详情

文 | 新眸，作家 | 简瑜

两个月前，Meta 豪掷约 150 亿好意思元（约合东说念主民币 1078 亿元）入股 Scale AI，一举拿下 49% 股份。往复完成后，Scale 估值被推高至 290 亿好意思元。

行为硅谷 AI 赛说念近几年最猛的黑马，Scale AI 从建造到估值飙升至 138 亿好意思元，仅用了 5 年时辰，险些创造了一个行业的据说。

这家公司的主业，是数据标注。低成本的职工门槛和海量的东说念主工参与，这个看似没趣且"夫役活"的规模，永久以来被视为是 AI 产业链里最不性感、最缺少联想力的一环。

但是，恰是凭借这门"脏活累活"，Scale 在大模子时期赶快完成了从幕后到台前的跃迁，成为硅谷最炙手可热的明星公司。Meta 的脱手，则进一步将数据标注这个正本处于产业底层的法子，推向了聚光灯下。

更耐东说念主寻味的是，这场收购并不单是是老本层面的"下注"。

行为往复的一部分，Scale 首创东说念主兼 CEO 汪滔将卸任，指导部分中枢职工加入 Meta，组建所谓的「超等智能小组」，同期保留 Scale 董事会席位。换句话说，Meta 买的不单是数据，更是汪滔本东说念主的策略目光和践诺材干。

这场来势汹汹的收购背后，折射出的是 Meta 的数据火暴。

2024 年，Meta 推出的 Llama4Behemoth，曾因覆按数据质地问题饱受诟病，原因在于 Llama4Behemoth 约 30% 的语料源自低质地酬酢媒体内容，导致模子在多模态意会、长文本推理等中枢主义上，仍过期 GPT-4.5 约 12%。对 Meta 而言，缺少高质地数据成为了截至其模子追逐的最大短板。

某种进程上，在 AI 模子覆按对数据依赖日益加深确当下，数据标注行为模子覆按的第扫数防地，其策略地位正在被再行估值。

01   从夫役活到智能化，数据标注进化之路

什么是数据标注？

一句话详尽，就是给原始数据打上标签，把"东说念主类能意会的信息"升沉为" AI 能识别的覆按样本"。比如在自动驾驶场景中，齐集车上传的只是说念路影像，但 AI 无法获胜看懂。独一当东说念主类标注员把车说念线、路牌、行东说念主等元素逐个框选、标志，这些影像才信得过具备覆按价值。

在这个行业里，简易存在三类玩家：

第一类是纯东说念主力型公司。依靠多半低成本劳能源完成标注，稳健作念图像分类、语音转写等轨范化任务。本领门槛不高，客户每每需要自带用具和平台，稳健群众对"数据标注就是膂力活"的固有印象。

第二类是互联网大厂的众包平台。典型代表如京东众智、百度众测，主要用于得志公司自身业务场景需求，再通过众包机制把任务拆解、分发给外部劳能源池。

第三类则是智能型工作商。这类公司具备自主研发平台和算法材干，能提供自动化标注用具、质地限制体系以及高度定制化的处罚有操办，尤其擅长 3D 点云、多模态等复杂任务，每每在效果和准确性上显耀最初同业。

永久以来，前两类公司现实上都是"东说念主力堆砌型"企业，限制和利润空间有限，天花板十分赫然。尤其是第一类，更多时候只是第三类智能公司的外包池子。事实上，今天大多数头部智能型企业，险些都是从这种东说念主力公司一步步进化而来。

以行业龙头 Scale AI 为例，它的前身其实叫" ScaleAPI "。最初，它并不是一片系据平台公司，而是提供一个"东说念主力 API "：诱骗者只需写一转代码，就能革新一支远程劳能源团队，维护完成内容审核、数据索要、预约安排等琐碎任务。

这种以东说念主工驱动的轻量模式，既帮 Scale 拿下了丰田、本田等早期大客户，也积聚了多半高价值数据。

有了基础数据的积聚，再加上 AI 材干的升级，自 2018 年起，Scale 就初始迟缓用模子替代掉部分重叠性、套路化的东说念主力使命，构建起一套"机器预标注 + 东说念主工复核"的搀和使命流。先由算法完成预标注，再由东说念主工巨匠审核和修正。

这种 AI 代替的模式，为公司的效果和质地带来了双重栽培。凭证 OpenAI 的测算，ChatGPT 的平均标注成本低于 0.003 好意思元，比传统众包平台低廉 20 倍。而在准确率上，GPT-4 完成的标注散伙可达到 88.4%，致使逾越了东说念主类标注员的 86.2%。

02  全球数据标注疆城

凭证 DMR（DimensionMarketResearch）在 2024 年 7 月发布的权衡论说，全球数据标注行业市集限制约为 20 亿好意思元，其中好意思国市集限制为 8.38 亿好意思元，占据约 40% 的份额。这亦然当今能查到的最新数据。

