宇树科技推出仿生7轴灵巧机械臂 适配多场景民用作业

北京798附近的人迷一家咖啡馆内，AI数据标注师廖仔在交谈中一再提到店里的失数咖啡机器人。

在这家占地近3000平米的据标咖啡馆内，不少咖啡师围绕着中央圆形岛台工作，注里但其中最引人瞩目的人迷是一台人型机械臂的咖啡机器人。据说，失数黄色视频怎么下该机器人的据标脸还是依据咖啡店主理人建模而成。

如果时间回到三四年前，注里廖仔想不到机器人可以冲咖啡，人迷也想不到自己会进入AI赛道。失数

99年出生的据标他，专科学历，注里曾在深圳一家体制内单位工作，人迷因为不想自己的失数人生就这样一辈子看到头，廖仔离职读了一个建筑设计相关的据标课程。后来，他又由设计师切入AI行业，最终成为了大厂的一名外包数据标注师。职业变化背后，廖仔的收入也水涨船高，月薪从一开始3K一路涨到了现在13K。

处在Gap期的苏打也曾试图进入这个行业。

985硕士毕业的她此前工作一直顺风顺水，但去年因为跟上司发生矛盾离职后，进入了漫长的职业空窗期。近半年来，苏打也想过转换赛道。当下火热的AI行业让她心动，数据标注师曾被她视为职业转型的方向之一。

但经过一次兼职后，苏打打消了这个念头。“这就是一个纯烧脑的体力劳动，看不到任何上升的空间。”她对「定焦One」说道。

作为人工智能训练师的一个工种，数据标注师2020年被正式纳入国家职业分类目录，但围绕这个职业前景的讨论却是冰火两重天。

一边是基础大模型高速扩张时期，大厂高薪与“AI红利”吸引而来的数以万计的求职者，全国各地甚至涌现了不少打着AI训练师旗号的培训班；另一边则是弥漫在从业者之中的不安和焦虑，很多人觉得自己是在为AI打零工，或者只是sp91成为了大模型优化的一个耗材，既难以形成技术积累，也随时可能被AI所取代。

如今，随着大模型开发从“拼底层参数”转向“争场景落地”，这一工种的需求也在发生变化。标注岗位不再像过去那样“批量放量”，取而代之的是更垂直化的需求和更强的专业门槛。转型成功的廖仔，和抽身离开的苏打，正是这股AI浪潮下的两个典型注脚。

“拧螺丝”的三种姿势：数据标注师的隐秘分层

如果想要进入AI行业，数据标注或许是最没有门槛的一个岗位——在网络上随手就能找到一份兼职。

「定焦One」体验了一个众包平台的视频审核兼职项目，任务是为自动售货机做数据标注。正式上岗前，求职者先得进群进行一轮训练——为500条视频进行标注，且正确率在90%以上才算通过考核。正式接单后，以计件形式收费，每单费用在0.04元到0.1元浮动，标错还会扣钱。

每个计件视频长度大概十来秒，需要辨别出顾客从自动售货机中拿走的商品种类以及数量。任务看似简单，做起来却并不容易。很多饮品、零食的包装非常接近，加上夜晚光线干扰，极易误判。「定焦One」尝试标注了20条视频，用时25分钟，完全正确的只有14条。

群里负责培训的老师一再鼓励大家：一开始错误率高是正常的，后面会越来越熟练、正确率越来越高，熟练后每天最多可做3000条视频。

但做过类似兼职的人在社交媒体抱怨：真的做不了太久，眼睛受不了。在那个标记为11群的近200人大群内，不断地有人退出、加入，3d91禁漫就像一条永不停歇的虚拟流水线。

苏打也在类似的一个微信群里。

前不久，她在招聘平台看到国内某个大厂发布的数据标注兼职岗位。专业不限、经验不限，唯一的门槛是学历——必须是985/211硕士及以上。

这份兼职是为大模型思考过程和输出结果进行打分。输出结果的正确与否、是否照顾到了用户的情绪、感受，以及思考过程是否符合逻辑且高效等等都需要纳入考量。

苏打通过筛选后，也被拉到了一个微信群。同样的，在正式接单之前，需要先进行培训和测试。

苏打收到了一份长达几十页的文件，详细介绍了各个打分维度和评判标准。根据这个打分体系，她需要先进行两到三轮的试标，达标后才可进行接单。通过测试后，在正式的标注过程中，也需保证正确率。如果正确率低于平均水平，便会失去标注资格，需要重新测试。

