8月19日，宇樹科技登陸科創板，成為“A股人形星空機器人第一股”。但這家備受追捧的公司在招股意向書中坦承：算力支撐薄弱、高質量數據缺乏導致模型智能化程度不足，已成為制約行業發展的重要瓶頸。
無獨有偶。大模型頭部企業DeepSeek創始人梁文鋒近日在一場分享活動中提到，公司一半核心研究員在做數據標注，并將此視為現階段最重要的工作。
在大多數人印象中，數據標注不過是“打標簽”“畫框框”的“體力活”。這兩家站在AI前沿的企業，為何將它放在如此重要的地位？
數據標注，即將原始數據轉化為AI可學習的高質量數據集，可理解為給AI提供“養料”。隨著大模型加速落地，數據標注在AI世界的角色，已從配角升級為AI技術應用的核心支撐。整個產業正加速從勞動密集型向知識密集型轉型。
6月，國家數據局印發實施方案，推進行業高質量數據集建設行動，其中之一為標注攻堅行動，強調要引導數據標注從“以人為主”向“人機協同、專家深度參與”的多層次標注模式轉變，推動數據標注向專業化、智能化躍升。
“搬運工”變身“煉金師”
浙江熱熱科技有限公司，新員工張睿最近在教AI做視頻。她點開由某知名大模型生成的視頻，從運鏡、光影、色彩、物理規律等維度逐一打分。
“到這里工作后，我才知道這也屬于數據標注，還是‘評測標注’這一新的熱門分支。”張睿說。如今，大模型生成內容質量離精品還有差距，比如視頻中人物表情僵硬、走臺線路不對等，他們要標出來反饋給工程師，讓大模型不斷改進。
這一新崗位誕生背后，一場產業變革正在上演。
中國信通院等發布的《數據標注產業發展研究報告（2025年）》指出，數據標注產業正朝著高技術含量、高知識密度、高價值應用方向發展。據研究機構Grand View Research預測，2025—2030年，全球數據標注解決方案和服務市場將以20.3％的復合年均增長率增長，到2030年規模將達576.3億美元（約4034.1億元）。
“大模型的能力從0到60%，可能只要1TB數據，但從90%提升至91%，可能要1PB高質量數據。兩者差距在千倍以上。”杭州景聯文科技CEO劉云濤說，用戶常吐槽大模型“一本正經地胡說八道”，原因之一即在于其缺乏高質量數據。這家數據采集標注頭部企業甚至提出，AI算法開發80%的時間都在準備數據和標注。
高質量數據標注，決定著AI上限。
浙江大學軟件學院教授張微解釋，大模型早期訓練所需數據確實很簡單，告訴AI“這是樹”“那是車”，或在“謝謝”后接“不客氣”即可。這類初級標注如今大多可由AI完成，但市場對大模型應用的要求不斷提高，AI急需高質量標注數據實現能力突破。
他用“三高”概括AI對數據集新的高要求：高專業性，如醫療影像數據需要資深醫生參與標注，法律數據要求標注者具備法學與實務背景；高交互性，讓AI識別人類語氣的細微變化，精準判斷指令背后的真實訴求；高復雜性，融合文本、圖像、音頻、視頻等多模態數據，精度大幅提升，場景時序精準到秒級甚至毫秒級。
2024年，不少人歡呼大模型進入“場景落地元年”。但時至今日，具身智能、自動駕駛、智慧醫療等垂類大模型，多數仍在真實環境中受訓——業內如今認為，通用具身模型的訓練門檻，是千萬小時級高質量真實物理交互數據。而截至今年初，全球此類數據僅50萬小時。怎么辦？
從宇樹科技在招股意向書中披露的信息，可一探行業破題的方向：搭建大規模真實數據集，建立自動化標注機制，進而構建“數據飛輪”，以數據驅動業務持續增長。
各地也在加速探索。如杭州已集聚具身智能、醫療、文旅、地球科學等4家國家星空人工智能應用中試基地。“各基地要建大量應用場景，場景落地會推動模型迭代，模型迭代離不開高質量數據集支撐，就會帶來海量的數據采集和標注工作。”杭州市大數據管理服務中心相關負責人說。
在具身智能應用中試基地，記者看到，星空機器人咖啡師、星空機器人護士、四足巡檢星空機器人正在現場搭建的咖啡館、病房、山區線路等場景中“學本領”。
