡彬有個(gè)“甜蜜的煩惱”：最近一次性招了30多名本科畢業(yè)生，卻仍追不上訂單增長的速度。
近日，國家信息中心牽頭編制的《數(shù)據(jù)標(biāo)注師崗位要求》團(tuán)體標(biāo)準(zhǔn)正式發(fā)布。該標(biāo)準(zhǔn)把數(shù)據(jù)標(biāo)注師分為基礎(chǔ)、進(jìn)階、高階三個(gè)等級(jí)，構(gòu)建了一套覆蓋數(shù)據(jù)標(biāo)注師全生命周期管理體系，填補(bǔ)了行業(yè)空白。
“企業(yè)迫切需要權(quán)威統(tǒng)一的行業(yè)參照來開展人才培養(yǎng)，這也是行業(yè)健康發(fā)展的客觀需要。”參與編制工作的張微介紹，螞蟻科技、浙江省智能經(jīng)濟(jì)與智慧城市促進(jìn)會(huì)、浙江大學(xué)等多家浙江單位參與了標(biāo)準(zhǔn)編制，側(cè)面反映了我省對此類人才的旺盛需求與深度布局。
6月5日，杭州高端數(shù)據(jù)標(biāo)注基地在上城區(qū)九堡街道正式開園。首期1.3萬平方米的空間里，已陸續(xù)吸引火山引擎、海天瑞聲等頭部企業(yè)，以及百川智宸、九州文化等20多家上下游企業(yè)入駐。
此事成了行業(yè)“新風(fēng)向”。此前，數(shù)據(jù)標(biāo)注企業(yè)偏好中西部等勞動(dòng)力成本較低的地區(qū)。“外地新員工工資三四千元，杭州要五六千元起步。”杭州錸鉑鍶科技有限公司相關(guān)負(fù)責(zé)人坦言，但杭州有高校、有技術(shù)、有市場，后發(fā)優(yōu)勢明顯。
在園區(qū)遇到不少本科、研究生學(xué)歷的新員工，他們來自影視、動(dòng)畫、中文、物理等專業(yè)。資深從業(yè)者中，還有人參與過科幻大片《流浪地球》的建模工作。
“高質(zhì)量數(shù)據(jù)標(biāo)注已成為系統(tǒng)性工程，對企業(yè)的技術(shù)和管理水平都提出了新挑戰(zhàn)。”采訪中，劉云濤反復(fù)提及：景聯(lián)文的核心競爭力不是“標(biāo)注平臺(tái)”，而是“數(shù)據(jù)工程體系”。
他舉例說，以前數(shù)據(jù)標(biāo)注基地一般百來號(hào)人，數(shù)據(jù)準(zhǔn)確度有95%就不錯(cuò)；現(xiàn)在一張訂單可能就要上千人同時(shí)參與，準(zhǔn)確率要求99%以上，怎么辦？
景聯(lián)文為此自研兩個(gè)平臺(tái)：SolarSense語料工程平臺(tái)，覆蓋從數(shù)據(jù)采集、治理、標(biāo)注、質(zhì)檢到編目運(yùn)營的全流程，實(shí)現(xiàn)規(guī)范化和高標(biāo)準(zhǔn)穩(wěn)定輸出；QApex數(shù)據(jù)生態(tài)平臺(tái)，通過專家標(biāo)注與評審機(jī)制，保障高專業(yè)度場景的數(shù)據(jù)質(zhì)量。同時(shí)把技術(shù)人員派到一線，助力標(biāo)注基地升級(jí)……一套“組合拳”下來，該公司的標(biāo)注效率提升3倍以上。
當(dāng)前，我國頭部數(shù)據(jù)標(biāo)注企業(yè)的業(yè)務(wù)構(gòu)成中，完全人工標(biāo)注約占10%—30%，人機(jī)協(xié)同模式占50%—70%，其余為模型自主標(biāo)注。