据苏打观察，她所在群里测试的通过率并不高。

“这份工作的难点是记忆、理解的成本特别高。在标注之前，你得先理解、记住他们的评价体系和打分标准。”更让苏打难受的是，这些标准并不是固定不变的。有时候，面对相似的问题和回答，她用相同的思考方式去打分，结果却截然相反。VR91

就像是写没有标准答案的一张张试卷，无法通过自我努力或学习提升正确率，只能原地不停得打转、消耗自己的脑力和体力，最后获得的报酬微乎其微。苏打告诉「定焦One」，这份兼职也是按计件收费，标注一件的费用只有3-7元。

比苏打幸运一些，廖仔没有这些严苛的KPI和考核标准。

廖仔参与标注的是国内另外一家互联网大厂的外包项目。他领导着一个由10名标注师组成的小组。项目里，有好几个这样的组别，对该大厂的大模型进行评估、鉴定、指定标注规则。廖仔会对每天需要标注的任务进行分配，再告诉组员具体的规则和评判标准确保客观性。除数据标注之外，他还需跟算法团队、产品研发团队沟通，根据上下游反馈调整模型的评估和鉴定。

廖仔还是以咖啡机器人举例，如果要AI制作咖啡，那么就需告诉它整个链路，包括咖啡树如何种植、咖啡豆有哪些品类、分子结构如何、怎么研磨等等。通过每一步的数据标注，对它进行调校，然后再回归到模型，让它自主训练。

三种数据标注工作可以大致勾勒出这个职业背后的隐形分层：自动售货机标注，考验“体力+注意力”，靠重复和熟练提升效率；为大模型的思考过程和输出结果打分，要求较强的理解力和记忆力，像在答一道道没有标准答案的试卷；大模型评估，则在标注之外承担流程管理和沟通工作，具备一定自主性。PH91大片

常有人将数据标注比做AI流水线上的“螺丝钉”。在廖仔看来，即便是拧螺丝钉，到他这一步，最起码清楚了用什么工具拧、怎么拧效率会更高。

尴尬的岗位：重要，但是廉价

站在产业链更上游的Jackson，能从更为完整的流水线上审视数据标注的意义。

Jackson是海外一所名校研究生毕业，现在在上海一家科技企业从事基础模型训练工作。他告诉「定焦One」，模型训练主要包含三个部分：预训练、监督微调和强化学习。

预训练所需的数据量动辄十几TB，主要来源于公开爬虫数据、模型合成数据、第三方采购数据或企业自有数据。这一阶段对人工标注的依赖较少。

数据标注师主要介入的，是后两个阶段。

微调阶段（Supervised Fine-Tuning，简称SFT）目标是让预训练后的通用语言模型适应特定任务或对话场景，使其输出更符合人类期望。简而言之，就是输入特定数据后，教会模型“如何回答”。

强化阶段（Reinforcement Learning from Human Feedback，简称RLHF）的核心是利用人类偏好数据优化模型输出质量。

用再通俗一点的话解释，SFT是要写出一个答案让AI学习、模仿；而RLHF则是在AI给出几个答案后，帮助AI选择一个更符合人类偏好的答案。

廖仔大部分的工作都属于前者，很难量化；苏打的工作则是后者，可以计件考核。而像前文提到的自动售货机标注这类较为简单的数据收集工作，将很快被AI替代。

Jackson介绍，在微调和强化阶段都可以使用一些自动化手段，或是使用其他模型生成的数据，但其内容的多元性、正确性以及专业性可能不如人工标注的数据。就像DeepSeek生成的内容一眼就能看出来。

“最好的效果肯定是全部由人工标注，但（AI公司）老板们比起做个完美的模型，更在意成本。能用模型合成一个次优版本，也是可以接受的。”

据Jackson估算，一次完整的微调和强化训练多则需要几十万条数据，而且模型还会更新迭代，数据的需求也会成倍累积。据他观察，目前国内的大模型团队有财力做人工数据标注的只有几家顶级大厂，其他团队大部分都是用别人的模型生成数据。