“學本領其實就是真實數據采集、標注、訓練的過程。”工作人員以“拿杯子”為例介紹，過去訓練多用模擬數據，星空機器人練得再好，一到復雜現實世界就會不知所措。真實環境訓練可以建立4D感知甚至6D姿態追蹤，讓星空機器人認知真實世界如何運行，哪怕面對不同杯子等“意外情況”也能精準執行。這些數據經系統標注處理后，還能喂給其他星空機器人，讓它們同步掌握。
數據標注，已從“搬運工”變成“煉金師”。
醫生、律師、院士專家正在入場
目前，高端數據標注的路徑公認有三條：“模型預標注+人工校準”“人工標注+模型檢驗”“模型預標注+模型檢驗”。
三者說白了是一回事：人機協同。專業一點講，叫RLHF（基于人類反饋的強化學習）——這是以ChatGPT為代表的大模型能快速崛起的核心訓練方法。背后邏輯很簡單：人類像老師一樣告訴AI對不對、怎么改。
如今，AI對“老師”的要求越來越高。全球數據標注領頭羊Scale AI創始人直言，行業“需要最優秀和最聰明的頭腦來貢獻數據”。
專家標注市場快速崛起。在國內，醫生、律師甚至院士及其團隊正在入場。
“數據脫敏后，由我們進行專業標注，就像重新解讀病歷、影像或者檢驗報告，只不過對象不再是病人，而是大模型。”杭州某三甲醫院的一名醫生觀察到，大模型協助醫療診斷、醫藥研發的案例越來越多，浙江醫療AI智能體“安診兒”已累計服務超2億人次，“參與數據標注，也是為了看看大模型的潛力到底在哪里。”
市場也急需既懂標注工具又懂行業知識的復合型人才。普通從業者正在加速專業化。
“以前會點鼠標就行，現在得懂物理、美術等專業知識。”在杭州高端數據標注基地，百川科技負責人蔡彬有個“甜蜜的煩惱”：最近一次性招了30多名本科畢業生，卻仍追不上訂單增長的速度。
近日，國家信息中心牽頭編制的《數據標注師崗位要求》團體標準正式發布。該標準把數據標注師分為基礎、進階、高階三個等級，構建了一套覆蓋數據標注師全生命周期管理體系，填補了行業空白。
“企業迫切需要權威統一的行業參照來開展人才培養，這也是行業健康發展的客觀需要。”參與編制工作的張微介紹，螞蟻科技、浙江省智能經濟與智慧城市促進會、浙江大學等多家浙江單位參與了標準編制，側面反映了我省對此類人才的旺盛需求與深度布局。
6月5日，杭州高端數據標注基地在上城區九堡街道正式開園。首期1.3萬平方米的空間里，已陸續吸引火山引擎、海天瑞聲等頭部企業，以及百川智宸、九州文化等20多家上下游企業入駐。
此事成了行業“新風向”。此前，數據標注企業偏好中西部等勞動力成本較低的地區。“外地新員工工資三四千元，杭州要五六千元起步。”杭州錸鉑鍶科技有限公司相關負責人坦言，但杭州有高校、有技術、有市場，后發優勢明顯。
在園區遇到不少本科、研究生學歷的新員工，他們來自影視、動畫、中文、物理等專業。資深從業者中，還有人參與過科幻大片《流浪地球》的建模工作。
“高質量數據標注已成為系統性工程，對企業的技術和管理水平都提出了新挑戰。”采訪中，劉云濤反復提及：景聯文的核心競爭力不是“標注平臺”，而是“數據工程體系”。
他舉例說，以前數據標注基地一般百來號人，數據準確度有95%就不錯；現在一張訂單可能就要上千人同時參與，準確率要求99%以上，怎么辦？
景聯文為此自研兩個平臺：SolarSense語料工程平臺，覆蓋從數據采集、治理、標注、質檢到編目運營的全流程，實現規范化和高標準穩定輸出；QApex數據生態平臺，通過專家標注與評審機制，保障高專業度場景的數據質量。同時把技術人員派到一線，助力標注基地升級……一套“組合拳”下來，該公司的標注效率提升3倍以上。
當前，我國頭部數據標注企業的業務構成中，完全人工標注約占10%—30%，人機協同模式占50%—70%，其余為模型自主標注。
