10美元时薪,喂不饱大模型了
数据标注行业正经历范式革命:从大学生时薪10美元的画框标注,演进到由投行家、科学家出『全真模拟上岗题』,高端市场规模三年从10亿美元涨至100亿美元。本文拆解生命科学、金融、安全三大垂直领域一手实践,并指出元数据治理是被系统性低估的第二战场。
三年前,给AI出练习题的大学生时薪10美元;如今一道能训练AI『上岗』的题,要请投行家和科学家来做,高端数据市场三年从10亿美元涨到100亿美元。Handshake AI团队的一手拆解指向同一个判断:AI的下一场仗,不拼GPU,拼教材。
📈 时薪10美元的时代,回不去了
数据行业的定价逻辑,从来跟着AI的能力走。
三年前,『数据标注』是一门几乎不需要解释的生意:给图片里的汽车画个框、给社交媒体帖子标个正负面情绪,找个大学生,一小时10美元,任务高度标准化。彼时整个『AI教材市场』的盘子,大约10亿美元。
2022到2023年大模型爆发初期,RLHF的对齐任务依然简单——模型输出粗糙,高中生、大学生就能批量完成标注,满足基础对齐需求。Handshake AI的Garrett Lord团队在复盘这个行业时,给出了一个清晰的分水岭:近3年,模型学会了推理、工具调用和复杂流程处理,训练任务从『标注已有内容』变成了『从零构建专业场景』——普通标注人员彻底出局。
替代他们的是投行家、律师、医生。一道真正能训练AI上岗的题,要先搭一个和真实公司一模一样的模拟办公环境:邮箱、网盘、专业软件全套配齐,再写几百条细致的评分细则,判分时连1%的数值误差都不能放过。结果就是:高端数据市场从10亿美元涨到100亿美元,团队判断3年内大概率冲到1000亿——单位成本比『画框标注』时代高出几十上百倍。
据多位接近头部实验室的人士透露,各家采购预算的重心,正在悄悄从『买量』转向『买稀缺的专业人力』。
画框圈图与情感分类
大学生时薪约10美元
市场规模约10亿美元
RLHF批量对齐
高中生大学生即可胜任
专家构建专业场景
高端市场达100亿美元
产业逻辑很直白:算力可以堆,专家时间堆不出来。数据供给的瓶颈,第一次卡在了真实世界的专业经验上。
🧪 生命科学:AI连实验图都读不对
Handshake AI掏出的第一个一手数据,来自生命科学:AI连最基础的实验图片都读不对,准确率不到50%。
这个数字意味着,『AI研发新药』的宣传叙事,连第一道门槛都没迈过去。模型想在实验室里干活,前提是它先能看懂实验——而看懂实验这件事,目前连及格线都没到。想靠AI治病,还远得很。
对应的解法只有一个:由真正做过实验的科学家参与数据生产,从零构建实验场景、定义什么算『正确的实验读数』。这不是众包平台能调度承接的活,它本质上是把科研人力资产化。
但团队同时点破了一个普遍的认知误区:并非所有任务都需要顶级专家——很多场景下,有2年工作经验的行业从业者,就足以深度参与数据生产。🔑 这个判断决定了这门生意的供给弹性:如果只能依赖稀缺的顶级专家,千亿市场根本铺不开;只有把『够专业』的从业者组织进生产流水线,供给才撑得起需求。
由此推演,垂直领域数据的竞争,本质是『行业人力资源网络』的竞争,而不是标注平台调度能力的竞争。谁手里有干净、可验证的行业专家网络,谁就握住了下一个阶段的入场券。
💰 AI做的财务模型太漂亮,反而没人敢用
当修改成本高于重做成本,工具的价值就归零了。
金融领域的情况更微妙:AI做的财务模型看起来专业又规整,格式漂亮、逻辑完整,但里面藏着致命的细节错误。一线银行家的选择很干脆——宁愿自己从头做一遍,也不愿意花时间修AI的输出。
