为何说上海是“高端标注”的理想之城？

今年3月，杨浦区与字节跳动旗下火山引擎共建的火山工场开业，近10家数据标注企业入驻产业园。

在人们惯有印象中，标注行业是赛博空间的“流水线”。给数据“打标签”的工作在线上就能完成，并不依赖具体哪座城市。然而，资深从业者并不这样认为——上海颐高智慧人工智能有限公司副总裁段淑伟说，上海是高端标注行业的理想之城。

当人工智能技术向医疗、金融、自动驾驶、具身智能等领域深入推进，数据的复杂程度大幅跃升。上海的专业人才密度、企业需求强度与生态协同程度，构成了对高端数据标注行业的吸引力。“入驻后，企业将作为集团数据标注业务全国总部，年业务量1000万左右。”他说。

人才密度

在段淑伟看来，人才是企业选择上海的首要原因。

数据标注是对数据进行添加标记、说明、解释、分类和编码的过程，也是将人类对物理世界的经验和理解向机器“传授”的过程。

以具身智能为例，训练中首先由人工操控机器人完成舞蹈、炒菜、打扫卫生等一系列任务。机器人身上搭载多个摄像头，采集完成任务过程中的动作画面作为数据。这些不能被机器直接理解的数据，会被打包成各种“业务包”发给标注团队。标注员将连贯的动作逐帧拆解，通过自然语言描述每一帧动作后，机器才能学习这些数据。

如果说标注员是机器学习的“教练”，随着近年来模型能力快速提升，标注业务的内容正在从通识领域的经验转向各个专业领域的知识。比如，医疗影像标注需要专业知识以识别病灶，多语种标注业务需要高学历翻译人才。

段淑伟认为，数据标注正在从劳动密集型向知识密集型转变。不仅对从业者的专业要求越来越高，还有向各行各业“抢人才”的趋势。一些高端标注业务时薪超400元，许多资深标注师来自其他行业，“白天照常上班，晚上兼职标注。”

企业需求

此外，头部AI企业需求让不少高端标注“不得不来”。

在云工厂大楼9层，办公空间一分为二：一侧是颐高智慧的标注总部，另一侧是火山引擎自建的L4级别数据标注基地。

L4是火山引擎保密级别中的最高级。“对头部AI企业来说，数据是其核心资产。涉及核心业务的重要数据，头部企业会严防数据泄露。”据介绍，在行业内，一家标注供应商很可能承接两家头部企业的标注业务，二者互为竞品。一旦某家企业用于模型训练的重要数据被对家掌握，可能造成重大战略损失。许多头部企业大多自建标注基地，业务启动后不接入外网、不接待参观，甚至不能携带手机进入工区。

不同标注团队擅长的领域不同，一家头部AI企业的供应商库中通常有众多数据标注团队。因此，围绕头部AI企业，往往会形成一些相对集聚的高端标注生态。“以颐高智慧为例，承接火山引擎业务的人员在客户的工区上班，承接其他业务的人员在自己的工位上班。”

生态协同

标注行业的另一个特点，是强信任、强协同。

“行业内客户与标注团队，有点像总包与分包的关系。”段淑伟说，由于标注业务通常数据量巨大、交付时间又紧，单一标注团队往往难以独自承接客户需求。客户会选择一家长期信任的供应商作为总包，总包供应商再从领域内挑选业务能力优秀的分包商以及兼职人员，共同完成客户需求。

以颐高智慧为例，企业目前员工有数百人，储备的合作企业和兼职人员则共计上万人。

数据标注的准确性，选择标注团队的主要指标。段淑伟说，如果标注的准确率不足，会对客户投入巨额算力训练的模型能力造成显著影响。因此，行业非常重视信任关系和协同关系。“我们必须监管供应商表现，如果合作团队表现不佳，自身同样无法获得客户信任。”

段淑伟认为，强信任、强协同或许将成为上海高端标注的一大优势。杨浦区与火山引擎共建的火山工场，既有政府的支持实现物理集聚，又能依托火山引擎获得技术赋能，有望催生一个高品质的产业生态圈。客户与同行可以大幅降低信任成本，快速彼此“锁定”，持续释放市场需求，共同推动产业规模增长。