“嘀嘀嗒嗒……”在广东清远一间200平方米的办公室里，李阳（化名）将眼睛凑近屏幕，食指熟练地点击鼠标，将“电视机”“打开”“关闭”等一系列词汇，标注上“物品”“动作”属性。这样的操作，他每天要重复无数次。

在北京的一家科技公司里，江江（化名）正伏案修改大模型生成的新闻稿件，将自己过去积累的文学知识和写作经验，悉数传授给AI。

这两份工作看似不同，但都有一个共同的名字——数据标注师。数据标注师是一个在人工智能领域中至关重要的角色。他们通过对数据进行分类、注释、标记，将其转化为机器可识别信息，为AI训练提供“养料”。

DeepSeek技术突破，高质量数据需求激增，数据标注行业发展空间广阔，但像李阳这样的数据标注员，却可能被自己参与塑造的AI取代。让江江担忧的是，当把自己的知识、经验教给AI后，自己会不会失去工作？

“喂养”模型

数据标注是基础且关键一环

林宇（化名）几乎每天都在机械、重复地做着同一件事：对着人像照片，用鼠标圈画眼睛、鼻子、嘴巴、手脚……这是他与AI独特的交流方式。

AI无法天然识别人的五官和肢体，需要标注员先将这些部位圈画出来，帮它建立认知。林宇猜测，标注好后的数据，可能会用于自动化修图、人像识别等AI模型训练。

在人工智能领域流行着一句话：“有多少人工智能，就有多少人工。”说的是“喂养”一个AI模型需要成千上万甚至上亿个数据样本，这都要经过数据标注员的双手，最终流向算法研发方，服务AI产品。

在此过程中，标注员就像“数据车间”里的“数据工人”，对这些样本进行不同形式的加工，确保AI可以看懂，便于后续训练。

阅读语句、图片、视频，滑动鼠标、拉框勾选……这份工作上手容易，却也枯燥乏味。从9时到18时30分，除吃饭、上厕所，标注员一直在工位上重复鼠标操作，有时为了赶项目工期还得加班加点。

林宇记得，有一天，他标注了100多张人像图，其中不少是多人合照。晚上休息时，他闭上眼都能看到光标在人脸上闪烁，手指也不自觉跟着动。

他的工资由“几毛钱”累计。在招聘平台上，多数数据标注公司月薪在3000—5000元，兼职时薪多为20—30元。按林宇经验，如果是处理图片数据，计件算，每天完成2000个拉框标注，能赚120元；计时算，每天做够产量，工资能有100元。

虽然薪资不高，但林宇、李阳挺喜欢这份工作。

李阳干过摄影、当过销售，但都不适合他。高频率地与人接触，于他的性格而言很有挑战。“推销产品时，客户可能比我说的话都多。”当数据标注员几乎仅需面对数据，李阳数过，每天他与人面对面说话不超10句。

林宇此前在广州、深圳工作，但一直想回清远发展。在家附近就能有这样一份“坐办公室”的工作机会，这让他感到满意。更重要的是这份工作与前沿技术接轨，能与AI建立联系。

AI越来越火，李阳和林宇其实并不清楚，这些标注过的数据最终会流向何处，塑造了哪一款AI产品。但在他们的视角下，AI早已不是一个遥远的概念，而是由自己亲手参与垒起的一座“大厦”。

“高质量的标注有助于机器精准理解、快速学习和高效训练，提升模型的准确性和通用性。”华南理工大学计算机科学与工程学院副院长张通表示，在人工智能发展中，数据标注是基础且关键的一环。

随着大模型的发展，数据标注服务可应用于自动驾驶、互联网、智能安防、智慧金融、新零售、智慧家居等多种人工智能应用场景，创造了更多就业岗位。

转行机遇

产业向技术、知识密集型转变

江江成为北京某科技公司的员工时，触摸到了数据标注的另一重维度——工作内容也不那么机械单一。

作为科技公司数据部“数据专家”，江江每天要结合用户的提问，对大语言模型生成的答案文本进行修改。其中，可能涉及知识内容、逻辑、文风多方面的调整。

“这就像教一个学生写新闻稿，可能第一次教他写导语，第二次教他使用修辞手法，第三次教他正确使用标点符号……”江江比喻道。

同样被叫做“数据标注师”，标注员让AI睁眼看世界，数据专家则让AI有了“真本事”。数据专家标注后的文本喂给大模型，经长期大量学习，AI生成的新闻、文学作品将更专业。

