電子發(fā)燒友網(wǎng)報道（文/梁浩斌）數(shù)據(jù)標注崗位又要崛起了？特斯拉近日在社交平臺上發(fā)布了一則招聘信息，表示正在招聘數(shù)據(jù)標注員，為Optimus機器人和自動駕駛系統(tǒng)標注圖像和視頻，以提供給現(xiàn)實場景中的機器人訓練AI模型。

在特斯拉官網(wǎng)掛出的崗位中，數(shù)據(jù)標注管理崗年薪最高可達13.8萬美元（人民幣94萬元），加上崗位描述中提及的現(xiàn)金獎勵、股票獎勵以及各種福利待遇，妥妥的年薪百萬！

早在十年前，大歐美科技巨頭的數(shù)據(jù)標注工作就已經(jīng)大規(guī)模外包到非洲、印度等地，數(shù)據(jù)標注由于入門門檻非常低，在AI產(chǎn)業(yè)鏈中處于“鄙視鏈最底層”。

而隨著合成數(shù)據(jù)的興起，人工標注行業(yè)也受到非常大的沖擊。去年9月，馬斯克的xAI公司將Grok數(shù)據(jù)標注團隊員工解雇三分之一；硅谷數(shù)據(jù)標注獨角獸Scale AI宣布裁員約200名員工，另終止了500名全球合同工的合作；去年11月，AI數(shù)據(jù)標注公司Mercor更是一夜解雇5000名數(shù)據(jù)標注員。

所以為什么特斯拉在今年反而重新啟動了數(shù)據(jù)標注員招聘？數(shù)據(jù)標注行業(yè)會翻身嗎？

數(shù)據(jù)標注：整個AI產(chǎn)業(yè)賴以生存的基石

簡單來說，數(shù)據(jù)標注是通過人工對不同內(nèi)容進行分類標注，給AI灌輸規(guī)則、讓AI認識現(xiàn)實世界。因為對于AI而言，包括圖像、文本、語音、視頻、激光點云等數(shù)據(jù)，都是毫無意義的內(nèi)容，AI無法直接理解這些數(shù)據(jù)。

而數(shù)據(jù)標注就是人工按照場景規(guī)則，比如自動駕駛需要大模型認識不同的路標，那么就需要人工對大量路標的圖像原始數(shù)據(jù)進行打標簽、畫輪廓、定分類、標關鍵點等工作，賦予數(shù)據(jù)語義信息和現(xiàn)實含義；再比如文本標注，給文章、評論分類正面、負面、中性等情緒，或是歸類新聞、科技、娛樂等內(nèi)容，另外還有給文字內(nèi)容中的人名、時間、專業(yè)術語、地名等進行分類等等。

前提是，標注員需要非常熟悉相關場景的“規(guī)則”，比如自動駕駛數(shù)據(jù)標注員要熟悉交通規(guī)則；盡管這有點像是在“蒸餾”數(shù)據(jù)標注員的知識...

經(jīng)過標注后的海量數(shù)據(jù)輸入算法模型，AI 才能不斷學習規(guī)律、識別特征，最終具備感知、判斷、決策的能力，這就是數(shù)據(jù)標注最核心的作用。

隨著AI技術的發(fā)展，數(shù)據(jù)標注行業(yè)也在不斷升級，早已不是簡單的“畫框打標簽”。如今行業(yè)普遍采用人機協(xié)同模式，采用合成數(shù)據(jù)的模式，同時AI 先完成基礎預標注，標注人員只負責審核、修正復雜樣本和疑難場景。

當然，在一些細分專業(yè)的場景，依然需要有經(jīng)驗的專業(yè)人員對數(shù)據(jù)進行標注，比如醫(yī)療影像、自動駕駛決策、工業(yè)缺陷、法律文書等需要確?？捎眯院驼鎸嵭缘念I域。

據(jù)公開資料，目前中國數(shù)據(jù)標注行業(yè)薪資也存在巨大的薪資差異，一些基礎的重復性標注崗位月薪可能在三到五千，而具備醫(yī)療、金融、交通法規(guī)等專業(yè)背景的高級標注師，年薪可高達50萬元。

特斯拉目前放出的數(shù)據(jù)標注員崗位描述顯示，該職位的職責是負責對圖片和視頻進行標注，這些標注數(shù)據(jù)將用于特斯拉的深度學習系統(tǒng)，需要使用公司內(nèi)部的工具來處理從車輛及Optimus數(shù)據(jù)采集設備中獲取的數(shù)據(jù)，但無需具備AI或數(shù)據(jù)標注方面的經(jīng)驗。

崗位描述中也提到候選人需要掌握基本的計算機視覺和機器學習知識，從而更深入地理解各種標簽是如何被公司的學習算法所利用，當然還要掌握與道路交通相關的法律法規(guī)知識。特斯拉還表示團隊會提供全面的培訓，幫助候選人勝任這一崗位。但數(shù)據(jù)標注員崗位未有公開薪酬福利情況。