根据公开资料，字节跳动在AI上的投入仅2024年就达到了800亿，2025年这一数字还要翻番到1600亿。今年2月，阿里巴巴集团CEO吴泳铭宣布，未来三年，阿里将投入超3800亿元用于建设云和AI硬件基础设施。

但即便是这些头部玩家，也必须在各环节精打细算。数据标注作为成本可控的一环，被大厂选择以外包、众包的形式进行，成为常态。

苏打每天兼职的工作量大概在3-4个小时，她计算了一下时薪，也就30-60块之间。苏打说，这三四个小时必须全神贯注，一点水分也挤不出。这样的一个付出和回报，如果不是对这个行业感兴趣真的很难坚持下来。

但苏打所在的微信群每天还在不断进人。“你不干，有的是人肯干，价格自然上不去。”

问题的本质不在于数据标注不重要，而在于这类工作缺乏技术壁垒。大模型的生成、优化是一个非常精细化的过程。每一条数据就好像是布玩偶身上的一个针脚、斑马身上的一根毛发，很难辨析出其对于整体的意义。在这条流水线上，标注师很难积累出个人能力上的“独占优势”，非常容易被替代。

没有壁垒，就难有议价能力。

从招聘网站公开信息来看，兼职数据标注师日薪多在120-500元之间，外包岗位月薪大部分在9-17K之间。几家大厂的正式岗位，月薪则在15-25K之间。相对技术岗和算法岗，这样的薪资水平并不算高。

被自己训练的AI替代：谁能突破金字塔？

因为没有成长性，苏打最终放弃了兼职，也不打算再投任何数据标注相关的岗位。为此，她还专门咨询了一位从事AI数据标注多年的朋友。

这位朋友在大模型爆火之前，便加入了国内的一家大模型团队，后来又跳槽去了另外一家大厂。朝阳行业、高薪岗位，很多人羡慕她踩中了风口，但她劝苏打慎重投递这个岗位。因为数据标注师职业发展空间有限，很难跳进AI产业真正的核心环节。

Jackson也持类似的观点。

他用金字塔形容当前AI从业者的阶梯式分布：塔底是标注，腰部是应用，再往上是做微调和后训练，塔尖才是基础模型设计和预训练。“现在基本上是背景决定一切，很难从塔底一层层向上突破。”

所谓的背景是指学历和学术背景。譬如，很多岗位，学历就是一个硬性门槛。Jackson分析，应用层面需要本科学历，微调和后训练阶段硕士起步，基础模型基本上都是博士。

就拿他所在的算法岗来说，找工作要看学历、实习、比赛、论文若干个维度。AI圈尤其重视学术背景。如果没有过硬的论文，即便是排名还不错的学校毕业，也很难进入大厂的AI团队。

“站在金子塔尖的，大部分是顶级学校的博士，还需要发很多论文的那种。”他总结。

与此同时，标注师们训练出来的模型本身，在悄然和标注师展开竞争。会不会被AI取代，成为悬在标注师们头上的达摩克利斯之剑。

Jackson指出，在一些成熟的文本模型中，模型合成的数据已经替代了80%的人工标注。这背后的逻辑是，模型不强时，对标注的需求就大；标注多了模型能力变强了，AI就会在这个任务或者这个领域把标注师替代了。

在海外的一些高科技企业，这样的情况已经发生。

据彭博社报道，苹果公司于2024年1月关闭了一个与Siri人工智能业务相关的团队。他们原本负责对用户与Siri交互时产生的数据进行监听分析、标注和理解用户需求。同样因为自动标注能力大幅改善，2022年6月，特斯拉裁撤了200名为其标注视频以改进辅助系统的美国员工。

另一方面，大厂战略的变化，也影响着数据标注师的职业前景。

2023年初，基础大模型是所有科技巨头竞相投入的战场，百度、字节、阿里、腾讯等大厂商高调押注自研大模型，数据标注一度成为不可或缺的基础岗位。

但进入2024年，这场竞赛明显降温。多家大厂陆续调整重心，开始从“造更大参数的模型”，转向“让模型真正落地”。

这一转向，也直接影响到数据标注这一基础工种的岗位供给与预算安排。于是，用于支持基础大模型训练的数据标注需求可能被压缩。未来企业需要的将不再是成千上万“能标数据的人”，而是“懂业务、懂模型的人”。

