武汉城郊的一间村办公室里，一名女子俯身靠近台式电脑显示器，给监控摄像头拍到的人物逐一画框。2025年初，当地28名母亲接下了这份工作。它的门槛有意设得很低：培训几天，每班8小时，按件计酬，每月约 4,000元。一名工人告诉当地记者，在一张图里框出7个人，她用了略多于一分钟。[7]
这间屋子适合作为观察中国数据标注市场的起点，也只展现了未来的一角。国家政策设定了快速扩张目标：到2027年，复合年增长率超过 20%。[1] 与此同时，同一政策体系也在推广自动完成简单标签的工具，将容易和困难的样本分流，并把判断要求更高的工作留给审核人员与领域专家。[3][4][5]
由此，市场命题已经超出“AI越多，画框的人越多”这条线性推演。中国正试图把原始记录转化为模型可用证据的整条链路纳入工业化生产。入门级标注依然能创造实实在在的本地岗位，不过它正成为价值链的第一阶；其中更具持续性的价值，将集中在预标注系统、专家修正、质量裁决、安全保障，以及在特定行业中经验证确有用的数据集。
增长目标背后的产业政策坐标
2025年1月发布的实施意见，对国家要发展的产业形态给出了少见的明确描述。在增长目标之外，意见还提出由政府采购标注服务，并从交通、医疗健康、金融、科研、制造、农业、自动驾驶和低空经济等领域培育需求，同时发展公共服务平台、标准、职业资质、专业企业和国际业务。[1]
这份规划的尺度远超一家众包网站，目标是把标注组织成一项国内产业。2025年3月，国家数据局转载的一则央视报道列出7个试点基地：成都、沈阳、合肥、长沙、海口、保定和大同。它们已处理 17,282太字节 数据，产出 335个 高质量行业数据集，支持 121个 国产AI模型。这些基地还引进或培育 223家 标注企业，带动 58,000人 就业，创造相关产值超过 83亿元人民币。[2]
这些是官方项目数字，不能视为对持续利润率或全职岗位质量的审计证明。即便如此，它们仍揭示了政策统计的基本单位：城市、企业、劳动者、数据集和下游模型被计入同一套生产系统。中国的数据标注战略同时指向区域发展、数据治理和模型训练投入品。
入门层已经开始收缩
2026年6月的国家行动方案把发展方向写得十分清楚。方案要求行业从“以人工为主”走向 人机协同、专家深度参与。它列出三种作业模式：模型预标注后人工校准、人工标注后模型质检，以及模型预标注后模型质检。方案还提出专家认证，并针对指令调优、强化学习、领域知识和逻辑推理开展专业标注。[3]
官方项目案例让这种变化的速度变得具体。中国电信在杭州的一个项目报告称，加入计算机视觉预标注和多模态模型后，一项包含10,000个样本的视觉任务，过去需要 10个人工作一周，如今由 1个人在2至5小时内 即可完成，效率提升超过90%。[4] 上海一个小语种项目报告称，一项长视频任务所需工时从 1,000个人日降至500个人日，成本从 800,000元降至200,000元。在它的作业流程中，模型处理高置信度样本，低、中置信度样本交给人工，同时保留人工复核，以处理代码难以可靠识别的主观性错误。[5]
这些结果来自获选为优秀案例的项目自报，能够说明技术上已经达到的水平；行业平均状况仍需另证。两个案例的经济指向一致：最简单的人力劳动单位正受到挤压。留给人的工作，重心逐渐从“把所有内容都标一遍”转向“找出机器不确定、出错、不安全、前后不一或无法理解上下文的地方”。
自动化扩张市场，也收窄岗位
单个样本所需时间减少，与标注产业扩大可以同时发生。生产成本下降后，更多数据集在经济上变得可行。2026年方案覆盖文本、代码、图像、音频、视频、点云、时序数据和科学数据，又延伸到知识图谱、智能体、具身系统、仿真和世界模型，横跨数十个行业。[3] 标注循环成本降低，一套数据集所需的人力随之下降，同时也会带来更多模态、更多边缘案例、更频繁的更新和更多面向具体应用的评估需求。
变化落在价值的归属上。通用图像框选和基础转写逐渐成为标准化商品。工具供应商的价值来自预标注和分流。行业专家依靠专业判断，界定放射影像发现、涡轮机异常、保险除外责任、罕见方言或机器人故障的实际含义。质量服务机构的价值，则来自测量一致性、处理争议、追溯来源，以及检验数据集能否改善实际使用中的模型。
