ChatGPT的横空出世加速了AI时代的到来，众多科技大佬挤破头对战GPT的同时，。数据标注到底是什么？它是如何在AI热中“卖铲子”的？这把铲子又有多值钱？谁赚到这把铲子的钱？未来还有机会么？

  从出生到获得1亿用户，谷歌翻译用了78个月，Instagram用了30个月，Tiktok用了9个月，而ChatGPT只用了2个月。要知道2个月的人类幼崽才刚刚学会社交微笑。不仅是用户拓展，一切沾上AI的东西似乎都被提速了，包括造富。

  于是福布斯榜单上诞生了最年轻的白手起家十亿万富翁，26岁，来自AI产业的华裔青年Alexandr Wang。他的名字和著名设计师王大仁，大王的英文名几乎一摸一样，只少了个“e”，所以我们下面简称他小王。据说，他的父母取名字的时候特意要凑8个字母把这个e给去掉了，8就是发嘛，而他的财富就是在我们今天重点要说的数据标注这个赛道中创造的！

  AI界最常说的一句话就是”Garbage in, Garbage out”直接翻译就是垃圾进垃圾出。说得更直白一些，AI行业就是和小孩一样，教他什么他就学什么。比如你天天和孩子说英文，不可能指望日后会和你聊日语。放到AI身上，就是给的数据越好，训练出来的AI就工作得越好；给的数据差，那效果就差。

  那么问题又来了，什么算是优质的数据呢？一般来说，高质量的数据，都是精确打好标签（tagging）的，比如这个图像是花，这个声音是鸟叫，这段文字是介绍历史，以及是在一个什么样的背景，这样的一个过程就是数据标注。

  大家应该都有经历在登陆某账号时，被要求去识别一些图像，打勾哪些有轮子，哪些有红绿灯。其实无形当中，我们就帮着做了一次数据标注，有没有突然觉得我们处处都在被科技公司揩油。

  数据标注这件事很重要，因为你越准确得让AI系统清楚自己在学啥，它就能学得越快，而且准确性越好。这和教小孩识字很像，你给他们一堆书，让他自己去发现每个字是什么，和你一个字一个字告诉他每个字是什么，肯定第二种学得更快更好。

  对于AI的发展，好数据是如此重要，所以有人称数据是AI时代的石油。不但重要，而且需求量一样得大。那大到什么程度呢？一般来说机器学习需要的最小数据量是参数的10倍，比如区分一只狗和一只猫，要依靠1000个参数，那你的图片数据就至少要有10000个。就拿大家已经很熟悉的ChatGPT举例，它的前身GPT-2涉及15亿个参数，到了GPT-3涉及1750亿个参数，用到570GB的数据；到了最新的ChatGPT4.0，有人预计，用到了1万亿个参数，数据量就更大了。

  有人估算如果我们人每周读一本书，一生差不多能读3800本书，现在一本电子书超不多是600-800kb左右，我们按800算，总共的数据量不到3GB，还不到一个模型需要的数据量的1%。

  数据标注的需求如此之多，那么这个工作是怎么来完成呢？虽然没准确的数据，但现在我们依然需要人的判断去引导机器，绝对是有多智能就有多人工。机器标注也有，但依然还有很多局限。

  一种就是像刚才说的，找机会揩用户油，让用户帮着标注的是一种，叫做众包（Crowdsourcing）。但一天基本我们也就会做1-2次，加在一起也非常有限。另外当然还是得内部建专门的团队来做这项工作，这就成为了增加科技公司成本和管理难度的问题，于是外包就成了一个必不可少的解决方案。

  这个时候，我们的小王就登场了，他在19岁的时候就看到了这个随着AI技术崛起而来的巨大商机，创办了一家叫Scale AI的公司来专门做数据标注外包的生意，这公司名字也有意思，让AI做大做强吗？

  Scale AI创办于2016年。这一年最重要，著名的科技杂志《连线年是无人驾驶接过方向盘元年”。从谷歌到Uber，从特斯拉再到福特，再到各种大大小小的勇于探索商业模式的公司，不管是做车的还是做技术的都在死磕无人驾驶。

  我们知道要帮助无人驾驶系统识别路况，需要大量的视频图像数据，因此整个行业急需有人来做数据标注。Scale AI一成立就赶上了这个机会大赚了一笔，当时大部分做过无人驾驶的公司都是他们的客户，光是苹果一家的账单就有上千万美元。到了2019年，Scale AI的年营业额就已超越4000万美元。那一年的小王才22岁，是很多年轻人刚刚大学毕业的年纪。

  后来无人驾驶的热潮慢慢降温了，但是AI行业还一直在拓展。以ChatGPT为代表的生成式AI热又给小王带来了新一波机会。后来，OpenAI等一大票客户都找上了门来，连国防部都是Scale AI的客户。后面的情节不用说，大家也能预见到，Scale AI一路狂飙，去年的营业额突破了2.5亿美元。

  并且Scale AI也一直是投资圈的宠儿，以硅谷教父Peter Thiel为首的风投家们，给Scale AI总体投资超过6亿美元，并在2021年给了Scale AI超过73亿美元的估值。就这样，小王闪现福布斯排行榜，成为了最年轻的白手起家Billionaire，可谓名利双收。

  Scale AI能够迅速拿下数据标注的机会，除了抓住了无人车和AIGC发展的需求，主要靠的是薄利多销。那么它怎么做到的呢？Scale AI其实一直不想暴漏自己赚钱的秘诀，他们靠的并不是有什么Rocket Science或者黑科技，简单得说，是发展出AI届富士康的模式。

  刚创业不久的Scale AI就发现规模越大，平均雇佣培训和管理的成本反而越高。于是在2017年建立一个叫做Remotasks的人力资源子公司公司。这个公司专门负责在肯尼亚，菲律宾和委内瑞拉等发展中国家培训大批的数据标注技术工。虽然Scale AI网站上表示，员工只有600多个，但是借助包括Remotasks这样的人力资源公司，实际人员有24多万人。

  有没有感觉AI要取代的人可优先考虑的新工作出现了？但我们也要注意到当中很多是发展中国家。为什么？因为便宜！毕竟很多人的时薪还不到1美元。靠着这些廉价的国际劳工，Scale AI的利润率在2019年上升到了69%，是不是有点科技版血钻，或者AI界富士康的感觉。真的是有多人工，就有多智能。

  虽然Scale AI不想暴露自己的秘诀，也从不对外宣传，但这种赚钱模式很快就成为了行业里公开的秘密。只要找到足够多足够便宜的劳工，Scale AI的成功就可以复制。并且AI对数据的需求慢慢的变大，数据标注的机会依然存在。于是陆续有更多的勇于探索商业模式的公司进入了这个领域。

  不少公司走的也是类似的整合发展中国家人力资源的路子，比如Pure Moderation；还有一些专攻细分行业数据的，比如深耕医疗的Encore；当然也有一些依靠发展AI工具，用机器去做数据标签的公司，比如LabelBox。这一个方向如果有突破，就有望进一步大幅度降低成本，成为数据标记的王者，所以Scale AI也号称在大量使用AI标注。

  我们才刚刚步入AI时代，数据标注的红利期应该还没有过去，可能才刚刚进入爆发，谁能笑到最后，让我们拭目以待。你怎么样看待数据标注的产业机会？你还看到什么AI时代的新机会？留言区我们大家一起讨论。