985硕博也难逃？我们竟成AI的人肉标注师？

在助力AI成长、却可能终结自身职业的道路上，人类的内卷程度究竟已达何种境地……

文｜谢红婷

编辑｜方婷

AI需要经过标注的数据来更好地理解人类世界，而那些高薪的数据标注员，正是负责这一环节的工作者。难道人类中最聪慧的一批年轻人，真的在协助AI，亲手断送自己的未来？

恰好，作为一名正经985毕业的“过来人”，我亲身去面试了这些传说中月薪过万的数据标注岗位，带大家一探究竟。

请观看36氪原创视频

??也欢迎关注36氪视频号??

朝九晚六，不加班不驻场

毕业即月薪过万

海投简历后，我在一栋老旧写字楼里见到了一位招聘负责人。她告知我，我应聘的岗位是某大厂的外包职位，好处是无需真正进入大厂“高压工作”。

工作时间朝九晚六，不加班、不驻场，难度说大不大、说小不小。

在数据标注行业里，拉框、声纹识别、教AI分辨猫狗、语音转文字等基础任务，难度如同“儿童启蒙”，特点是成本低、需求量大，只要有手就能做。

国外科技大厂通常将这类工作外包给菲律宾、肯尼亚的从业者，国内二三线城市也有类似的“零工岗”“AI扶贫岗”。

而需要985、211毕业生参与的数据标注项目，则属于“高阶挑战”级别。不仅要充当AI的“判官”，指出其生成内容的不当之处，还得在专业领域内绞尽脑汁给AI出题。

问题清晰有条理只是基本要求，而且你出的题目，市面上主流模型最多只能答对40%——换句话说，你得想办法难住AI。所有努力都是为了让AI的回答从40分提升到80分，让它更理解人类思维模式，变得更聪明。

一位“文生文”项目负责人对这项工作做了更详细的解释：

“我们需要给模型设定考点或参考答案，答对就能得分。当前大模型的培育主要用check list（结构化评判标注），现在也在向rubric（评分标准）进化。如果说check list是60分的参考答案，那rubric可能是80分甚至100分的标准。所以培训期我们会花大量时间，专门教大家如何撰写check list。”

如此复杂的任务，薪资结构是底薪8000元，绩效最高可达6000元。大部分人能拿到中间档的3000元绩效，综合薪资超1万元。

说实话，对985文科刚毕业生来说，1万多的月薪确实有竞争力。负责人直接表示我的学历符合要求，可以进入下一步“试标”环节，通过7-10天的培训考核就能正式入职。

给AI当“老师”改作业

它变聪明了，人却麻木了

随后，我们找到了曾在大厂外包数据标注岗工作半年的渊星深入了解。作为科幻作者，他加入的是小说组。

渊星的主要工作是让模型写短篇小说。在特定测评项目中，他会针对同一指令让5个大模型作答，每个模型能写一万字甚至更多，加起来总量达几万字。这些海量内容都需要标注员仔细审阅评估。

看大神写的网文是一回事，看AI写的网文完全是另一回事。

这就像老师批改作文，只不过五个“学生”都是AI。哪里有语病？逻辑结构是否合理？这些标签都得标注清楚，还要选出最佳创作，亲自给AI示范什么是真正的“人情味”。整个过程堪称折磨。

渊星的真实感受是：AI写的内容大多很糟糕。时间一长，自己也会严重消耗，旁人觉得很“AI化”的表达，他坦言已经看不出区别：“至少上班时，我完全没有创作欲望，每天看AI写的东西就够折磨了。”

关键是一番折腾后，到手的钱远没想象中多。

因为绩效和标注量挂钩，并非每条数据都能通过质检专家和算法工程师的检验。你觉得AI回答能给80分，质检可能只给60分，数据需要返修，标注量就很难提上去。

给AI当“人肉电池”，消耗远超想象。无论985、211学历，还是大厂机会、AI风口这些光鲜标签，都掩盖不了该岗位处于AI产业链下游的事实。

在渊星看来，标注员无法直接接触产品和算法。规则制定、任务下发由产品和项目经理对接，再传达给标注员。他直言：“就像项目经理更高贵，标注员就低人一等，连和他们同会议室开会的资格都没有。”

面试我的HR直接说，如果只做标注，无非是从一个项目跳到另一个，没有晋升空间。但她也认为“给AI打螺丝”的说法太悲观，安慰道：“标注员更像老师，模型能否变聪明、给用户的体验如何，根源都在于数据质量的好坏。”

只是对一线标注员而言，“模型变聪明”和自己有没有关系，很难感知到。更多人和渊星一样，觉得自己在做无用功。

每个人，

都在参与投喂AI的“义务劳动”

在加州工作的研究生Jiayi，从事图像数据标注已有一年半，她也有类似困惑。

她表示，目前的工作中，自己完全不知道接触的数据训练会产生什么后续影响：不清楚目标是什么、服务于哪台机器，更不觉得能学到实用技能。

名校生精心标注的数据，对AI进化而言，就像聚沙成塔中的一粒沙。AI建起了前所未有的高塔，人类奉献的每粒沙都重要，但身处其中的“沙子”，很难看清自己对整体的意义。

高质量数据集是人工智能研究的核心。

被称为“AI教母”的李飞飞，2009年推出ImageNet数据集，包含1500万张图片、覆盖2.2万个类别。帮助她完成这一庞大工作量的，是通过亚马逊众包平台（Mechanical Turk）接单的4.8万名零工。

对数据质量的重视让AI越来越聪明，给AI当“老师”的人也开始被层层筛选，卡学历只是开始。数据标注早已从劳动密集型产业，变成门槛不断抬高的“赛博流水线”。

从一线标注员升为项目经理的Leon透露，他在某大厂后期的主要工作目标，是通过自动化PE workflow agent，实现自动评测或标注。

AI正进化到能自我训练，在这场轰轰烈烈的硅基进化中，哪怕是最昂贵的碳基大脑，或许也注定是完成技术闭环的燃料。

实际上，每个使用AI的人，都在参与这场投喂AI的“义务劳动”。

你与AI的每一次对话，都可能成为数据标注员评测和精标的素材。AI回应你后，你的每一次追问、纠正、选择，都在告诉它人类真正想要什么。

未来，我们和AI会互相引导走向怎样的终局？

没人知道。