新智元報道

編輯：KingHZ

不要只盯著明星AI研究員！為了打造ASI，meta、貝索斯等狂砸百億，招聘專家當AI的「老師」。在此背景下，數據標注員的角色逐漸從基礎任務轉向更高技能的領域，門檻水漲船高。

最近，meta成立了「超級智能」AI實驗室，四處砸錢挖人。

網上流傳著一份44人「超級智能」成員名單，

這收入水平可能性非常大。據報道，為了從OpenAI挖走他們的首席研究官Mark Chen，扎克伯格提供了高達10億美元的薪酬提議。

值得關注的是，除了Yann LeCun等部分meta的「AI元老」，名單里大部分都是這個月新入職的員工；而且名單里有一半本科畢業于國內的大學。

而這些「中國大學生」中，清華校友Yuanzhi Li又是比較獨特的一位：之前，他是卡內基梅隆大學的助理教授，沒有業界工作經驗。

這份名單里另一位教授是圖靈獎得主、現紐約大學教授Yann LeCun

普通人只能像網友Meet一般感嘆：平庸與卓越差距如此之大！

不過，即便是清華的畢業生、即便也是美國的教授，也不是人人都有機會參加meta的這波「AGI選秀」。

剛剛，清華校友、杜克大學教授陳怡然發微博如此表示。

小扎這是用實際行動證明：「知識就是財富」！

和Yann LeCun同榜的前教授

Yuanzhi Li入職meta已有4個月，任研究科學家；入職meta之前，他是卡內基梅隆大學（CMU）的助理教授。

他沒有產業界的工作經歷，主要研究深度學習理論。

目前，他的谷歌學術被引次數超過了4萬，特別是2023年后，被引數開始爆發。

他是LLM微調方法低秩自適應LoRA的合著者。

論文鏈接：https://arxiv.org/pdf/2106.09685

他還參與了微軟語言模型Phi系列的研發，包括Phi-2、Phi-3、Phi-4等模型。

他還是「語言模型物理學」（Physics of Language Models）研究項目的主要參與者。

2014年，他獲得了清華大學計算機科學學士學位；2018年，他獲得了普林斯頓大學計算機科學博士學位。

不過，除了AI頂尖的研究人才，meta在數據上也下了血本。

據報道，國際上頂級AI集團正在用高薪的行業專家替代非洲和亞洲低成本的「數據標注員」。

特別是，meta和貝索斯狂砸百億，招聘物理學家、生物學家當「AI的老師」，打造超越人類的「超級大腦」。

數據標注行業，悄悄來了一次產業升級。沒學歷，數據標注都干不了？

推理模型大爆發

AI數據成關鍵

Scale AI、Turing和Toloka等AI數據服務商，正在聘請生物學和金融等領域專家，幫助他們創建更復雜的訓練數據。

隨著OpenAI o3和谷歌Gemini 2.5之類的推理AI模型的崛起，企業加速淘汰肯尼亞、菲律賓等國每小時薪酬不足2美元的低成本標注員。這些工人此前主要從事耗時的人工標注工作，為AI模型訓練提供海量數據集。

荷蘭的AI數據商Toloka的首席執行官兼聯合創始人Olga Megorskaya說：

「AI行業曾長期專注于模型和計算，而數據一直被忽視。終于，（AI行業）開始意識到數據在訓練中的重要性。」

這一轉變導致投資者對數據標注初創公司興趣大增。

例如，在6月，meta向美國的Scale AI投資了150億美元，使其估值翻倍至290億美元，以追趕競爭對手。

同樣地，位于加州的Turing AI在3月以22億美元的估值籌集了1.11億美元資金。

貝索斯的個人公司Bezos Expeditions則在5月領投了Toloka的7200萬美元融資輪次。

產業升級，專家加薪20%

由于AI模型需要海量數據提升性能，這些工人需在數秒內處理單個任務，日均完成數百項任務以構建龐大數據庫。

然而，隨著許多任務已自動化，這些需求已經大幅下降。這些過去從事AI最底層的工人，某種意義上被AI取代了。

肯尼亞數據標注員協會（Data Labelers Association）主席Joan Kinyua表示，工人們現在被要求處理依賴本地語言技能和知識的任務。

該協會還發現，部分任務要求標注員對AI生成的內容進行最終質量控制檢查。

隨著OpenAI、Anthropic和谷歌等AI巨頭努力開發ASI，而這些模型或將超越人類智能，行業正在加大對數據集質量的關注，雇傭專家來解決復雜問題。

Turing AI的聯合創始人兼首席執行官Jonathan Siddharth表示：「現在需要的是人類使用模型完成腦力工作的真實數據，以及模型出錯時的反饋。」

為了確保模型在從編程到物理學、金融等多個領域的表現，資金雄厚的AI公司現在愿意支付費用，獲取更復雜的數據集，從而聘請全球的專家。

Siddharth透露，Turing為跨行業專家提供比原職高20%-30%的薪酬。盡管數據預算僅占AI公司算力支出的10%-15%，但這仍是「一筆巨款」。

Toloka的Olga Megorskaya表示，諸如「思維鏈」之類的新功能，要讓人類專家演示如何拆解問題，之后才開發出來的。

經驗豐富的軟件工程師可能還需根據自身領域設計任務，并通過編寫代碼、調試程序及檢查安全漏洞來解決問題。

與此同時，驗證物理學理論需要多方協作：物理學家負責闡述如何構建模擬器來檢驗理論真偽，軟件工程師編寫模擬器代碼，數據科學家則分析模擬結果。

Turing AI的Siddharth指出：「由此產生的模型不僅會超越物理學家，更將超越物理學、計算機科學與數據科學三大領域頂尖人才的疊加能力。」

參考資料：

https://archive.ph/Slzih