原标题：从“画框工”到“品鉴师”，数据标注人才门槛变高——

“仅会点鼠标”不够用了

9月，数据标注又“热”了起来。第二批数据标注先行先试城市名单公布，全国新增32个先行先试城市。南京、厦门、武汉等入选城市纷纷明确发展重点，推动标注产业加速落地。在这一轮布局中，各地不约而同盯上标注人才培育。

但现实是，要培育的“人才”，本身已经变了。拉框、打标签、喂标准答案——数据标注员曾是AI真正的“老师”。如今，教AI的，已经不只是人。“仅会点鼠标”，不够用了！

“教会徒弟、饿死师傅”

启盈云（徐州）数字科技有限公司的数据标注员张智硕照常打开电脑，屏幕上是多帧激光点云图。“这是路面原始数据，采集车扫描回来的。”他指着屏幕上的绿色光点，用鼠标熟练地拉出一个个立方体形状的框，标记出车辆、行人、障碍物、红绿灯。

张智硕说，这些标注传送给大模型训练系统，能提高车辆的道路识别能力。他的计薪方式按“框”结算，单价从几分钱到一毛多不等。比起“画框工”“标注员”，他更愿意叫自己“AI训练师”。他笃定地说：“智能驾驶不断发展，标注师不可能被替代。”

然而，行业趋势正朝着另一个方向演进——

长期以来，标注产业门槛低到“会操作鼠标就行”，工价透明、利润薄，基础标注员月薪在3000—4000元。

如今，大模型日益“聪明”，过去需要人工打框的活儿，如今机器通过一次喂养和持续算法优化就能完成。比如，最初标注员花5分钟标注一张图；现在机器先画好，人只需要用1分钟修修补补。

靠人工堆砌的“数据加工厂”正在经历不可逆转的变化，曾经大规模用工的基础数据标注，逐渐为机器替代。

“教会徒弟、饿死师傅，这个趋势还在加快。”据数融智联（徐州）信息科技有限公司董事长兼总经理孙超介绍，在智能驾驶、工业质检、低空经济等标准化程度高、相对成熟的领域，AI已有非常高的熟练程度，自动化标注能取代约85%的人工。“常规数据标注本就处于人工智能产业链的末端，近年来净利润率已低至3%—5%。”

一些标注企业的业务量急剧萎缩。徐州某从事数据标注业务的公司去年成立，高峰时月营业收入超百万元，员工规模百余人。现在订单少了，月收入降至10余万元，全职人员仅20多人。“这一行变得太快。”公司负责人刘笑说，现在数据标注已不是公司主业，仅作为附带业务维持。据他透露，不少同行处于亏损状态。

南京数智亿达科技有限公司总经理温秀岩从事数据标注多年，经历了行业从高利润到薄利的完整周期。他入行的2016年是标注产业的“黄金时代”，项目动辄千万元，单条标注价格高达数十元，员工提成能拿到十几元。“现在单条价格很难突破10元，有时候合作双方在几分几厘的拉扯间成交。”他说，不少标注业务已转向三四线城市，那里人力成本和办公场地租金较低，甚至出现居家的宝妈团队、在校大学生等零工群体。

高阶标注人才“一将难求”

“近几年，标注人才‘画像’已和之前大不相同。”南通大学人工智能与计算机学院院长王进一句话概括了眼下的变化。

王进告诉记者，2020年，人力资源和社会保障部将“人工智能训练师”纳入国家职业目录时，业内将其门槛定位为“会用鼠标、坐得住”。如今，AI不再需要人简单地出卖劳动力，而是对数据资源进行深加工。标注数据的质量，直接决定AI学得对不对、准不准、能不能融入真实社会。因此，医学影像标注要懂解剖学，高精地图标注要懂测绘，方言标注要懂语言学。

在魔法原子机器人科技有限公司，一批大数据、计算机专业年轻人忙于机器人数据采集与处理，对数据资源进行深加工。企业数据标注员马骁告诉记者，他的主要工作是先依据机器人本体运动与视觉信息进行数据采集，随后设定标注标准，将处理后的数据输入模型进行训练。机器人再根据数据反馈优化，循环进入下一轮。

在这家公司，马骁的工作还是偏基础。更高级别的标注员需具备相关专业硕士学历，不仅会数据标注，还要熟悉机器人结构及模型训练方法，对算法实时调整。

“数据生产方式从粗放式标注向精细化、专业化加工演进，这是行业成熟的必然趋势。”孙超告诉记者，机器已能解决80%的通用标注，剩下20%的特殊、复杂场景，需由具备行业规则认知的专业人士共同完成。当下，整个数据产业正催生出一个新的职业群体，他们既要懂业务逻辑，还需要能熟练使用AI工具，将自身的专业经验转化为工作标准。“我们现在招人也不只盯着计算机专业，因为仅仅会开发是不够的，还必须懂场景、懂业务，会使用工具提升效率。”

