人工智能模型的训练依赖高质量标注数据，数据标注因此成为一个规模可观的产业。但这个行业的现状，与外界想象有差距。
劳动密集是基本特征。图像框选、语音转写、文本分类，多数工作需要人工完成。虽然辅助工具不断提升效率，但判断环节仍离不开人。
质量管控是核心能力。标注规则是否清晰、人员培训是否到位、抽检机制是否严格，决定了数据质量。质量不稳定的标注数据，会让模型学到错误的规律。
专业领域门槛高。医疗影像、法律文书、工业缺陷的标注，需要专业知识，普通标注人员难以胜任。这类数据的供给相对紧张。
从业者待遇与职业发展值得关注。标注工作重复性高、单价低，人员流动大。提供培训、明确晋升路径、改善工作条件，行业才能稳定。
数据标注是人工智能的基础设施。把这个环节做规范、做专业，模型的可靠性才有保障。