为什么好意思国能永久占据全球数据标注的主导地位？

一方面，数据标注现实上是东说念主力密集型产业。标注员的使命门槛低、流动性大，导致东说念主力险些成为成本限制的中枢竞争力。

为了减弱组织压力，企业每每会弃取外包或众包的相貌来派发样子。在这少量上，好意思国公司凭借全球化单干的上风，将基础标注任务外包给低成本国度，终贯通极致的成本压缩。

典型的例子，Scale AI 通过旗下众包平台 Remotasks，它将最基础的框选标注任务分发给菲律宾、肯尼亚等低成土产货区。除官网露馅的 900 名精致职工外，其平台上注册工东说念主逾越 24 万东说念主，遍布全球。

其次，在本领水和缓自动化进程上，国表里厂商存在赫然差距。当今国内最大的标注公司云测数据，早在 2021 年就尝试引入自动标注功能，但哄骗范围仍主要取悦在智能驾驶规模；另一家专注语音的海天瑞声，也在研发自动语音切割等用具，但举座智能化水平有限，仍高度依赖东说念主工。

比较之下，Scale AI 在 2018 年就布局自动化标注，自然相似是自动驾驶起家，但业务依然延伸到说话、金融、医疗致使军事等规模。

更迫切的是，Scale AI 不单是一家单纯的数据标注商公司，这次 Meta 重金挖走的汪滔，被称为华侨"天才少年"，19 岁那年从好意思国麻省理工学院辍学，创立 Scale AI，在最近的一段采访中，他提到，不仅是数据标注，在招聘经过、质控经过、数据分析、销售论说等法子，Scale AI 都依然终贯通自动化照拂。

某种进程上来说，行为一个因大模子覆按需求而出身的行业，国内企业布局的短板，很猛进程上是由市集需求的缺失所决定的。

数据标注最大的两个工作场景永诀是大模子和自动驾驶，而这两个产业的总共主力军大多散播好意思国。出于数据自然波及隐秘和安全考量，企业更倾向于弃取本国标注商相助。

正因此，好意思国既滋长出了 Scale 这么的万能型选手，还有 surgeAI、Turing 这么面向微调工作，以及 Lionbridge 这么面向文本、语音的数据公司。

比较之下，国内由于自身劳能源较为密集，互联网大厂每每会礼聘众包模式而非极端标注公司，且在部分模子礼聘蒸馏的前提下，国内市集需求要远少于国际。

03 大模子下半场， 数据标注地位正在回转

跟着 AI 本领的快速迭代，业界曾一度流传一种不雅点：AI 标注与合成数据将透顶取代东说念主工标注。但就当今的本领现实而言，这种可能性依然远方。

AI 标注的前提，是数据结构良善序高度明确，而况有有余的历史样本援助。因此，它的哄骗范围自然受限，当今仍只可躲避交通图像、东说念主脸识别等较为轨范化的任务。

在使命流上，AI 主要替代的是标注的中游法子，而规律制定、质地把关等要津节点，仍然需要东说念主工介入。

与此同期，跟着大模子渐渐强调垂直化场景，覆按要点也从预覆按转向了强化学习。不同于预覆按对数据质地要求相对宽松，强化学习更依赖高良好度和专科化数据，每每波及医疗影像、法律文本、厚谊说话等高门槛规模。

这种变化使得标注员的脚色愈发复杂。

他们不仅要具备专科学问，还需要抽象想维与跨学科材干。正如一位业内东说念主士所说，如今的任务每每牵连推理链条、多模态对都等新场景，"早已不是简便的框选和分类或者处罚的"。

Surge AI 就是这一趋势的典型代表。该公司自 2020 年创立起，就将中枢放在高质地数据的生成上，举例为编程模子提供优质代码数据，以栽培模子性能。凭借这种定位，SurgeAI 在 2024 年的营收已达到 10 亿好意思元，致使超过了行业大哥 Scale AI 的 8.7 亿好意思元。

另一条被委派厚望的替代旅途是合成数据。表面上，它或者在数据不实时填补空白，但现实问题破损无情：合成数据毕竟是在既有条目下生成的，当现实场景发生变化，它难以保捏有用性；同期，数据安全风险也截至了其大限制泛化的可能。

从这个角度来看，数据标注并不会消释，而是会向更高质地、更强专科化标的演进。

回来以前，数据标注永久被视为"三驾马车"里最弱的一环：算法有 OpenAI，算力有英伟达，而在数据标注规模，即就是行业龙头 Scale AI，其市值也不到 OpenAI 的十分之一。

究其原因，很猛进程上源于行业门槛低、收入上限有限。但当 AI 模子覆按干预下半场，数据标注的本领壁垒被不休拔高，Meta 对 Scale AI 的收购，只是一个初始，在不远的明天开云kaiyun官方网站，数据资源正在被推向产业竞争的中枢。