当然，需求并未完全消失。一方面，Jackson解释，随着AI技术的发展、大模型进一步落地将会产生大量的应用场景。每当有新的场景出现，就需要找人标注数据。数据标注的需求仍将长期、大量存在。另一方面，根据清华大学发布的《智能数据产业发展观察报告》，2024年数据标注产业有用工需求的企业从2023年的457家升至1195家。另据IDC数据测算，2025年中国人工智能基础数据服务市场规模将突破120亿元，2019-2025年年均复合增长率（CAGR）约为47%。

只不过，这些增长更多属于“横向增量”——也就是新场景带来的数据标注需求扩容，而非“标注师”作为工种本身的上升通道被打开。对绝大多数从业者而言，他们所做的，依然是为流水线打工。

已经被AI“抢”过一次饭碗的廖仔对自己的职业未来充满信心。

在来北京之前，廖仔在上海的一家设计公司做了两年设计师。那时候，AI对于设计行业的冲击已经开始，廖仔所在的公司也不得不向AI转型，决定做一个客服类大模型。他主动请缨参与其中，这个AI项目为他打开了新世界大门。

后来，他从公司离职，对AI进行了更为系统的学习。今年春节后，他入职了现在的公司。每天下班不管多晚，廖仔都会学习两个小时AI相关的内容，他还开了一个小红书账号“炸毛疯兔”，记录AI心得。

“凡事发生，皆有利于我。”在交流时，廖仔一再引用这句话。

咖啡店的工作人员时不时会送来一些新品试吃，服务细致妥帖。而引人注目的咖啡机器人一下午并没有冲调一杯咖啡。最起码现阶段，机器人对这家咖啡馆而言，更多是一个装饰品。尽管未来不可控，但人的主动性始终是关键。

• 题图及文中配图来源于pexels。文中廖仔、苏打、Jackson皆为化名。

Keith Urban全新歌单合辑《Speeding Ticket》发行

　　凯斯·厄本(Keith Urban)带着对音乐的深切热情度过了人生的大部分时间。他的故事与众不同,充满了独特的曲折、转折和挑战。对音乐的痴迷是核心,再结合他的真实性、才华和对音乐的好奇心,便能理解为什么他是世界上最成功、最受人尊敬的艺术家之一。由于他天生具有在音乐和个人上与人建立连接的能力,他涉猎新的音乐风格在不断拓宽,而他的观众也不断在世界范围内积累。

　　在获得所有荣誉和许多奖项之前,Urban一直备受爱与音乐的滋养。唐·威廉姆斯(Don Williams),约翰尼·卡什(Johnny Cash)和格伦·坎贝尔(Glen Campbell)等人的音乐充斥在他布里斯班郊外的澳大利亚乡村住宅中。这些来自美国的音乐,在他父亲的唱机上循环播放,而他父亲本身就是鼓手。早期接触音乐点亮了终生的音乐浪漫。这位新西兰出生、昆士兰长大的年轻男孩着迷了。六岁的时候,父母送他了一把便宜的吉他,讨价还价上的吉他课程和无数的才艺比赛让一位理想主义少年心中充满了追求音乐生活的唯一渴望。实际上,他没有其他计划或选择。

　　年仅10岁时,Urban家的房子被烧毁,他差点没能逃出来。对于一个没有太多积蓄的工薪阶层家庭来说,这是特别残酷的损失,这也很大程度上塑造了Urban的人格。意志坚决的Urban退学了,开始在当地的酒吧里一晚演出4场。他15岁那年,他磨练得更为成熟的吉他和演奏技巧提升了他翻唱AC / DC和Dire Straits等乐队的口碑。从西海岸摇滚乐队到二重奏和三重奏,他参加了各种乐队的表演,甚至在一支重金属乐队中短暂待过……但是纳什维尔一直是他的目标。

　　20岁那年,Urban离开澳大利亚,前往纳什维尔,在那里他竭尽所能寻找属于自己的高光时刻。不出意料,想要在乡村音乐中大放异彩,他摇滚的吉他风格、有趣的口音和长长的头发,并不能完全融入其中。澳大利亚和纳什维尔之间来回的往年发现,他靠自己的乡村摇滚三人乐队The Ranch并不能赚多少钱。直到25岁左右,Urban终于在纳什维尔和Capitol Records找到了自己的家,发行了首张同名专辑,他24首冠军单曲中的第一首诞生了,这对于玩乡村音乐的外国人来说是史无前例的成就。