“數(shù)據(jù)標(biāo)注技術(shù)好像很一般，很多標(biāo)注師還是在‘畫框框’。”有準(zhǔn)備接觸數(shù)據(jù)標(biāo)注的學(xué)生疑惑道。
“以前的‘框’是二維的，比如標(biāo)什么是籃球；現(xiàn)在很多‘框’升級(jí)成四維了，比如標(biāo)出比賽中籃球技戰(zhàn)術(shù)的完整運(yùn)用。”張微說，盡管沒有大模型技術(shù)更新那般“炫酷”，但數(shù)據(jù)標(biāo)注的技術(shù)也在升級(jí)，如跨模態(tài)時(shí)空融合技術(shù)，讓攝像頭、激光雷達(dá)、音頻、傳感器數(shù)據(jù)完成毫秒級(jí)同步；標(biāo)注自進(jìn)化閉環(huán)技術(shù)，讓標(biāo)注輔助模型越工作越聰明；以及面向未來的標(biāo)注智能體技術(shù)，由AI當(dāng)“項(xiàng)目經(jīng)理”，解析規(guī)則、調(diào)度流水線，人類專家負(fù)責(zé)把關(guān)。
數(shù)據(jù)產(chǎn)業(yè)鏈“活”起來
3月，浙江公布首批19個(gè)高端數(shù)據(jù)標(biāo)注基地試點(diǎn)。從公布的基地運(yùn)營單位看，杭州市數(shù)據(jù)資源管理局、溫州市數(shù)據(jù)集團(tuán)有限公司、寧波博登智能科技有限公司……相關(guān)主體覆蓋杭甬溫等10個(gè)設(shè)區(qū)市，兼顧政府部門、國有數(shù)據(jù)平臺(tái)與市場化科技企業(yè)，呈現(xiàn)專業(yè)化、市場化、輻射廣等特點(diǎn)。
這一布局頗有深意。
2024年，國家數(shù)據(jù)局遴選成都、沈陽、合肥等7座城市承擔(dān)數(shù)據(jù)標(biāo)注基地建設(shè)任務(wù)，浙江、上海、廣東等數(shù)字經(jīng)濟(jì)強(qiáng)省并未在列。但這并不意味著這些地區(qū)“按兵不動(dòng)”。相反，各地一直在立足自身AI與產(chǎn)業(yè)優(yōu)勢，以高端標(biāo)注等為抓手，探索數(shù)據(jù)要素化的更多實(shí)現(xiàn)路徑。
“浙江高端數(shù)據(jù)標(biāo)注產(chǎn)業(yè)一大特點(diǎn)，就是跟產(chǎn)業(yè)結(jié)合緊密。”浙江省智能經(jīng)濟(jì)與智慧城市促進(jìn)會(huì)副秘書長張菊芳說。這也有助于產(chǎn)業(yè)形成商業(yè)閉環(huán)、實(shí)現(xiàn)良性發(fā)展。
在“中國模具之鄉(xiāng)”黃巖，活躍著一群特殊“工匠”：不拿銼刀，卻能讓老師傅“三十年經(jīng)驗(yàn)”“開口說話”；不碰模具，卻能把千萬件塑料的紋理、弧度、應(yīng)力點(diǎn)一一“翻譯”成AI能讀懂的語言。他們就是數(shù)據(jù)標(biāo)注師。
黃巖有數(shù)千家模塑企業(yè)，積累了海量的非標(biāo)數(shù)據(jù)，將它們標(biāo)注整理后喂給大模型后，模具設(shè)計(jì)就能從傳統(tǒng)靠經(jīng)驗(yàn)升級(jí)為靠數(shù)據(jù)和算法驅(qū)動(dòng)。據(jù)悉，搭載AI的高端工業(yè)設(shè)計(jì)軟件，可將模具設(shè)計(jì)周期從“以月計(jì)”壓縮至“以小時(shí)計(jì)”，并推動(dòng)當(dāng)?shù)貍鹘y(tǒng)模具向星空機(jī)器人關(guān)節(jié)等“智能功能模組”升級(jí)。
