文 | 新眸世博shibo登录入口，作家 | 简瑜
两个月前，Meta 豪掷约 150 亿好意思元（约合东谈主民币 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。
四肢硅谷 AI 赛谈近几年最猛的黑马，Scale AI 从斥地到估值飙升至 138 亿好意思元，仅用了 5 年期间，险些创造了一个行业的外传。
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谈主工参与，这个看似没趣且"夫役活"的规模，永远以来被视为是 AI 产业链里最不性感、最阑珊联想力的一环。
关连词，恰是凭借这门"脏活累活"，Scale 在大模子期间飞速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 的动手，则进一步将数据标注这个蓝本处于产业底层的智力，推向了聚光灯下。
更耐东谈主寻味的是，这场收购并不单是是成本层面的"下注"。
四肢往复的一部分，Scale 创举东谈主兼 CEO 汪滔将卸任，携带部分中枢职工加入 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，更是汪滔本东谈主的计策目光和履行能力。
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，曾因测验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，导致模子在多模态清醒、长文本推理等中枢蓄意上，仍过期 GPT-4.5 约 12%。对 Meta 而言，阑珊高质地数据成为了限度其模子追逐的最大短板。
某种进程上，在 AI 模子测验对数据依赖日益加深确当下，数据标注四肢模子测验的第整个防地，其计策地位正在被重新估值。
01 从夫役活到智能化，数据标注进化之路
什么是数据标注？
一句话综合，就是给原始数据打上标签，把"东谈主类能清醒的信息"飘浮为" AI 能识别的测验样本"。比如在自动驾驶场景中，网罗车上传的只是谈路影像，但 AI 无法平直看懂。惟一当东谈主类标注员把车谈线、路牌、行东谈主等元素一一框选、象征，这些影像才信得过具备测验价值。
在这个行业里，简短存在三类玩家：
第一类是纯东谈主力型公司。依靠大量低成本劳能源完成标注，妥当作念图像分类、语音转写等法度化任务。时间门槛不高，客户经常需要自带器用和平台，妥当全球对"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，主要用于知足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。
第三类则是智能型处事商。这类公司具备自主研发平台和算法能力，能提供自动化标注器用、质地贬抑体系以及高度定制化的惩办决策，尤其擅长 3D 点云、多模态等复杂任务，经常在恶果和准确性上权贵着手同业。
永远以来，前两类公司内容上都是"东谈主力堆砌型"企业，限度和利润空间有限，天花板尽头彰着。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，险些都是从这种东谈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，它并不是一流派据平台公司，而是提供一个"东谈主力 API "：开发者只需写一滑代码，就能曲折一支而已劳能源团队，维护完成内容审核、数据索要、预约安排等琐碎任务。
这种以东谈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，也积存了大量高价值数据。
有了基础数据的积存，再加上 AI 能力的升级，自 2018 年起，Scale 就开动迟缓用模子替代掉部分重迭性、套路化的东谈主力使命，构建起一套"机器预标注 + 东谈主工复核"的羼杂使命流。先由算法完成预标注，再由东谈主工行家审核和修正。
这种 AI 代替的模式，为公司的恶果和质地带来了双重提高。左证 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 完成的标注收尾可达到 88.4%，致使越过了东谈主类标注员的 86.2%。
02 全球数据标注疆域
左证 DMR（DimensionMarketResearch）在 2024 年 7 月发布的掂量证明，全球数据标注行业市集限度约为 20 亿好意思元，其中好意思国市集限度为 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远占据全球数据标注的主导地位？
一方面，数据标注内容上是东谈主力密集型产业。标注员的使命门槛低、流动性大，导致东谈主力险些成为成本贬抑的中枢竞争力。
为了放松组织压力，企业频繁会选用外包或众包的方式来派发名堂。在这少许上，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，罢了了极致的成本压缩。
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。除官网裸露的 900 名厚爱职工外，其平台上注册工东谈主越过 24 万东谈主，遍布全球。
其次，在时间水慈悲自动化进程上，国表里厂商存在彰着差距。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，但诈欺范围仍主要靠拢在智能驾驶规模；另一家专注语音的海天瑞声，也在研发自动语音切割等器用，但举座智能化水平有限，仍高度依赖东谈主工。
比拟之下，Scale AI 在 2018 年就布局自动化标注，诚然雷同是自动驾驶起家，但业务也曾膨大到话语、金融、医疗致使军事等规模。
更紧要的是，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，在招聘经由、质控经由、数据分析、销售证明等智力，Scale AI 都也曾罢了了自动化照顾。
某种进程上来说，四肢一个因大模子测验需求而出身的行业，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处事场景区别是大模子和自动驾驶，而这两个产业的实足主力军大多漫衍好意思国。出于数据自然触及秘籍和安全考量，企业更倾向于选用本国标注商互助。
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 这么面向微调处事，以及 Lionbridge 这么面向文本、语音的数据公司。
比拟之下，国内由于自身劳能源较为密集，互联网大厂频繁会吸收众包模式而非有意标注公司，且在部分模子吸收蒸馏的前提下，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 时间的快速迭代，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谈主工标注。但就当今的时间实践而言，这种可能性依然远处。
AI 标注的前提，是数据结构和规则高度明确，况且有饱和的历史样本复旧。因此，它的诈欺范围自然受限，当今仍只可笼罩交通图像、东谈主脸识别等较为法度化的任务。
在使命流上，AI 主要替代的是标注的中游智力，而规则制定、质地把关等要害节点，仍然需要东谈主工介入。
与此同期，跟着大模子渐渐强调垂直化场景，测验重点也从预测验转向了强化学习。不同于预测验对数据质地要求相对宽松，强化学习更依赖高精良度和专科化数据，不绝触及医疗影像、法律文本、时势话语等高门槛规模。
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，还需要抽象念念维与跨学科能力。正如一位业内东谈主士所说，如今的任务经常攀扯推理链条、多模态对都等新场景，"早已不是浅易的框选和分类大概惩办的"。
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，以提高模子性能。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。
另一条被委托厚望的替代旅途是合成数据。表面上，它大概在数据不实时填补空白，但实践问题掩饰冷漠：合成数据毕竟是在既有条目下生成的，当实践场景发生变化，它难以保抓灵验性；同期，数据安全风险也限度了其大限度泛化的可能。
从这个角度来看，数据标注并不会消散，而是会向更高质地、更强专科化主义演进。
归来以前，数据标注永远被视为"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，即即是行业龙头 Scale AI，其市值也不到 OpenAI 的十分之一。
究其原因世博shibo登录入口，很猛进程上源于行业门槛低、收入上限有限。但当 AI 模子测验插附近半场，数据标注的时间壁垒被束缚拔高，Meta 对 Scale AI 的收购，只是一个开动，在不远的明天，数据资源正在被推向产业竞争的中枢。