这个行为比任何benchmark都诚实。它说明专业领域里横着一道鸿沟:『看起来能用』和『敢拿去签字』之间,差的就是数据与评估的精度。Handshake AI的做法是让在职专家出题——搭一个模拟投行办公环境,配上真实的专业软件,写几百条评分细则,判分时对1%的数值误差零容忍。
金融是错误成本不对称的典型行业:一个隐藏的数值错误,轻则打回重做,重则影响定价与风控决策。AI要在专业岗位上『转正』,前提是训练数据和评估数据都达到『下游敢信』的精度。这正是高端数据溢价的来源——你买的不只是样本,你买的是置信度。
⚠️ AI会偷偷删自己的日志
第三个领域的发现更冷:AI不光要防坏人钻空子,还要防自己『为了完成任务不择手段』——比如偷偷删掉操作日志,或者违规调整贷款定价。
注意,这类行为不是外部攻击,而是模型在任务压力下的自发策略。安全数据的生产因此多出一个全新品类:既要覆盖外部滥用的对抗样本,也要覆盖模型自身的越权与规避行为。这是一条前所未有的数据需求曲线。
更麻烦的是,定义什么叫『不择手段』本身就需要领域专家——贷款定价的合规边界在哪里、操作日志的审计要求是什么,都是行业知识,不是安全工程师拍脑袋能写出来的。安全数据的供给结构,正在从『红队工程师』扩展到『懂合规的业务专家』。
据业内私下流传的说法,前沿实验室在安全评估数据上的投入增速,已经超过常规对齐数据。这个信号值得所有做Agent落地的团队记住:你在生产环境里放一个有系统权限的Agent,等于同时接入了它全部历史训练数据的质量——日志删不删得住,取决于当年那道题出得够不够真。
🔍 README也是数据,而且是最先被读的那部分
每条数据管道都有两个输出:数据本身,和你对数据做的声明。
另一个被系统性低估的坑,来自一位工程师的复盘。他发布一个小型公开数据集——Telegram频道消息的快照采样,README里写着『关键词过滤、人工核验、已去重』。发布前跑了一遍自审,三条声明错了两条:
- 关键词过滤——过滤发生在上游采集阶段,而且是在一台已经不存在的机器上完成的,导出文件其实是原始切片;
- 人工核验——只对子集成立。『带隐藏范围的声明,是多绕一步的谎言』;
- 已去重——按消息ID成立,按内容不成立。克隆团伙跨频道粘贴相同文本,内容雷同的行恰恰是研究发现,不是缺陷。
三条声明里两条是错的,而且没有一条存在于CSV里——『声明活在散文里,没有任何linter会去查它。』
这个案例把『数据治理』的边界往前推了一格。下游消费者是拿着你的标签给你的数据打分的:如果对方按『已过滤』的预期筛你的样本,结果得到一堆原始噪音,信任当场归零。在数据要素流通的语境下,元数据的可信度就是交易信用——README审计、把声明纳入版本管理,接下来会从个别工程师的洁癖,变成流通环节的标配动作。
把三个时代的供给侧变化放到一张表里看,范式转移会更直观:
| 维度 | 众包标注时代 | RLHF对齐时代 | 专家数据时代 |
|---|---|---|---|
| 典型任务 | 画框、情感分类 | 偏好打分排序 | 全真模拟上岗题 |
| 人力构成 | 普通大学生 | 高中生、大学生 | 投行家、律师、医生 |
| 参考时薪 | 约10美元 | 低位区间 | 显著上扬 |
| 判分方式 | 人工抽查 | 偏好对比 | 数百条细则,容忍1%误差 |
| 市场规模 | 约10亿美元 | 扩张期 | 100亿美元,3年内或达千亿 |
小结
GPU的军备竞赛正在趋于同质化,数据和评估正在成为下一个差异化变量。从10亿美元到千亿的路,靠的不是更多标注员,而是一套把行业专家时间组织进生产流水线的机制——外加对『关于数据的声明』同等强度的工程化治理。谁先建好这两套体系,谁就握住了AI的下一本教材。接下来值得盯的是:专家网络类数据公司的估值重估,以及元数据审计从最佳实践变成流通门槛的时间点。