6月10日，北京火山引擎科技有限公司中標(biāo)余杭的高端數(shù)據(jù)標(biāo)注產(chǎn)業(yè)服務(wù)平臺(tái)項(xiàng)目，投標(biāo)報(bào)價(jià)4485萬元。這一“大單”背后，是浙江高端數(shù)據(jù)標(biāo)注產(chǎn)業(yè)另一種打開方式。
作為“浙江數(shù)字經(jīng)濟(jì)第一區(qū)”，余杭有以通義千問為代表的31個(gè)大模型通過備案登記，備案數(shù)占全省近三分之一。這里的高端標(biāo)注任務(wù)，很多是人類偏好標(biāo)注、思維鏈軌跡標(biāo)注等“看不見摸不著”的內(nèi)容。這也決定了余杭會(huì)走有別于黃巖等圍繞單一產(chǎn)業(yè)垂直深耕的路子，更加注重平臺(tái)生態(tài)建設(shè)。
“我們希望通過平臺(tái)建設(shè)，同時(shí)賦能數(shù)據(jù)需求企業(yè)和標(biāo)注服務(wù)企業(yè)，降低前者的進(jìn)入門檻、拓展其發(fā)展空間，讓后者降本增收。”余杭大數(shù)據(jù)經(jīng)營有限公司副總經(jīng)理周錦鴻介紹，余杭正在打造高端數(shù)據(jù)標(biāo)注產(chǎn)業(yè)園，核心內(nèi)容之一是打造高質(zhì)量數(shù)據(jù)標(biāo)注公共服務(wù)平臺(tái)、高質(zhì)量數(shù)據(jù)洞察分析平臺(tái)等五大公共服務(wù)平臺(tái)。園區(qū)計(jì)劃三年引進(jìn)優(yōu)質(zhì)數(shù)據(jù)標(biāo)注及相關(guān)科技企業(yè)10家以上，累計(jì)營收突破6億元，并帶動(dòng)約20億元以上的數(shù)據(jù)產(chǎn)業(yè)發(fā)展。
在杭州高端數(shù)據(jù)標(biāo)注基地，記者看到數(shù)據(jù)產(chǎn)業(yè)鏈“活”起來的生動(dòng)一幕：一棟樓里，提供數(shù)據(jù)標(biāo)注工具和平臺(tái)的企業(yè)、數(shù)據(jù)標(biāo)注服務(wù)企業(yè)，與利用這些工具生產(chǎn)AI漫劇的廠家比鄰而居，共同串起數(shù)據(jù)“采集—標(biāo)注—訓(xùn)練—應(yīng)用”四大環(huán)節(jié)。
“產(chǎn)業(yè)鏈優(yōu)勢是一種系統(tǒng)性優(yōu)勢。底層的標(biāo)注能力越強(qiáng)，上層應(yīng)用的產(chǎn)出效率越高、市場需求會(huì)更大，對底層標(biāo)注工具的需求也會(huì)越精準(zhǔn)。這樣，數(shù)據(jù)要素價(jià)值就能通過市場配置不斷釋放。”杭州市上城區(qū)數(shù)據(jù)資源管理局副局長婁瑩說。
高端數(shù)據(jù)標(biāo)注，也將標(biāo)注數(shù)字經(jīng)濟(jì)的上限。
星空人工智能技術(shù)網(wǎng) 倡導(dǎo)尊重與保護(hù)知識(shí)產(chǎn)權(quán)。如發(fā)現(xiàn)本站文章存在版權(quán)等問題，煩請30天內(nèi)提供版權(quán)疑問、身份證明、版權(quán)證明、聯(lián)系方式等發(fā)郵件至1851688011@qq.com我們將及時(shí)溝通與處理。！：首頁 > 數(shù)字經(jīng)濟(jì) » 大模型加速落地背后，一場新的競爭正在升級(jí) 高端數(shù)據(jù)標(biāo)注，標(biāo)出AI新高度