江江所在的部门里，不少同事像她一样从传媒行业转行，还有人放弃了北京的事业编制。“数据专家”似乎成了大模型风口下可遇不可求的转行机遇。

“低门槛仅是数据标注行业初级阶段存在的现象，如今，垂直领域的大模型应用越来越多，数据标注的专业门槛也越来越高。医疗数据标注要有医学知识，多语种内容审核标注要有跨文化理解能力，法律文书标注要有条文理解能力……”在华南理工大学计算机科学与工程学院院长陈俊龙看来，这一重维度里的数据标注，其实是AI快速发展的阶段性产物。

而在“数据车间”里，“数据工人”们对于来自行业顶端的变化并非没有感受。

李阳明显感觉到，在做文字标注时，有越来越多“不那么直白”的表达，他要分析文本背后可能的情感、动机和意图，推测出可能需要AI做出的动作，再进行标注。最直观的感受是，以前只要标注“打开”“空调”这些关键字眼即可，现在同样场景下文本里却是“天气好热”“好冷”的表述。

一位数据服务行业的人士解释，这是因为AI能力越强，对数据规模、质量的要求就越高，相应地对标注员知识背景、逻辑思考能力要求也就越来越高。他记得，2016年至2018年，中专学历就能做数据标注，之后基本要大专以上学历，如今大模型的数据标注师几乎要求本科、研究生学历。

“大模型时代，数据标注产业正从劳动密集型向技术密集型和知识密集型转变。”他说。

未来，无法适应变化的标注员或将被行业淘汰。

保持学习

职业路径可向多元化拓展

2月底，华为一项自动数据标注相关技术申请专利引发关注。该技术方法能自动处理数据，减少对人工数据标注的依赖，提高标注效率和质量。

“这是一种以AI促AI发展设想的现实印证。”陈俊龙提到，当AI向实用化加速发展，标注服务也将向专业化、精细化方向发展，基础性、重复性的标注任务将被AI加速替代。

这意味着，大量底层“数据工人”亲手参与塑造的AI，将逐渐侵蚀他们自己的职业根基。

张通认为，自动化标注技术将主要替代那些重复性的标注环节，对于语义理解、价值判断这类涉及深度认知和决策的核心工作，仍然离不开人工的参与和主导。

然而，目前虽处于数字标注行业金字塔的顶端，江江也在思考。

“现在确实需要优质的人文社科人才为AI进行知识赋能，但谁也说不好这个职业的发展前景能维持几年。”在江江看来，这是一份“消耗型”工作，等到AI掌握了她所有的专业能力，能够“自己训练自己”，她也许就会失业。

张通则认为，数据标注行业的未来发展前景还是十分乐观的。

“数据标注产业目前处于飞速发展阶段，市场需求和规模不断扩大，据估计，2025年我国数据标注市场规模可超过百亿级。”他介绍，广东在清远启动了首个公共数据标注基地，吸引国内多家龙头企业入驻，产业集聚效应正逐渐形成。

对于数据标注师的职业发展，他认为，职业路径将从较为单一的执行层面，向策略规划、质量管控等多元化方向拓展。未来，优秀标注师需兼具领域知识、逻辑判断和AI工具应用能力。

在清远的一家数据标注公司里，工业风的水泥顶、清冷的白炽灯下，一个个磨砂玻璃隔开的工位上，键盘和鼠标的敲击声织成密网。李阳和他的同事继续为AI编织认知世界的经纬。

他干得很不错，被一家大厂的数据外包公司挖走，当上了小组长，工资涨了25%。

“工作总会遇到新难题，会继续保持学习，提高自身能力，和AI一起进步。”李阳说。

文/吴雅楠

（南方日报）