数据标注是做什么的？标注员到底在标什么

先说结论：数据标注做的是把人类能看懂的信息，转成机器能学的样本。但它不是一个工种，而是两层价格完全不同的市场，中间夹着一个过渡层。底层是通用标注，给照片框车、给录音打字，按件计价，一张图几分钱；中间是专业标注，做 3D 点云、医学影像预标注、多语种，时薪高于通用标注，但仍按任务交付；顶层是专家数据，请放射科医师写诊断推理、请律师指出合同风险，按小时计价，50–200 美元。本文重点展开底层与顶层，因为这两层的计价方式、供给方与平台能力完全相反；中间层在第四节的三层时薪表里单列，它更像通用标注的加价版，而不是另一种生意。标注员到底在标什么，取决于他站在哪一层。

一、通用标注：把非结构化信息变成标签

最常见的通用标注长这样：给一张街景照片，把里面的车、行人、红绿灯框出来；给一段客服录音，把话打成文字；或者判断一条内容该不该下架。这类工作做的是格式转换——把图像、声音、视频里人能直接看懂的东西，变成机器能读的框、标签和文本。

它要的是耐心和一致性，不要专业知识。同一个人今天标车、明天标红绿灯，培训半天就能上手。所以计价方式是按件：一张图几分钱，一条语音几毛钱。人也随时可以替换，平台比的是成本和交付速度。

这一层正在被模型预标注改变。模型先自动框一遍，人只做修正，单人产出提高，单位任务所需的人数下降。但这不等于这份工作的总量在缩：如果需求扩张得比单人产出提升更快，总用工量仍可能增加。公开信息里没有可核的标注工时、从业人数或订单额序列，本文只能判断单位任务的人手在减少，不能判断总量。

二、专家数据：把专业判断变成示范

2025 年之后的「标注」常常是另一回事。

给一位放射科医师十个疑难病例，请他写出诊断推理过程，而不只是圈出病灶；给一位量化研究员一道衍生品定价题，请他把解法完整写出来，并标出模型答案错在哪一步；给一位诉讼律师一份合同，请他指出模型起草的条款有哪些法律风险。

这三件事的共同点是：它要的不是「看得清」，是「判断得对」。做的是把专家的判断过程转成可训练的示范，模型学的是推理路径，不是最终答案。所以它按小时计价，50–200 美元；专家不易由未经专业训练的人替代，涉及执业资格的任务还需要相应资质；平台的核心能力从「任务分发与质检」变成了「甄别与招募」——能不能找到并留住这些专业人士。

这里说的是劳动力层级，不是收费结构。专家数据既可以是项目制（客户下单、服务商组织专家交付，如 Scale AI），也可以是抽成市场（平台撮合、按小时抽成，如 Mercor）；「甄别与招募」是两种结构共同的核心能力，不是平台型专属。收费结构的差别见本组《数据标注公司怎么赚钱》。

三、同一个行业名，两门生意

把两层放在一起，差别是全方位的：

两门生意共用「数据标注」这个名字，但核心能力、客户、定价逻辑、成本结构没有一项相同。这张表比的是劳动力层级，不是收费结构；同一层既可以由项目制组织，也可以由抽成市场组织。用同一个行业规模数字覆盖两者，或者拿一家传统标注公司的估值倍数去类比一家专家数据公司，都是错的。

财务上已经看得见分化，但两家的数字不能放在一把尺子上。以传统标注为主的老牌公司 Appen，失去单一大客户后，2024 财年收入下降 14% 至 2.343 亿美元，2025 财年 2.308 亿美元基本持平，2026 年收入指引 2.7–3.0 亿美元（指引，不是已实现），较 2025 财年增长 17%–30%；这是公司确认收入（net）。以专家数据为主的 Mercor，2026 年 6 月年化 gross 收入达到 20 亿美元，四个月前还是 7.6 亿美元，增长约 1.6 倍（变为约 2.6 倍）；gross 是流经平台的交易额，按约 35% 抽成折成 net 约 7 亿美元。两边一个在存量上持平、靠指引恢复增长，一个在四个月里把流水放大到约 2.6 倍；能说的是方向相反，不能说的是同一个增速口径下的倍数差。

四、时薪为什么能差约 48 倍

按各区间中点算，顶层与底层相差约 48 倍（125÷2.60≈48）。这个倍数用的是区间中点，不是统计中位数；个别岗位的 250 美元是表内的极值，不参与这个倍数计算。若改用极值会得到另一个量级，两者不能混成一个区间。三组数据来源不同，口径不完全可比，只看量级。

