為推動(dòng)智能時(shí)代的巨輪滾滾向前，AI行業(yè)需要龐大的、標注好的數據作為養分。這些數據大多出自一些拿著(zhù)微薄收入、對AI一頭霧水的年輕人，他們是人工智能背后的“人工”。

AI暗角

在科幻小說(shuō)《北京折疊》里，城市里的上流、中產(chǎn)、底層三個(gè)階層分別生活在三個(gè)空間，作者將這種階層分化割裂喻作“折疊”。如今的AI的世界也存在著(zhù)類(lèi)似的折疊：

一邊是炫酷的科技、神奇的智能應用;一邊是大量人工每天重復地生產(chǎn)機器學(xué)習的“食物”——標注好的數據。

北京和貴陽(yáng)，是數據標注世界里的兩座“雙子星”城市。北京聚集了大量人工智能公司;貴陽(yáng)近年來(lái)著(zhù)力發(fā)展“大數據戰略”，已擁有相對完整的數據服務(wù)產(chǎn)業(yè)生態(tài)。

2017年，僅北京中關(guān)村大數據產(chǎn)業(yè)規模就超過(guò)700億元;貴陽(yáng)2017年的大數據產(chǎn)業(yè)及其關(guān)聯(lián)產(chǎn)業(yè)規?？偭砍^(guò)1500億元。

但標注數據的人，生活在這些巨額數字之外，拿著(zhù)不高的工資，活動(dòng)在“第二空間”。

從三里屯驅車(chē)1小時(shí)，行駛30千米，就到了北京郵電大學(xué)宏福校區。這里有北郵和華騰碩博合辦的電子商務(wù)培訓班，學(xué)生總數300多人，高峰時(shí)期，有120多人參與數據標注的兼職項目。

他們多是18歲左右的學(xué)生，每天盯著(zhù)電腦屏幕給圖片做標注。他們服務(wù)于一個(gè)炫酷的無(wú)人駕駛項目。

他們一個(gè)月的收入在2 000元左右，如果全職做，收入能有4 000~5 000元。他們參與的標注項目多是培訓班從上游的AI公司承包過(guò)來(lái)的。

為什么是承包?

因為能夠供機器使用的數據必須是經(jīng)過(guò)標注的數據，這意味著(zhù)需要大量人力去完成標注工作。而AI公司要么為了集中精力開(kāi)展研發(fā)，要么為了保持團隊的高學(xué)歷占比，很少會(huì )選擇完全自建數據標注團隊。他們更傾向于把這些工作交給第三方公司完成。

而承包這類(lèi)工作的企業(yè)，又有“眾包”和“工廠(chǎng)”兩種模式。前者是通過(guò)平臺，如“百度眾包”“京東眾智”“龍貓數據”，把任務(wù)轉發(fā)給網(wǎng)民;后者要么是正規的機構，要么是20人以下規模不等的“小作坊”，它們接到項目后會(huì )負責數據標注的全部流程。

目前來(lái)看，數據標注企業(yè)大多分布在三四線(xiàn)城市，屬于“勞動(dòng)密集型”的中低收入行業(yè)。愿意做這行的人，又大多把數據標注當成外賣(mài)、快遞行業(yè)的替代品。

例如，在距離貴陽(yáng)市中心50公里的百鳥(niǎo)河數字小鎮，就有一個(gè)規模500人的“數據工場(chǎng)”。在這500名標注員中，近一半的人來(lái)自附近一家高職的學(xué)生。

這些學(xué)生很珍惜這個(gè)兼職機會(huì )。他們每月能掙到1 500元，不僅足以自立，省吃?xún)€用還能補貼家庭。并且，數據標注不用在戶(hù)外經(jīng)受日曬雨淋，相對輕松、體面。

但這份工作的未來(lái)前途不可預期，以及相對低的收入和較大的家庭負擔，都成為了這些年輕人無(wú)法擺脫的苦惱。

野蠻生長(cháng)，坑與機會(huì )并存

數據標注是一個(gè)勞動(dòng)密集型行業(yè)，進(jìn)入門(mén)檻并不高。因此，許多公司就通過(guò)壓低“成本”“薄利多量”的手段開(kāi)展競爭。

據了解，許多專(zhuān)職數據標注的公司大多通過(guò)招聘臨時(shí)工來(lái)省去五險一金的人力成本。事實(shí)上，在縣級小城里僅憑7~8萬(wàn)元的啟動(dòng)資金就能組起一個(gè)“團隊”。

另一方面，AI公司也傾向壓低成本。對此，某數據標注外包公司主管表示，部分AI公司不夠重視數據標注，他們在壓低項目總體預算時(shí)，會(huì )選擇把數據標注工作外包給一些不靠譜的團隊。但這些團隊做不下來(lái)，又會(huì )把任務(wù)轉包給另一些小團隊，或重新找到大的數據標注公司，直接影響最終質(zhì)量和交付期限。

“低價(jià)競爭和行業(yè)不規范導致的層層外包是行業(yè)的噩夢(mèng)。”京東眾智平臺的負責人李工還認為，外包還直接折損了小團隊的利潤。

例如，何軍就在2017年底投入10萬(wàn)元，在河南周口成立了一個(gè)40人團隊的數據工作室。

“利潤其實(shí)不高，”何軍細細算賬，“一個(gè)拉框值4分錢(qián)，一個(gè)標注員一天能做大約4 500個(gè)，但過(guò)關(guān)率只有90%，實(shí)際只有160元左右，再除去審核的成本，再給每個(gè)標注員每天發(fā)110元左右的工資，平均下來(lái)工作室每天也就從每個(gè)人身上賺30元吧。”何軍一直都只接到二手項目，第一個(gè)月虧了本，第二個(gè)月勉強持平。他希望在2018年“爭取接到一手項目”。