这也导致行业人才面临结构性短缺：基础标注岗位供给充裕甚至内卷，但具备专业背景的高阶标注人才“一将难求”。从基础标注到高阶标注，月薪跨度从2000元到5万元不等，差距悬殊。

“目前人形机器人普遍遇到‘看得见却摸不着’的困境，这也是当前技术面临的核心挑战。”魔法原子高级软件工程师李洪良进一步解释，当机器人的灵巧手试图拧紧瓶盖时，其“眼睛”能识别到瓶盖位置，可一旦手指接触物体，机器人便难以感知瓶盖是否拧紧、瓶子是否滑落、零件是否精准卡合。“这对相关算法大模型和数据采集有更高的要求，而能够胜任这种复杂数据标注工作的人才极为稀缺，这一定程度上制约了模型训练与算法优化的推进效率。”

给AI当“老师”的人，开始被层层筛选。温秀岩告诉记者，高端数据标注市场从业者要求从博士起步，他们靠专业知识制定标准，质量要求高。他曾接触过一个工程图纸标注项目，专业门槛极高，不懂的人一张也标注不来。这个项目一条标注报价100元，在他看来“并不算高”。

“现下，AI人才和行业专家都不缺，但两者兼顾的人才却不多。”智慧芽信息科技（苏州）有限公司助理总裁张海华坦言，生物医药领域对专业数据的依赖度极高，但这类数据获取难度极大。客户要的远不是数据本身，而是经过专业治理、由高质量数据和专家级AI共同生成的工作成果。为此，智慧芽从去年秋招起启动管培生计划，定向培养“行业+AI”复合人才，要求既懂技术创新痛点，又掌握产品架构与解决方案逻辑。

AI抢不走“做判断”的活儿

今年，国家数据局将“标注攻坚”列入行业高质量数据集建设行动，从国家层面为AI“教材”把关。业内专家普遍认为，具备专业背景的数据标注师不仅不会被AI取代，需求反而会增加。

“现在，机器人能在舞台上翻跟头，但回到家庭场景，让它端杯水，还晃晃悠悠。到底差在哪？差在数据。”王进说，多家机构测算，要训练出足够聪明的“机器人大脑”需要千万小时级高质量交互数据，而目前全球真机数据只有几十万小时，缺口超过九成。

行业里有句话流传很广：“算法决定AI的下限，数据决定AI的上限。”AI技术持续突破，相应地对高质量数据的需求不减反增。

“机器把‘体力活’抢走了，把‘做判断’的活儿留给了人。”王进分析说，校验AI结果、设计标注规则、给大模型当“品鉴师”的人，能判断AI哪个回答更靠谱、更有用。而且，在复杂歧义场景、伦理价值判断、专业领域的细节判定、异常风险案例等领域，机器自动标注的错误率依然很高，必须由人工校验、修正、二次标注。这些工作恰恰是标注从业者从“流水线工人”升级为“AI专业课教师”的核心空间。

当前，我省集聚132家标注企业、近1.9万名从业者，产业规模超33亿元。“数据标注产业正在去劳务化，需求向机器最难解决的地方聚集。”省数字化协会执行会长、省数据标准化技术委员会秘书长陈俊判断，江苏数据标注产业正处在从“规模扩张”向“质量提升”转型的关键时期，知识密集型与技术驱动型双轮并进的态势已经形成，但企业间的分化也在加剧，“低端内卷、高端稀缺”的结构性矛盾同样存在。

“人才是最核心的变量。”陈俊建议，基于江苏产业实际，行业应重点培养3类人才：处于基础执行层的人，能掌握标注工具操作、数据安全规范和质量标准，胜任标准化标注任务；处于行业专业层的人，具备医疗、法律、金融、工业、代码等某一领域的专业知识，能完成复杂场景判断和专业内容标注；处于质控与研发层的高端人才，具备标注规则设计、质量体系管控、AI辅助标注工具开发、数据集产品规划等能力。“协会正通过举办技能竞赛、搭建校企对接平台、探索建立专家库等方式，补齐一线从业人员的专业能力短板。”

对此，江南大学机械工程学院教授宋智功提醒，算法永远替代不了人类对安全、伦理、人机相处准则的终极判断。标注人才培养应紧跟产业升级步伐，增加多模态标注、数据伦理、安全风险等内容学习。他特别强调，要让从业者认识到：自己标注的每一条数据，都会直接影响AI的行为和判断。

“加快培育行业高质量数据集市场，打通供需对接渠道，提升数据匹配效率，是接下来的趋势。”孙超认为，数据不只是算法模型训练的“原料”，更是人工智能产业发展的“可信”底座，不同行业沉淀的高质量数据集正成为人工智能发展的核心支撑。比如，智能制造、工程机械、医疗卫生、生物医药等行业的数据价值和密度极高，更需要既懂数据治理、又懂行业场景的人去处理，从而形成真正可用的高质量数据集。

新华日报·交汇点记者 叶真 徐睿翔 倪方方