（來源： 第一財經日報 劉佳 在此特別鳴謝！）

我們先看一下數據，據IDC統計，全球每年生產的數據量將從2016年的16.1ZB增至2025年的163ZB。

“抬頭是山，低頭是煤?！痹谏轿鱾鹘y煤礦工作8年， 整天盯在電腦屏幕前監測礦井瓦斯濃度的郭梅從來沒有想過，有一天自己的工作會和人工智能有了聯系。

兩年前，因為孩子來省會城市太原上學，郭梅在附近求職，做起了數據標注。同樣是盯在電腦屏幕前，現在郭梅每天的工作是給圖片、文本或者聲音進行標注，再把它們交給機器訓練和學習。從一開始每天只能標注兩三百張，到現在的日均完成1300多張，郭梅按件計酬的收入逐漸提升，已高于當地平均收入水平。

人工智能行業里有句話：有多少智能，背后就有多少人工。像郭梅一樣，AI數據標注師成為了隨著人工智能發展而出現的新興就業崗位。2020年2月，“人工智能訓練師”正式成為新職業并納入國家職業分類目錄。

他們被稱為人工智能背后的人。數據采集和標注是他們的主要工作，目的就是要教會AI認識數據，轉化成AI能消化和吸收的“語言”。

這項工作看起來簡單枯燥，但意義非常?！熬拖褚惠v車沒有汽油走不了，數據就是人工智能發展的燃料。有了我們的數據，機器（算法）不斷迭代，就能推動人工智能往更好的方向發展?！?從事數據標注的山西麟諾公司總經理李應維對第一財經表示。

“從沒想過做人工智能”

二十出頭的李宇龍從未親眼見過自動駕駛汽車，但他的工作卻和自動駕駛的AI算法息息相關。

他曾經在生產電子類產品的工廠工作，轉做AI數據標注后，老板交給他的第一個項目就是“車道線打點”。

簡單來說，就是給無人駕駛進行車道線標注。當無人車行駛到一段路時，會自動連續拍攝圖片，李宇龍要做的，就是對圖片上車輛所行駛的車道旁邊兩側的線進行標注，識別虛線還是實線，匹配所對應的屬性，從而告訴人工智能虛線車輛可以進行變道，實線不可以進行變道。而標注的難點，在于交會和分岔。

他把自己的工作比作“幼教”，當他拿出一個紅蘋果給機器并教會它識別，再拿一個綠蘋果給它時，因為顏色差異，機器就無法認出了。李宇龍的工作就是不斷地幫助機器識別不同的顏色、大小，甚至是被咬了一口的蘋果或是壞蘋果，直到隨便拿出一個蘋果，它都能認出來。

李宇龍告訴第一財經記者，數據標注的工作是“按件計酬”，他的日均收入在300元左右。數據顯示，2019年，太原市的城鎮居民全年人均可支配收入36362元。他說，自己的工資水平在整個基地標注師日均收入中處于中等水平，“據我了解，有人日均收入甚至能破千?！?/p>

對于自己的工作，李宇龍說，剛開始接觸時，只把它看作一個重復性的工作，并沒有想太多。直到后來接觸項目多了，涉及的領域包括教育、安防、金融、交通醫療和電商等，每天都在挑戰學習能力，也會想要更深入了解自己標注的內容可以應用到的行業。雖然還沒有坐過無人車，但他說，現在看到無人駕駛的時候，會想到這里面也包含了自己的標注成果。

像李宇龍、郭梅的工作一樣，在每一間數據標注的辦公室里，都是類似的工作場景：一排排電腦屏幕前，年輕的數據標注師根據各自分配的任務，對文本、圖片、語音和視頻做標記、標重點、打標簽、框對象、做注釋等方式對數據集作出標注，他們可能在為無人車標注車道線、紅綠燈，也可能是在為肺部影像標注病毒數據。

是不是“AI富士康”？

數據標注產業促進了不少城鎮和農村就業，在河南、河北、貴州等地，還出現了一些特色的“數據標注村”。

據IDC統計，全球每年生產的數據量將從2016年的16.1ZB猛增至2025年的163ZB，其中80%~90%是非結構化數據，這些數據經過清洗與標注才能被喚醒價值。在我國，每年需要進行標注的語音數據超過200萬小時，圖片則有數億張，這就產生了源源不斷的清洗與標注需求。李應維對第一財經記者說， 他預計明年企業的用工將翻一倍，從160多人擴展到300人左右。

李應維公司所在的百度（山西）人工智能基礎數據產業基地，已經成為中國人員和產值規模第一的單體數據標注基地。AI數據標注師從業人員超過2000人，實現營業收入超億元，企業入駐35家。該基地計劃在未來5年培養5萬名AI數據標注師，并引入更多AI合作伙伴。

不過，數據標注師看上去是人工智能領域一個“入門”工種：技術門檻低，招工人群范圍廣泛。他們通過每天數千次的重復動作，和最前沿科技的人工智能產生聯系。也因此，外界給這個行業貼上了“AI富士康”的標簽。

數據標注帶來技術紅利，但如果人工智能發展到一定程度，甚至有可能夠取代數據標注師的工作。

艾瑞咨詢在一份人工智能相關報告指出，隨著算法需求越來越旺盛，依賴人工標注不能滿足市場需求，因此增強數據處理平臺持續學習能力，由機器持續學習人工標注，提升預標注和自動標注能力對人工的替代率將成趨勢。此外，隨著 AI對數據的要求越來越高，數據標注行業也正逐步進入精細化階段。

百度（山西）人工智能基礎數據產業基地負責人尉赤認為，數據標注是一個很好的入門，進來之后有機會更深度參與到產業鏈協作當中，例如后續當數據標注越來越機器化，人工和自動化之間要有機的協同，這也對員工提出了更高要求。

此外，當數據標注越來越機器化，人工智能訓練師是一個轉換工種的機會，標注員們現在標注數據，未來可能向數據治理、數據解決方案設計和項目管理等方向發展。