事實(shí)上，小團隊只能接二手甚至是好幾手的項目，一手項目就像江湖傳說(shuō)——聽(tīng)過(guò)，沒(méi)見(jiàn)過(guò)。

其實(shí)，大平臺也反感層層外包。比如，要完成一些特定的復雜任務(wù)，需要對人員進(jìn)行長(cháng)達1~3個(gè)月的培訓。然而，臨時(shí)工組建而成的小團隊大多跳過(guò)這一步。不僅如此，他們在理解客戶(hù)需求，保證數據的多樣性、隨機性等方面也欠缺足夠的能力。

還有5年，只有5年

何軍時(shí)常處于一種對未來(lái)的不安之中，因為他對技術(shù)動(dòng)向缺乏把握。當他聽(tīng)聞“算法升級后，將不再需要大量人工標注”時(shí)，便緊張起來(lái)。

數據標注服務(wù)商BasicFinder的CEO杜霖則認為，數據標注的市場(chǎng)才剛打開(kāi)，未來(lái)5年內，數據需求將緊隨AI的大規模落地，引來(lái)一波爆發(fā)式增長(cháng)。

首先，這是由于A(yíng)I行業(yè)本身的發(fā)展將進(jìn)一步帶動(dòng)數據標注行業(yè)。

其次，目前能被建模量化的數據只占真實(shí)世界中的極少一部分，而現有的數據標注業(yè)務(wù)又主要集中在安防和自動(dòng)駕駛領(lǐng)域，未來(lái)隨著(zhù)AI深入更多垂直行業(yè)，新的數據需求將不斷出現。

杜霖就分享了一個(gè)很有意思的標注項目——將人的指甲框出來(lái)，因為客戶(hù)要做美甲機器人。

第三，在當下主流的“有監督學(xué)習”算法模型下，為了讓算法準確率更高，需要更多數據。

第四，從感知智能向認知智能的進(jìn)化過(guò)程需要不同維度的數據，這可能會(huì )進(jìn)一步催生出更精細的數據標注需求。比如，對一段對話(huà)數據的標注，不僅要知道對話(huà)內容、語(yǔ)義，甚至還需要標注談話(huà)者的身份、情緒變化等。

杜霖還提到，目前AI公司的總支出中，20%~30%都用于數據，現階段大陸市場(chǎng)數據采集及標注的規模保守估計也有50億元。綜合以上4點(diǎn)，未來(lái)包括采集、標注、清洗等流程的數據市場(chǎng)將達上百億元。

值得一提的是，這些預期都是基于“有監督學(xué)習”這個(gè)大前提。如果算法從“有監督學(xué)習”升級為“無(wú)監督學(xué)習”等新算法，那么數據標注需求將大大減少。但是在目前，無(wú)監督學(xué)習等新算法尚不能用在大規模的商業(yè)落地中。

因此杜霖判斷，新的革新性算法至少在5年內都不會(huì )出現。深度學(xué)習訓練平臺Novumind創(chuàng )始人吳韌也認為，深度學(xué)習+大數據較難出現顛覆性的其他路徑。

5年，這對數據標注公司來(lái)說(shuō)是一個(gè)可以布局、掉頭的“窗口期”。

京東眾智的李工說(shuō)，他們應對變化的策略是著(zhù)力研發(fā)加速AI落地速度的Pre-A.I.產(chǎn)品，并同時(shí)研發(fā)平臺技術(shù)，做到“數據與流程分離架構”，因此數據標注不是他們的核心戰略。

BasicFinder也有類(lèi)似布局，他們希望一手對接垂直行業(yè)里的數據生產(chǎn)者，一手對接上游的算法模型公司，共同推進(jìn)AI的落地。

但對數據標注員這些個(gè)體來(lái)說(shuō)，5年后也許就得面臨一次“失業(yè)”。那時(shí)，他們還能跟隨時(shí)代的腳步騰挪轉移嗎?

燙手的小袁

小袁暫時(shí)想不到5年后那么長(cháng)久的事。

他作為一名換過(guò)40份工作的聾啞人，很慶幸終于在數據標注行業(yè)成了“有用的人”?，F在，他是京東眾智平臺上“靜公會(huì )”的聾啞人標注員，而這個(gè)公會(huì )全部由聽(tīng)障人士組成。

聾啞人的世界里多為名詞，缺乏形容詞。比如，要向他們解釋這根線(xiàn)標得不“直”，就會(huì )比較費勁。因此，健全人1周能完成的數據標注培訓，聾啞人要花3周或更久。但是他們的優(yōu)點(diǎn)是專(zhuān)注、較真、對視覺(jué)信號敏銳，數據標注行業(yè)反而成了他們的機會(huì )。

像小袁這樣的聾啞人在眾智平臺上還有1 000多名，京東為他們成立的“靜公會(huì )”，在項目工作上優(yōu)先照顧。比如，杜霖手下也有3個(gè)殘疾人團隊，總共約80人。

杜霖和京東眾智平臺負責人都表示，愿意為更多殘疾人提供工作機會(huì )，這里是他們的家。而其中的少數人，也許能通過(guò)轉型為數據質(zhì)檢者，獲得更長(cháng)期的職業(yè)生涯。

需要思考的是，AI行業(yè)發(fā)展到一定階段可能就不再需要大量的人工標注，屆時(shí)，我們會(huì )遺忘這些AI領(lǐng)域的“首批工人”嗎?這可能是除了技術(shù)水平之外，判斷那個(gè)未來(lái)是好是壞的更重要的標準。

(本文摘編自微信公眾號“甲子光年”)

編 輯：李垣諭 penguinpen@163.com