数据标注

AI模型（尤其是监督学习和RLHF）需要大量高质量标注数据来训练。从自动驾驶的图像标注到大模型的人类偏好反馈（RLHF），数据标注是AI模型质量的基础保障。 因果链：AI模型训练需要标注数据 → 标注需求随AI应用爆发而增长 → Scale AI成为最大的AI数据标注平台 → RLHF（人类反馈强化学习）为LLM创造了新的标注需求 → 标注从简单的图像框选升级到复杂的语言偏好评判 Scale AI凭借为OpenAI、Meta、美国国防部等顶级客户提供标注服务，2024年估值达到$138亿。数据标注正在从人力密集型向AI辅助标注+人工审核的混合模式转变。

数据标注是AI产业链中最劳动密集的环节，长期面临被AI自动化替代的风险。合成数据（AI生成训练数据）的发展可能在未来3-5年显著减少对人工标注的依赖。Scale AI目前地位稳固但需要转型为更广泛的数据平台。

数据标注直接服务模型训练——标注数据的质量直接决定模型性能。与训练平台赛道紧密协作——标注数据通过训练平台输入模型。 上游的数据平台赛道提供原始数据的管理和清洗。下游直接影响前沿大模型实验室和开源大模型的训练质量。