“數據標注技術好像很一般，很多標注師還是在‘畫框框’。”有準備接觸數據標注的學生疑惑道。
“以前的‘框’是二維的，比如標什么是籃球；現在很多‘框’升級成四維了，比如標出比賽中籃球技戰術的完整運用。”張微說，盡管沒有大模型技術更新那般“炫酷”，但數據標注的技術也在升級，如跨模態時空融合技術，讓攝像頭、激光雷達、音頻、傳感器數據完成毫秒級同步；標注自進化閉環技術，讓標注輔助模型越工作越聰明；以及面向未來的標注智能體技術，由AI當“項目經理”，解析規則、調度流水線，人類專家負責把關。
數據產業鏈“活”起來
3月，浙江公布首批19個高端數據標注基地試點。從公布的基地運營單位看，杭州市數據資源管理局、溫州市數據集團有限公司、寧波博登智能科技有限公司……相關主體覆蓋杭甬溫等10個設區市，兼顧政府部門、國有數據平臺與市場化科技企業，呈現專業化、市場化、輻射廣等特點。
這一布局頗有深意。
2024年，國家數據局遴選成都、沈陽、合肥等7座城市承擔數據標注基地建設任務，浙江、上海、廣東等數字經濟強省并未在列。但這并不意味著這些地區“按兵不動”。相反，各地一直在立足自身AI與產業優勢，以高端標注等為抓手，探索數據要素化的更多實現路徑。
“浙江高端數據標注產業一大特點，就是跟產業結合緊密。”浙江省智能經濟與智慧城市促進會副秘書長張菊芳說。這也有助于產業形成商業閉環、實現良性發展。
在“中國模具之鄉”黃巖，活躍著一群特殊“工匠”：不拿銼刀，卻能讓老師傅“三十年經驗”“開口說話”；不碰模具，卻能把千萬件塑料的紋理、弧度、應力點一一“翻譯”成AI能讀懂的語言。他們就是數據標注師。
黃巖有數千家模塑企業，積累了海量的非標數據，將它們標注整理后喂給大模型后，模具設計就能從傳統靠經驗升級為靠數據和算法驅動。據悉，搭載AI的高端工業設計軟件，可將模具設計周期從“以月計”壓縮至“以小時計”，并推動當地傳統模具向星空機器人關節等“智能功能模組”升級。
6月10日，北京火山引擎科技有限公司中標余杭的高端數據標注產業服務平臺項目，投標報價4485萬元。這一“大單”背后，是浙江高端數據標注產業另一種打開方式。
作為“浙江數字經濟第一區”，余杭有以通義千問為代表的31個大模型通過備案登記，備案數占全省近三分之一。這里的高端標注任務，很多是人類偏好標注、思維鏈軌跡標注等“看不見摸不著”的內容。這也決定了余杭會走有別于黃巖等圍繞單一產業垂直深耕的路子，更加注重平臺生態建設。
“我們希望通過平臺建設，同時賦能數據需求企業和標注服務企業，降低前者的進入門檻、拓展其發展空間，讓后者降本增收。”余杭大數據經營有限公司副總經理周錦鴻介紹，余杭正在打造高端數據標注產業園，核心內容之一是打造高質量數據標注公共服務平臺、高質量數據洞察分析平臺等五大公共服務平臺。園區計劃三年引進優質數據標注及相關科技企業10家以上，累計營收突破6億元，并帶動約20億元以上的數據產業發展。
在杭州高端數據標注基地，記者看到數據產業鏈“活”起來的生動一幕：一棟樓里，提供數據標注工具和平臺的企業、數據標注服務企業，與利用這些工具生產AI漫劇的廠家比鄰而居，共同串起數據“采集—標注—訓練—應用”四大環節。
“產業鏈優勢是一種系統性優勢。底層的標注能力越強，上層應用的產出效率越高、市場需求會更大，對底層標注工具的需求也會越精準。這樣，數據要素價值就能通過市場配置不斷釋放。”杭州市上城區數據資源管理局副局長婁瑩說。
高端數據標注，也將標注數字經濟的上限。
星空人工智能技術網 倡導尊重與保護知識產權。如發現本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯系方式等發郵件至1851688011@qq.com我們將及時溝通與處理。！：首頁 > 數字經濟 » 大模型加速落地背后，一場新的競爭正在升級 高端數據標注，標出AI新高度