密集的工位上擺放着一排排整齊的電腦，這裡的員工或浏覽圖片，或看視頻，或聽語音，他們一邊看，一邊标記着他們看到的東西。有的是在為無人駕駛公司标注汽車、紅綠燈，有的在為教育機構标注課程對話，有的在為醫院病曆單進行标注.......

談及數據标注行業，人們的第一印象總是直接（把标注）定義成勞動密集型行業，依靠着視覺沖擊，對數據标注行業有了基礎的皮毛了解後，忍不住發表觀點：這不就是富士康嗎？亦或者我們看到的某些新聞對數據行業的報道凸顯的是“重複工作”“低學曆”“條件艱苦”,但是實際上，數據标注這個行業已經走過了小作坊的粗放式，開始走進“技術緻勝”的時代。

數據如何标注？

如今，大多數數據都沒有标注。帶标簽的數據，意味着标注或注釋目标模型的數據，以便可以預測。通常，數據标注包括數據标注，注釋，審核，分類，轉錄和處理。

标注的數據突出顯示某些特征，并根據這些特征對其進行分類，可以通過模型分析其模式以預測新的目标。例如，對于自動駕駛汽車中的計算機視覺，AI專業人員或數據标注者可以使用視頻标注工具來指示路牌的位置，并通過行人和其他車輛的位置來訓練模型。

數據标注本身也需要AI來輔助

文章開始，我們就說過，數據标注正在走向“技術緻勝”的時代，因此數據标注産業也在利用AI提升工作效率。

目前，将技術引入到數據标注流程已經是業内通用的做法，讓訓練好的AI模型反哺人工标注，也是标注技術公司的優勢所在。

像LabelIme支持對象檢測、圖像語義分割數據标注；Photoshop可選擇标注界面和工具；point-cloud-annotation-tool支持3D BOX盒子生成，支持KITTI-bin格式數據.....

再比如AI輔助打點，以往标注師想要精細描摹一輛車的輪廓，需要手工打上30多個點。如果标注一輛車需要1分鐘，那麼标注圖片上所有物體則平均需要1小時。

“借助AI輔助功能，現在隻需在車的外輪廓上任意打4個點，系統就會自動把30個點全部打完，輪廓貼合的也很好。這樣人工打點就能減少到4個，隻需進行微調，減少了一半用時，效率也提升了。”

AI輔助數據标注之智能語義分割（來源：倍賽數據）

不過，在一些全新的領域，機器尚不能輔助人類工作，數據标注仍需人力完成。即便有了AI自動化标注工具，依然要由人來做審核質檢的最後一步。

數據标注更像是一個裁縫

2017年《經濟學人》發表的封面文章提出一個疑問：數據更像是有還是陽光？

不可否認，數據是“世界上最寶貴的資源”，數據是未來的石油；但相比石油、打字員、訓練師這樣的定義呢，我們将數據标注比拟為【心靈手巧的裁縫】更為恰當。标注師們根據行業的要求，按照用戶的非标準化需求量體裁衣。一個數據的完成也是需要經過選料（選擇合作商，下放标注任務）、量體（數據采集、數據标注）、試穿（數據提交、數據質檢）、改樣（數據修改、在提交，審核），每一步都錯不了，每一步也不可缺少。

高質量的數據标注需要高學曆、取得相關資質證件

通過報道我們看到的像百度山西基地，大多數人都是專科背景，經過培訓可掌握通用型的拉框、打點任務。但涉及到醫療、金融、語言、法律等專業領域，往往需要具備專業知識的數據标注師來标注。

例如：在2017年，Google AI公布了一項突破性研究成果：通過機器學習技術，AI能夠從病人的視網膜眼底照片中 自動診斷出潛在的病變情況，來提前發現糖尿病視網膜病變，進行及時的治療和預防，讓患者保住視力。

(比如這種，你能告訴我哪個是有病變的嗎？)

而你如果想要接到類似上述Google的數據單子，是需要取得醫師資格證。同樣的涉及到像做法律文書标注或投融資事件分析，則更是需要相關專業的本科生來完成。所以你還認為數據标注是一項簡單的工作嗎？

人工智能取代了大量的工作，那麼數據标注呢？

據時代的曆史，大約公元前18000年人類用計數棒進行儲存和分析數據；伊尚戈人的骨頭于1960年在現在的烏幹達發現，這被認為是史前數據存儲的最早證據之一；在公元前2400年，算盤作為第一個專門用于計算的專用設備在巴比倫開始使用。第一座圖書館也是在這個時候出現的，這是人類首次嘗試大規模的數據存儲。

從古至今，人類發展都離不開數據。随着近幾年“數據時代”、“人工智能”成為熱點詞，人工智能發展成熟到一定階段，當AI代替了大量人類工作的時候，不會僅僅是個别行業的零星問題，最終的發展方向隻會是更加專業的數據标注人才取代基礎工種。

就人才需求層面來講：

《新一代人工智能發展規劃》提出，到2020年人工智能總體技術和應用與世界先進水平同步,核心産業規模超過1500億元，到2025年人工智能核心産業規模超過4000億元，到2030年人工智能理論、技術與應用總體達到世界領先水平，核心産業規模超過1萬億元。随着政策的進一步推動以及技術的進步成熟，人工智能産業落地速度将明顯提速，中國AI數據服務行業也将迎來巨大的發展浪潮。

相關調查顯示，2019年，企業在數據标簽上的支出超過17億美元。到2024年，這一數字将達到41億美元，因此目前的數據标注人才仍舊處在一個極為緊缺的階段。

雖然在未來，AI很有可能發展到“自己教自己”這一步。但目前為止，大部分的數據标注工作都是由真人完成的。這個工作不像大家想象的那麼簡單，而是充滿了複雜的判定和繁瑣的重複。

而随着人們對數據的需求越來越高，也有越來越多的人開始靠标注數據為生。