而年薪百萬的管理崗位門檻自然更高，主要是需要具備管理中型團隊的經(jīng)驗，以及與工程師和AI團隊協(xié)作嗎，制定兼顧技術層面和運營層面各種限制條件的標注規(guī)范等。

值得一提的是，目前特斯拉開放的崗位數(shù)量中，管理層占多數(shù)，而數(shù)據(jù)標注員只有兩個。行業(yè)中這種人員需求組成一般意味著目前仍處于團隊建設的初期階段。

人形機器人即將量產(chǎn)，數(shù)據(jù)成為新的護城河

過去AI數(shù)據(jù)標注往往采用外包的模式，但在算法與算力日益商品化的當下，AI 企業(yè)的競爭壁壘正從技術架構轉(zhuǎn)向數(shù)據(jù)資產(chǎn)。

通用大模型能力趨同、開源工具普及，讓技術門檻快速降低，而高質(zhì)量、專屬化、可持續(xù)積累的數(shù)據(jù)，成為無法復制的核心資產(chǎn)。無論是自動駕駛的路測數(shù)據(jù)還是醫(yī)療 AI 的病歷影像，
這些數(shù)據(jù)兼具專有性、累積性、場景化特征，既是模型訓練的核心，也是企業(yè)構建差異化優(yōu)勢的關鍵，企業(yè)需要數(shù)據(jù)來構成 AI 時代的新護城河。

這在自動駕駛行業(yè)有非常顯性的表現(xiàn)。車輛使用輔助駕駛行駛的里程數(shù)據(jù)，是驅(qū)動輔助駕駛能力躍升的關鍵之一，從過去的L4 robotaxi規(guī)控到現(xiàn)在的端到端大模型，兩種技術路線的發(fā)展背后，方案能力的高低往往關系到路測里程數(shù)據(jù)的長度。

人形機器人的數(shù)據(jù)則更為稀缺。今年以來，人形機器人的量產(chǎn)進度不斷加速，近日有消息稱，特斯拉optimus V3已通過工程驗證，預計將在5月試產(chǎn)，8月實現(xiàn)規(guī)?；a(chǎn)；Figure在4月聲稱過去120天內(nèi)生產(chǎn)效率提升24倍，單周可制造55臺機器人；小米、超維動力、魔法原子等都發(fā)布了全新的人形機器人，都意味著人形機器人的大規(guī)模量產(chǎn)節(jié)點正在不斷逼近。

但與此同時，人形機器人數(shù)據(jù)及其稀缺。與自動駕駛不同，當前無論是互聯(lián)網(wǎng)上、車端的行車記錄儀，以及存量的帶有輔助駕駛能力的智能網(wǎng)聯(lián)汽車，都能夠提供大量的圖像數(shù)據(jù)，以及駕駛邏輯的數(shù)據(jù)可供模型訓練。

而大語言模型則更是可以利用互聯(lián)網(wǎng)上隨處可見的文本，無論是新聞、書籍、社交媒體、評論等，都有大量數(shù)據(jù)，可獲取成本較低。

但人形機器人所需的數(shù)據(jù)則是第一人稱人類視角進行工作，需要的是物理世界的具身數(shù)據(jù)，每一個動作都要同步記錄關節(jié)角度、扭矩、觸覺、力控反饋、視覺、慣性等信息。比如怎樣教會AI抓取一個雞蛋？你需要視頻數(shù)據(jù)的同時，還要獲取抓取雞蛋的合適力度、手掌壓力分布、重心變化等數(shù)據(jù)，以向電機輸出相應的力來完成這個任務。而這些數(shù)據(jù)都需要從0開始構建和獲取。

因此近年來物理AI數(shù)據(jù)采集也成為了一個新的風向。比如智元機器人在上海建立了數(shù)據(jù)采集中心，覆蓋家居、餐飲、工業(yè)、商超和辦公五大類真實場景，數(shù)據(jù)采集員需要重復完成不同場景的任務來采集數(shù)據(jù)，而這些數(shù)據(jù)也需要進行精細化的標注，最終為機器人提供訓練數(shù)據(jù)。

今年3月，地瓜機器人攜手地平線、無問智科發(fā)起1萬小時開源數(shù)據(jù)集計劃，基于地瓜機器人具身大算力平臺 + 地平線 Foundation Model + 無問智科數(shù)據(jù)訓練場采集的具身智能數(shù)據(jù)，助力全球開發(fā)者優(yōu)化模型算法。

小結：

物理AI正迎來產(chǎn)業(yè)從實驗室走向規(guī)?；涞氐年P鍵拐點，數(shù)據(jù)采集與標注不再是邊緣配套，而是產(chǎn)業(yè)鏈最核心的剛需賽道。而未來這些數(shù)據(jù)也將會成為各大物理AI企業(yè)的護城河，掌握高質(zhì)量數(shù)據(jù)與標注能力的玩家，將主導產(chǎn)業(yè)話語權。