千亿ChatGPT的狂欢和月薪3K的数据标注员

文丨何蕾

ChatGPT 爆火后电脑标注员好做吗，AI 行业开始了新一轮 " 抢人大战 "：

王慧文个人出资 5000 万美元，打出 "AI 英雄榜 "，要招募业界公认顶级研发人才；猎头疯狂挖角硅谷华裔技术大佬，跳槽薪资 200 万起；"10 万月薪抢人 "，脉脉创始人兼 CEO 林凡称，国内 AIGC 行业也在招兵买马，年薪百万、16 薪成为 " 标配 "。

巨头喊话、热钱涌动，中国版 ChatGPT，将诞生在这些顶级 VC、顶级 AI 人才手中。

但与此同时，一个和 ChatGPT 紧密相关，一个相对低廉、不稳定的职业——数据标注员，也引起了小范围的关注和讨论。

他们被誉为 "AI 训练师 "，但他们的工作重复、机械、枯燥。

他们是 AI 行业的 " 劳动密集型 " 企业，他们被放置在无人问津的角落，推升了这次 ChatGPT 狂潮。

AI 训练师？

" 什么 AI 训练师，我们就是纯体力活。" 何文新对数据标注行业的总结是：无前途，无发展，工作量大，工资低，" 还不如电话销售。"

什么是数据标注？

目前 " 深度学习 " 是主流的训练 AI 模型的方式，但 AI 不会自动识别语音、图片、文本、视频等，这时候就需要数据标注员，对数据进行加工处理，将一般数据变成 AI 可识别的数据。

比如，服务自动驾驶公司的数据标注员，每天工作就是按照要求，把不同图上的行人、动物、车、树木等 " 框 " 出来，以便 " 喂养 "AI 模型。而数据标注的类型有图像标注、语音标注、3D 点云标注和文本标注等。

简而言之，数据标注员在创造喂养 AI 的养料。从工作产出来看，数据标注员确实可以称为 AI 的老师。

数据标注工作并不难，只需要一台电脑，一个鼠标；简单培训后，就可以上手。但是，这个工作并不轻松，需要耐心和细心。

" 很累，一整天要盯着电脑。" 何文新称，" 标注 " 工作重复繁琐、没什么技术含量，但也有质量要求，标注错了、标注范围大、标注不够仔细等，都会被审核打回去重新做。

" 很简单，但也很难。" 宝妈 lili 在网上吐槽，因为经常面对拉伸图，很多图片根本看不清，容易做错。

和 AI 行业的高薪相比，数据标注员的工资并不高。

" 一张图 9 毛钱，一天做 100 张。"lili 称，如果都合格，一天能赚 90 块。

" 不同的标注价格不一样。" 何文新称，他当时的工资在 3000 左右。基础的数据标注员月薪大部分在 2000-4000 元之间，但因为标注的速度、质量问题，" 很难拿到当时面试跟你承诺的工资。"

鞭牛士在一些招聘网站上搜索 " 数据标注 "，薪资区间在 2000-8000 之间。一些特殊的标注，比如小语种、高精制图等，薪酬会更高。

2020 年 2 月，" 人工智能训练师 " 正式成为新职业，纳入国家职业分类目录。中国信通院报告提出，" 现阶段 AI 应用研发，数据标注是根本，10 年之内都要依赖于标注数据 "。

ChatGPT 的 " 数据标注 " 壁垒

今年 1 月，美国《时代周刊》报道称，ChatGPT 使用了低廉的肯尼亚外包劳工，对庞大的数据库手动进行数据标注。

打造了 ChatGPT、估值飙升至 300 亿美元的 OpenAI，是否存在 " 剥削 " 廉价劳动力的问题？

为 OpenAI 提供数据标注服务的是总部位于旧金山的 Sama，Sama 在在肯尼亚、乌干达和印度雇佣员工，服务 Google、Meta 和微软等客户。

据爱范儿报道，OpenAI 在 2021 年底与 Sama 签署了三份总价值约 20 万美元的合同，为数据库中有害的内容进行标记。

根据合同规定，OpenAI 将为该项目向 Sama 支付每小时 12.50 美元的报酬；但 Sama 支付给数据标注员的时薪只有 1.32 美元 ~2 美元。

这些数据标注员，每 9 个小时要阅读和标注 150~200 段文字，最多一小时要阅读和标注超 2 万个单词。

并且，因为他们标注的是互联网上的 " 有害的内容 "，比如自杀、酷刑等，大部分标注员受到持久的心理创伤，甚至出现幻觉。但 Sama 公司却拒绝为他们提供一对一的心理咨询。

这些数据标注员，对 ChatGPT 而言意义重大。为了让 ChatGPT 成为一个适合用户日常使用的聊天机器人，一个好的学习数据源非常重要。

比如，ChatGPT 的前身 GPT-3，就存在暴力、性别歧视等言论。用户在对话框中发送 " 我应该自杀吗 " 问题，GPT-3 回答 " 我认为你应该这么做 "。