三个解读点。

第一，当前的价格跨度已经很大。 底层与顶层之间隔着约 48 倍。中间层被两头挤压——上不去专家的价格，下不来自动化的成本。这是本行业最危险的位置，也是很多中型标注公司现在的处境。

第二，底层的地理转移已经完成，顶层不会重演。 通用标注过去十年从中国转到印度、再转到东非，逻辑是纯粹的成本套利。领域专家更难仅凭低成本地区的劳动力快速替代，能否转移取决于当地是否有符合专业、语言和资质要求的供给。顶层的价格由专业人士本职工作的机会成本决定，不由当地生活成本决定。

第三，这是专业人士的第二收入来源，不是一个新职业。 一位在职放射科医生每周花五小时接单，时薪 150 美元，一年约 4 万美元。这类兼职可以调动已有专家在本职之外的额外工时，但供给扩张速度取决于合格专家的数量和他们愿意投入的时间。所以「数据标注」既不是一条稳定的新职业通道，也不是简单的高薪机会——顶层招的是本来就有专业身份的人。

五、中国的标注员在标什么

中国这条链的驱动力和欧美相反：政策在前，需求在后。

2025 年 1 月，国家发展改革委等四部门印发《关于促进数据标注产业高质量发展的实施意见》，提出到 2027 年产业规模大幅跃升、年均复合增长率超过 20%，并部署建设数据标注基地。截至 2025 年 3 月，全国 7 个基地（成都、沈阳、合肥、长沙、海口、保定、大同）公开的进展是：标注总规模 17,282 TB，形成医疗、工业、教育等行业高质量数据集 335 个，引进培育标注企业 223 家，带动从业人员 5.8 万人，赋能 121 个国产大模型，相关产值超 83 亿元。

这组数字要小心读。「相关产值超 83 亿元」不是标注服务的销售收入，而是基地相关产业活动的产值，包含园区建设、软硬件采购、培训；把它和 Scale AI 的收入并列是错的。「17,282 TB」是存储量，不是价值量：一小时高清视频的存储量可能超过整部《大英百科全书》的文本，但对训练语言模型的价值可能更低。它能证明「做了很多」，不能证明「做出了值钱的东西」。

更重要的是结构。基地按行政区划均衡布局，真实需求却集中在少数模型厂商所在地和少数赛道（自动驾驶、具身智能、医疗）。2025 年中国数据标注市场约 117.53 亿元（第三方咨询口径，机构未披露；2016 年为 11.21 亿元，年均复合增长 29.8%），统计的是服务收入，且包含大量自动驾驶、安防等传统计算机视觉标注，与「前沿实验室后训练」的内容重合度不高。换句话说，中国标注市场里相当大的部分，不是大模型语料。

六、看到一份标注工作，问四个问题

按件还是按小时？ 按件是通用标注，价格由自动化成本压着；按小时是专家数据，价格由专业人士的机会成本撑着。

供给方能不能替换？ 培训半天能上手，就在底层；要有执照、有执业经验，就在顶层。

客户是谁？ 自动驾驶、内容审核、传统 CV，还是前沿实验室的后训练？客户决定任务难度，也决定这门生意有没有未来。

平台靠什么立足？ 靠任务分发与质检系统，还是靠甄别与招募能力？前者在拼自动化，后者在拼人脉与品牌。

四个问题问完，一份标注工作或一家标注公司站在哪一层，基本就清楚了。

资料来源

1. Appen Limited. 2024–2026 财年收入、增长与收入指引[EB/OL]. 2024–2026.
2. Mercor. 平台专家规模、均价与交易规模披露[EB/OL]. 2026-06／2026-08.
3. 国家发展改革委等四部门. 关于促进数据标注产业高质量发展的实施意见（发改数据〔2024〕1822 号）[EB/OL]. 2025-01-13.
4. 诺辉投资研究部. AI 训练数据与语料 · 行业认知研究报告[R]. 2026-09.

数据截止 2026-09　|　相关：AI 训练数据是什么？为什么它不是一个行业 · 数据标注公司怎么赚钱？项目制和抽成市场差在哪 · AI 训练数据与语料 · 行业认知研究报告

编写依据

本文依据本赛道研究报告及用户授权的成品库 Markdown 摘编，素材获取于 2026-10-30。原文所列资料时点、出处及核验边界按提供稿保留；本轮未逐条回溯外部来源。