文 |  李夜

在接触数据采标行业过程中，黑智听到一个陆奇和河南标注工厂的故事。

据悉，大部分河南标注工厂用的是百度的标注工具，干的是百度的活。陆奇掌旗百度时，放出了大量采标需求。当时，活不难（准确率只有90%），标注的利润空间可以达到60%—70%。有些企业盲目扩张，一下子招了几百人；陆奇离开后，百度需求恰也减少。2018年下半年，准确率又普遍提高至95%-96%，活难干了。这些工厂只会百度的标注工具，很难接别家的业务，因此死了一批。没有死的工厂不得不裁员，目前处于艰难转型中。

当河南标注工厂艰难转型时，张三的标注公司却正式营业。公司初建，百事繁杂，前几天，黑智才在中午空闲时间，联系上他。他告诉黑智，两个年前的单子需要返工，一直在忙。对于初建公司，忙比闲好。如果有一天空闲下来，张三说他晚上都会睡不着觉，“一天没活干，几千块钱就打水漂了。一个月得支出15万（注：目前，公司有65名员工）。”

在他看来，标注行业是一个苦行业，“前半年，一定会赔钱的，你要做好一个人赔一万块钱的准备。”他笑着告诉黑智，“如果你和谁有仇，就劝他干标注吧。”这是标注圈有名的段子。标注圈说大不大，说小也不小，分了四个梯队。张三说，他的公司属于第三梯队。第一梯队，比如百度众测、京东众智等。第二梯队，比如龙猫数据、Testin云测、倍赛BasicFinder、数据堂等。他将第二梯队和第三梯队的关系，比做小房地产开放商和搬砖工人。第三梯队之下，是数量巨大的小作坊，团队规模在3-5人之间。

标注行业又是一个有前景的新生行业。

新生意味着不确定与无限可能，“干标注就像将水倒进一个水桶里，每拉一个框就是添一碗水。目前，谁也不知道还能添多久，只有水溢出来时，才知道。”这并不妨碍张三设计未来，“第一步，现阶段先服务好第二梯队，以后搞一个平台，把公司做成第二梯队。”

300亿市场与转折点

数据采集、标注市场有多大？300亿元。

1984年前后，这个市场就出现了。欣博友的公司是众多公司中的一家。当时，这些公司更像一个“录入公司”——将纸质内容电子化，而不是标注公司。“录入”是一个劳动密集型的工作，一家公司需要雇佣很多人来做这件事。智联招聘显示，欣博友在公司人数项上，勾选的是“1000—9999”。

和欣博友不同，海天瑞声成立于1998年，做的是语音标注，自建了很多语音库，业内人士告诉i黑马&黑智，重复销售以前做的语音库是海天瑞声比较大一块业务。数据堂成立于2011年，通常外界对其最深印象是“它是国内最大的数据交易平台”。这和其起家业务相关。

2015年前后，随着以榜单中的人工智能公司TOP50的强势崛起，数据标注和采集需求逐渐多了起来。这个市场才真正意义上形成，也即前面提到的四个梯队。他们作为乙方，进入到这个日益扩大的市场，为估值超10亿美金的AI独角兽服务，教能够改变世界的人工智能产品学习。

1.得数据者得AI的天下

数据是AI公司的必需品。就像人每天需要一日三餐，而AI模型也每天需要数据的喂养。数据和AI模型的关系，倍赛BasicFinder创始人兼CEO杜霖理解深刻。高中期间，他开始研究计算机视觉，高三发表了论文。大学期间，他也一直在做相关的研究。他知道数据对于AI模型的重要性，并得出“AI建模没有门槛，数据才是门槛”的结论。

在他看来，现阶段的人工智能是简单的认知智能。“认知智能就是帮你去识别、分类这个世界。分类器的构造是个数学问题，就是由数据堆起来的。”“深度学习本质上是个数学问题，是由大量的样本空间数据反向构造分类器的系数空间的过程。你要有很多样本，什么叫样本？知道正确答案的才叫样本。这跟我们小时候求多样式、求系数式是一个道理。我们要有很多空间中的已知点，才能拟合成一个多样式。同理，深度学习也是这个模式，也需要大量样本，也即标定好的数据。”

于是，杜霖认准了“在现阶段工业界的AI应用研发，标数据是一定跳不过去的，可能10年之内都要依赖于标数据。”数据对于AI的重要性如斯，但数据的标注和采集公司并没有学界、业界、资本甚至是媒体的认可，光环一开始便属于那些做模型研发的AI公司，比如商汤科技、旷视科技等。