夜雨聆风标注猿的第114篇原创
跟着标注猿用数据视角看AI世界
做了十几年数据标注，我们一直习惯一种生意模式：
“这里有100万张图片，能不能标？”
“有5万小时语音，多少钱一个小时？”
“机器人数据要采3个月，你们能不能组织人？”
然后数据标注公司开始算：
需要多少人、多少台电脑、一天能做多少、最后能赚多少钱。
这套模式，我一直把它理解成数据标注行业的“来料加工”。
但这几天，我看到一个挺有意思的变化：
AI训练数据，开始被直接摆到“货架”上卖了。
TalentsAI平台数据标注专家招募：单条100-1000
8月16日，艺恩数据市场正式上线，首批34个成品数据集公开上架，
覆盖具身本体/Ego、视频、社媒、电商和文本语料等类别。
客户可以直接查看数据集规格、标注字段、样例结构和授权说明，还可以申请样例测试。
这件事情本身可能不算特别大的新闻。
但我觉得，它背后可能藏着数据标注行业下一轮商业模式的变化。
传统的数据标注项目，非常像代工厂。
客户提供原材料：
图片、视频、语音、文本。
客户再提供生产标准：
怎么画框、怎么分类、怎么审核、准确率达到多少。
数据标注公司负责什么？
招人、培训、管理、生产、质检，然后按照条、帧、小时或者人天结算。
一帧5毛钱。
一条2毛钱。
一个有效小时70块钱。
业务模型非常清楚：
人干了多少活，公司就收多少钱。
但这种模式有一个很明显的问题：
项目来了，公司才有收入；
项目结束，人员就要释放；
下一个项目来了，又要重新招聘和培训；
而且同样的数据交付以后，通常跟供应商也没有什么关系了。
TalentsAI平台数据标注专家招募：单条100-1000
公司每一年都在重复建设产能，却很难沉淀真正能够反复产生收入的东西。
所以很多数据标注公司做了五年、十年，回过头看，最大的资产还是：
几百名员工、一些客户关系和一套项目管理经验。
项目一停，收入也跟着停。
这次我最关注的，不是34个数据集到底有多少条数据。
而是几个变化。
第一，数据是在客户提出具体需求之前，就已经生产好了。
第二，数据开始有标准化的Schema、字段定义、样例和交付格式。
第三，客户可以先看样例，再决定买不买。
第四，数据来源、授权和合规开始成为产品的一部分。
这已经很像我们买软件、买数据库甚至买商品了。
艺恩目前公开展示的数据中，已经出现家庭Ego操作数据、视频理解数据、社媒数据等产品，并强调RLDS等标准化交付形式。
以前客户的问题是：
“你能不能帮我生产这批数据？”
以后客户的问题可能变成：
“你现在有什么数据可以直接给我用？”
看起来只换了一句话，背后的商业逻辑完全不同。
一个是项目。
一个是产品。
如果这个趋势成立，数据公司的核心能力也会发生变化。
过去，我们最关心的是产能。
客户来了10万条数据，我能不能两周交完？
以后更重要的问题可能变成：
什么数据值得提前生产？
比如一家机器人公司已经拥有几十万次普通抓取数据。
你继续帮它采机器人抓杯子、拿盒子，当然还能卖钱。
透明物体怎么抓；
软包装怎么抓；
抓取失败以后怎么恢复；
有人突然进入机器人工作区域怎么办；
换一个工厂以后模型还能不能完成任务。
这时候，数据公司不能只等客户把SOP写完以后交给你。
模型到底缺什么？
哪些数据已经严重重复？
哪些长尾数据最有价值？
哪一批数据加入训练以后，模型能力能够真正提升？
这其实意味着一个很大的角色变化：
数据标注公司开始从“执行需求”，走向“定义数据需求”。
这一步，比多招100个标注员难得多。
我越来越觉得，未来数据服务可能会明显分成三个层级。
客户给数据，我们采集、清洗、标注、审核。
做一次，结算一次。
这是劳务型收入。
自己建设行业数据集、模型评测集、机器人场景数据集。
一套数据经过合法授权和标准化加工以后，可以面向不同客户提供。
这是数据资产型收入。
模型上线以后不断产生失败案例；
失败案例回流；
再筛选高价值数据；
重新采集、标注和训练；
最后继续评测模型。
8月17日，觅蜂科技宣布完成新一轮数亿元融资，
资金用途就包括建设具身智能数据“平台型供给”基础设施，
并强化数据采集、治理和闭环评测能力。
我认为“闭环”这两个字，比“融资数亿元”更值得数据标注公司关注。
因为它意味着：
数据交付结束，可能不是项目结束，而是下一轮数据生产刚刚开始。
看到这里，千万别理解成：
赶紧把以前做过的客户数据留下来，以后拿出去卖。
这是完全错误的。
数据产品真正最大的门槛，首先不是标注能力，而是：
数据从哪里来的？
采集对象是否授权？
是否包含个人信息？
客户项目里的数据能不能二次使用？
知识产权属于谁？
能不能用于商业训练？
能不能跨客户销售？
这些问题不解决，硬盘里存了100TB数据，也不代表拥有100TB数据资产。
数据是否标准化、是否有版本、Schema是否清楚；
质量如何证明、能不能直接进入模型训练；
买完以后模型效果有没有提升。
所以，真正的数据产品公司，本质上也不是“囤数据”的公司。
而是能够完成：
场景定义 + 合规获取 + 数据生产 + 标准化加工 + 模型验证
的一家公司。
我不认为大多数数据标注公司现在就应该去建设一个“数据交易市场”。
那太早了。
但至少可以开始改变四件事情。
第一，不要只记录一个项目赚了多少钱，要开始沉淀场景能力。
你做过自动驾驶，就要知道什么数据最难；
做过大模型，就要知道什么任务需要专家；
做过具身智能，就要知道哪些场景的数据最稀缺。
第二，开始积累Schema和数据标准设计能力。
未来客户付钱的，不只是标注动作，还有你定义数据结构的能力。
第三，补上合规能力。
数据来源和授权链路，很可能成为未来数据产品最重要的护城河之一。
第四，开始理解模型验证。
一批数据到底值多少钱，最后不能只看标注准确率。
更重要的是：
它进入训练以后，让模型提高了多少。
过去十几年，数据标注行业一直在卖一件东西：
人干了多少活。
一帧多少钱，一条多少钱，一个小时多少钱。
所以大家最关心的是：
哪里还有项目？
谁手里有甲方？
现在还能不能找到100个人？
但当AI训练数据开始被标准化、被展示、被试用，甚至被直接摆到货架上的时候，
我觉得这个行业真正值钱的东西开始发生变化了。
未来最好的数据公司，不一定拥有最多的标注员。
它可能拥有的是：
最多的、合法的、标准化的、模型真正需要的数据产品。
所以数据标注行业的下一场竞争，也许不是把一个框再便宜一分钱。
而是谁先完成这一步：
从等客户发项目，到主动生产数据产品。
从“来料加工”，走向“数据资产”。
我是AI数据标注猿刘吉。
跟着我，用数据视角看AI世界。
CSDN：AI数据标注猿
AI数据标注猿
AI数据标注猿