　　如今, Keith Urban是享誉全球的艺术家、音乐人、制作人、词曲作者和歌手,他始终保持着躁动的内心和音乐上的无畏。他不断吸收各种音乐的音乐灵感,同时磨练自己的技能并学习新技能,从而不断发展。

　　随着2013年多白金唱片销量冠军专辑《FUSE》的发行,Urban致力于创造一种新的跨风格音乐,从而打响Keith Urban的音乐品牌。 《FUSE》为后续的专辑打开了一条路。 2016年的《RIPCORD》和2018年的《GRAFFITI U》在美国、加拿大和澳大利亚的Billboard专辑排行榜上同时空降第一位。其中包含迄今为止Urban最成功的全球热单《Blue Ain't Your Color》、《Parallel Line》和《The Fighter》,以及他职业生涯中最成功的世界巡回演唱之一“ GRAFFITI U World Tour”,跨越三大洲七个国家,覆盖150万人。在这段时间里,不断扩大的全球观众追随着Urban的创作之路,这也使他积累了超过30亿的全球流媒体播放量。

　　Keith的现场表演实力众人皆知,是情感、音乐质感、能量和表演技巧的爆炸性体验。他的目标是不论在15,000人的大型体育场舞台或在50,000人面前的户外活动中都能联结和触摸每个灵魂。

　　合作一直是Keith创作之旅中的一部分,无论是在舞台上还是在工作室中,他与Post Malone,Nile Rodgers,John Mayer,Eric Church, Julia Michaels等众多艺术家建立了共同语言。

　　Urban的成功很大程度上在于他对实现可能性的渴求。他在Lady Gaga发起的“One World: Together at Home”活动中演绎Steve Winwood的《Higher Love》以及他在露天电影院为COVID-19急救人员演唱的音乐会都引起了全世界的关注。

　　2020年9月18日Keith Urban发行了自己的第十张录音室专辑《THE SPEED OF NOW Part 1》,以《Polaroid》作为首发的先行单曲已经在全球范围内引起了巨大反响。专辑发行前,他与P!nk首度联手发布合作新单《One Too Many》。

　　2020年11月18日Keith Urban发行了包括大热单曲《One Too Many》在内的全新歌单合辑《Speeding Ticket》,其中《Out the Cage》将作为重点单曲。

　　Keith Urban是一位职业生涯持久的艺术家,他无所畏惧地不断发展,以自己独特的声音表达打破刻板印象和风格定式,并以此吸引着全球各地的歌迷。

凯尔特人后场球星：常规赛需要拼命，季后赛除了拼命还要打得聪明

波士顿凯尔特人后场球星佩顿-普里查德（Payton Pritchard）接受了CelticsBlog记者Bobby Manning的采访，他在采访中谈到了多方面的问题。

在谈到球队的赢球法则时，普里查德表示：常规赛期间我们主要靠拼搏去赢球，但是到了季后赛，情况就完全不同了，你不仅要拼得更凶，还要打得更聪明，这就是在不同比赛中制胜的秘诀。你不仅需要在场上倾尽全力，同时你也需要保持敏锐的比赛阅读与明智的决策。这才是重中之重，我们需要每个人都将自己的表现提升一个档次。

在上赛季的NBA常规赛中，普里查德总共出场79次，场均出场时间达到了32.3分钟，场均数据为17.0分3.9篮板（0.9前场篮板）5.2助攻0.7抢断0.1盖帽，还有1.4次失误和1.5次犯规，投篮命中率46.4%（6.4/13.8），三分命中率37.7%（2.7/7.1），罚球命中率89.0%（1.5/1.7）。到了季后赛，普里查德总共出场7次，场均出场时间达到了32.9分钟，场均数据为14.6分3.7篮板（1.3前场篮板）5.1助攻0.4抢断0.0盖帽，还有0.7次失误和0.7次犯规，投篮命中率42.4%（5.6/13.1），三分命中率30.9%（2.4/7.9），罚球命中率87.5%（1.0/1.1）。