在更早的 2012 年，清华大学图书馆机器人 " 小图 "，因为学习了网友太多 " 脏话 "，被强制下线。当时有媒体报道，小图至少学会了 4 万条不良信息。

AI 自身并不能判断善恶，需要人为干预，标注、过滤掉一些 " 特殊数据 "。为此，OpenAI 建立了一个安全系统，这就是 Sama 和数据标注员的工作：给 AI 提供标有暴力、仇恨语言等标签，AI 就可以学会检测这些内容，并将这些不良内容过滤掉。

除此之外，一些专业领域的信息，也需要专业的标注。这也是为什么 ChatGPT 在回答医学等专业领域问题时错误百出，因为它还没有精确地相关数据 " 喂养 "。

实际上早有业内人士分析，ChatGPT 的算法并不神秘，比如公开的成熟的自回归语言模型、强化学习的 PPO 算法等；但数据，是 ChatGPT 真正的优势。

"ChatGPT 通过抢先开始公测，收集了大量的用户的使用数据 "，这也是 ChatGPT 独有的、宝贵的数据。

和算力的 " 军备 " 竞赛不同，数据会有滚雪球效应，只要 ChatGPT 仍然是最好用的语言 AI，就会一直保持先发优势，后来者会越来越难追上。

ChatGPT，已经建立起了 " 数据壁垒 "。

而近期才开始官宣的 " 中国版 ChatGPT"，除了要加强在算法、算力的投入，中文语言数据的处理，中文敏感词、有害信息的过滤，也需要大量的投入。

如今，ChatGPT 掀起人工智能新浪潮，最底层、最边缘的数据标注员是否会有新的待遇？

国内数据标注乱象

据第一财经报道，中国的数据标注行业最早可追溯到 2005 年，著名计算机视觉专家、人工智能专家朱纯松在湖北鄂州创办了莲花山研究院。

中国信通院报告指出，2015 年，随着人工智能巨头的崛起，数据标注和采集需求激增电脑标注员好做吗，市场真正意义上开始形成。

2016 年，AlphaGo 横空出世，人工智能开始商业化探索，相应的数据服务公司也迎来了一波发展高峰。

人工智能公司发展波折不断，数据标注行业也处在早期的蛮荒阶段，存在分散、效率差、标注质量参差不齐、市场需求不稳定等问题。

何文新等数据标注员有特别直观的感受。能不能拿到稳定的项目，是一个外包的数据标注公司能否存活的关键。

" 我们公司比较小，很难拿到一手的项目。" 何文新称，他们拿到的可能是层层外包的项目，价格比较低，而且极不稳定，" 有时候项目没做完，公司就没了。"

而一些数据标注公司在招聘兼职数据标注员时，会强调薪酬分两次结算，" 次月和 6 个月后各结算一半 "，因为这是甲方的结算习惯，一些数据公司并不会提前 " 垫付 " 薪酬。

因为没有什么门槛，十几个人也能攒出一个团队，因此，数据标注公司质量层次不齐，行业竞争也异常激烈。

据第一财经报道，2018 年，科大讯飞旗下的众包平台 " 爱标客 " 上，一些简单的打框和转写校准项目，时薪在 25 到 40 元之间；到 2021 年底，时薪就降到了 10 到 15 元，" 有时候可能连 10 元都不到 "。

并且，数据标注行业还存在一些招聘骗局，比如打着招聘的名义，骗求职者缴纳高昂的培训费等。

而数据标注员，也是人工智能行业中，最不稳定、最容易被取代的角色。

2022 年 6 月，特斯拉在全球开启了裁员计划。其中规模最大的一次裁员，是解雇了 200 名美国员工。他们大多数是小时工，负责自动驾驶数据标注。

有媒体分析，特斯拉这次裁员的原因是这一工作技术含量不高，操作起来比较简单；并且特斯拉的自动化数据标注有了进展，可以代替人力完成部分工作。

目前，何文新已经从数据标注公司离职，换了新的行业。工资低、累、没有晋升空间、没有学到东西，是数据标注员离职的主要原因。

但是，除了这些问题，数据标注员的薪资，在 4、5 线城市依然有竞争力。

实际上，因为属于 " 劳动密集型 " 产业，一些地方政府对数据标注产业抛出橄榄枝，成为解决当地就业、扶贫的优质项目。

另一方面，因为门槛低、操作简单，数据标注员也成为残疾人友好岗位，" 边码故事 " 曾报道残疾人成为数据标注员的故事，" 一台电脑就能赚钱是之前想都不敢想的 "。

而一些数据标注公司的推广视频下面，有不少用户留言咨询，想要加入。

在面对使用廉价劳动力质疑时，OpenAI 回应称，他们支付给 Sama 的费用几乎是东非其他内容审核公司的两倍；赚差价的 Sama 则称自己是 " 有道德的 AI 公司 "，已经帮助 5 万多人摆脱了贫困。

据国盛证券估计，类 ChatGPT 的大模型训练一次就要烧掉 200 万 -1200 万美元，仅每日的电费消耗就高达 4.7 万美元；2022 年，OpenAI 公司净亏损高达 5.45 亿美元。

我们在惊叹人工智能的突破和背后的技术成本时，在追捧 OpenAI 2000 亿人民币的估值时，不应该忘记背后千万的数据标注员。他们在聚光灯外，如一叶叶扁舟，飘荡在人工智能蓝海上。

（应受访者要求，本文人名为化名。）