在人工智能領(lǐng)域，數(shù)據(jù)標(biāo)注曾被視作技術(shù)鏈條中最基礎(chǔ)的環(huán)節(jié)，從業(yè)者往往被貼上“低門(mén)檻、重復(fù)勞動(dòng)”的標(biāo)簽。然而，隨著大模型技術(shù)的突破性發(fā)展，這一領(lǐng)域正經(jīng)歷一場(chǎng)靜默的變革。從互聯(lián)網(wǎng)大廠到新興AI企業(yè)，數(shù)據(jù)標(biāo)注崗位的名稱悄然更新為“數(shù)據(jù)煉金師”“AI出題專家”，招聘要求中碩士學(xué)歷、專業(yè)背景成為高頻詞，部分垂類領(lǐng)域甚至開(kāi)出每小時(shí)500元的高價(jià)。

這場(chǎng)變革的根源在于大模型訓(xùn)練范式的轉(zhuǎn)變。早期模型依賴海量公開(kāi)數(shù)據(jù)，互聯(lián)網(wǎng)文本、圖片和視頻構(gòu)成主要養(yǎng)料。但阿里研究院發(fā)布的《大模型訓(xùn)練數(shù)據(jù)白皮書(shū)》顯示，中文語(yǔ)料在互聯(lián)網(wǎng)中的占比僅1.3%，遠(yuǎn)低于英文的59.8%。更嚴(yán)峻的是，互聯(lián)網(wǎng)數(shù)據(jù)存在大量重復(fù)、噪聲和矛盾內(nèi)容，模型雖能學(xué)習(xí)語(yǔ)言模式，卻難以形成可靠判斷。當(dāng)OpenAI前首席科學(xué)家Ilya Sutskever預(yù)言“互聯(lián)網(wǎng)訓(xùn)練數(shù)據(jù)即將枯竭”時(shí)，行業(yè)開(kāi)始將目光轉(zhuǎn)向后訓(xùn)練階段——通過(guò)人工反饋優(yōu)化模型能力。

在金融、法律、醫(yī)療等專業(yè)領(lǐng)域，這種需求尤為迫切。某頭部大廠的招聘要求中明確提到：“需要從業(yè)者設(shè)計(jì)能難倒模型的問(wèn)題，并拆解判斷依據(jù)。”以金融投資盡調(diào)場(chǎng)景為例，模型會(huì)生成多份上萬(wàn)字的分析報(bào)告，標(biāo)注員需以從業(yè)者視角評(píng)估：風(fēng)險(xiǎn)識(shí)別是否充分？評(píng)估框架是否貼近實(shí)際決策？某資深從業(yè)者透露，這類任務(wù)的時(shí)薪可達(dá)300-500元，但候選人需通過(guò)雙重考驗(yàn)——證明專業(yè)背景，并設(shè)計(jì)出至少兩個(gè)模型無(wú)法解答的行業(yè)深度問(wèn)題。

這種變化在招聘平臺(tái)上體現(xiàn)得淋漓盡致。2025年下半年以來(lái)，字節(jié)、阿里等企業(yè)陸續(xù)推出專家數(shù)據(jù)平臺(tái)，DeepSeek、MiniMax等公司則在高校社群和社交媒體發(fā)布招募信息。一位參與字節(jié)Xpert平臺(tái)的金融專家描述其工作流程：模型生成投資分析報(bào)告后，她需從風(fēng)險(xiǎn)識(shí)別、評(píng)估框架等維度進(jìn)行對(duì)比，指出最優(yōu)答案并解釋依據(jù)，全程錄屏防止作弊。她坦言：“真正做過(guò)投資的人，才能發(fā)現(xiàn)模型在業(yè)務(wù)邏輯上的漏洞。”

并非所有新型標(biāo)注崗位都充滿價(jià)值感。某互聯(lián)網(wǎng)大廠的AI小說(shuō)標(biāo)注員淵星（化名）講述了另一種體驗(yàn)。盡管他擁有出版經(jīng)歷和寫(xiě)作獎(jiǎng)項(xiàng)，但日常工作仍是“流水線式”的數(shù)據(jù)生產(chǎn)：對(duì)比不同模型生成的小說(shuō)片段，依據(jù)評(píng)分標(biāo)準(zhǔn)判斷人物行為是否符合設(shè)定、劇情推進(jìn)是否合理，甚至需要為長(zhǎng)篇小說(shuō)抽取結(jié)構(gòu)化大綱。這份工作要求文學(xué)判斷力，卻難以擺脫重復(fù)性——他每天處理數(shù)十條模型輸出，月薪約8000元，在北京僅能維持基本生活。

更讓淵星困惑的是勞動(dòng)價(jià)值的模糊性。模型吸收的是海量數(shù)據(jù)，他處理的只是其中極小部分，即便看到模型進(jìn)步，也難以確認(rèn)自己的貢獻(xiàn)。這種“黑箱感”在質(zhì)檢環(huán)節(jié)被放大——每篇標(biāo)注數(shù)據(jù)需經(jīng)質(zhì)檢員修改，群里幾乎全是問(wèn)題反饋，從不說(shuō)優(yōu)點(diǎn)。他觀察到，同事們開(kāi)始懷疑自身價(jià)值，工作半年間已有兩人離職。

兩種截然不同的職業(yè)體驗(yàn)，折射出大模型時(shí)代數(shù)據(jù)生產(chǎn)的深層邏輯。當(dāng)行業(yè)從“數(shù)據(jù)規(guī)模競(jìng)爭(zhēng)”轉(zhuǎn)向“數(shù)據(jù)質(zhì)量競(jìng)爭(zhēng)”，標(biāo)注工作被拆解為更精細(xì)的任務(wù)鏈條：從通用標(biāo)注到領(lǐng)域分工，從簡(jiǎn)單判斷到復(fù)雜推理，從業(yè)者需將專業(yè)知識(shí)轉(zhuǎn)化為模型可理解的形式。但這種轉(zhuǎn)變也帶來(lái)新問(wèn)題——如何讓專業(yè)判斷的價(jià)值被清晰看見(jiàn)？如何避免知識(shí)工作者陷入重復(fù)勞動(dòng)的困境？某AI企業(yè)負(fù)責(zé)人坦言：“我們正在探索更合理的激勵(lì)機(jī)制，比如讓標(biāo)注員參與模型迭代效果的評(píng)估，讓他們的勞動(dòng)與成果直接掛鉤。”

在這場(chǎng)變革中，數(shù)據(jù)標(biāo)注員的角色已悄然改變。他們不再是簡(jiǎn)單的“數(shù)據(jù)工人”，而是成為連接模型與真實(shí)世界的橋梁。當(dāng)金融專家為模型輸入監(jiān)管規(guī)則變化，當(dāng)心理咨詢師分享案例處理經(jīng)驗(yàn)，他們正在以另一種方式推動(dòng)AI的進(jìn)化。只是，這種進(jìn)化能否讓所有參與者都獲得尊嚴(yán)與價(jià)值，仍需時(shí)間給出答案。