中国关于高质量数据集标注的国家标准草案，将这种层级直接写了出来。草案区分 执行人员、审核人员、裁决人员和监督人员，并描述了由算法生成初始标签、再由人工审核完善的人机协同流程。[6] 该文件仍处于征求意见阶段，尚未成为正式标准。尽管如此，这种角色划分已显露出市场预设的形态：标注正在成为受规程管理的生产流程，原本混同在一起、对着原始材料点击的众包劳动，则开始按职责分化。
就业承诺有一道硬边界
武汉村庄的案例解释了这项政策为何具有吸引力。当地不少男性外出务工，女性留在家附近，标注工作由此进入社区。驻村工作队配置电脑、改造本地场地，带来可预期的本地收入，入门所需的技术训练时间也很短。[7] 即使任务简单、薪酬不高，这份收入仍有实质价值。
简单工作也最容易受到预标注冲击。2026年一项关于贵州数据标注劳动的民族志研究，记录了位于AI平台与乡村劳动者之间的企业：这些企业一面培训和监督工人，一面完成地方创造就业的目标。研究人员发现，项目更替快、任务碎片化、质量由检查员界定、工人组织能力薄弱，这些因素削弱了议价能力，有时也让迭代工作得不到报酬。[8] 这些证据表明，工位数量与职业阶梯是两项不同指标。
政策回应需要继续延伸，覆盖入门岗位之后的职业发展。若产业确实朝专家密集型生产转移，转型应当体现在付费培训、得到认可的资质、稳定的审核岗位、领域专家薪酬，以及从执行人员晋升为审核人员或裁决人员的通道上。少了这些安排，自动化会升级数据集，工人仍会停留在随时可替换的第一阶。
确认价值链转移的信号
太字节规模之外，未来两年更值得观察的数字包括：试点基地能否在项目量之外披露经常性客户收入；专家和质控岗位的增速能否超过基础标注；培训证书能否带来更高薪酬和更长合同；模型部署暴露出新故障后，数据集是否得到更新。
采购也值得关注。2025年意见明确将标注服务纳入政府采购，2026年行动方案则要求数据集标准进入采购与招标。[1][3] 如果买方开始要求来源可追溯、应用验证、安全控制和公认的质量测试，高可信数据集服务将拥有更持久的市场空间。若招标只奖励最低单件价格，自动化会让逐底竞争进一步加剧。
反证条件很直接：如果新增数据需求的扩张速度不足以吸收效率提升，同时专家岗位数量仍少、薪酬仍低，那么20%的增长目标最终只会描述受补贴支持的产能，持续价值仍然缺席。武汉办公室依然可以作为本地就业项目发挥作用，却无法代表一条可规模化的职业晋升阶梯。
取之不尽的廉价点击人力无法构成中国的潜在优势。真正的优势来自把公共需求、行业数据、标注工具、经过训练的判断、标准和模型反馈接入同一套受治理的生产系统。下一阶段的胜负会在异常案例处理台见分晓：机器给出的第一份答案，在这里交给拥有专业资格和裁决权限的人，由他们说明它错在哪里。
来源
- 中国国家发展和改革委员会，《关于促进数据标注产业高质量发展的实施意见》（2024年12月26日印发；2025年1月13日发布——增长目标、采购、技术、标准、行业需求与人才政策）。
- 国家数据局，“七个数据标注试点基地达到新规模”（2025年3月19日——关于数据处理量、数据集、支持的模型、企业、劳动者和相关产值的官方数字）。
- 国家数据局，《关于推进高质量行业数据集建设的实施方案》（2026年6月3日印发；2026年6月8日发布——人机协同标注、专家参与、行业覆盖、质量体系与采购）。
- 国家数据局，“数据标注优秀案例36：视觉大模型数据自动标注一站式生产运营”（2025年6月12日——预标注流程，以及项目自报的用工和效率变化）。
- 国家数据局，“数据标注优秀案例21：低资源语言数据标注创新模式”（2025年5月28日——任务分级、置信度分流、人工修正、质量检查、成本和人日数据）。
- 国家数据局，《高质量数据集——数据标注要求》征求意见稿（2026年——拟议中的执行人员、审核人员、裁决人员和监督人员角色，以及人机协同标注流程）。
- 武汉市人民政府门户网站 / 《长江日报》，“AI新职业进驻村办公楼：农村妈妈成为AI的‘启蒙老师’”（2025年3月11日——柳家湾工作现场报道，以及本文封面实景照片的来源页面）。
- Yu Huang、Yidan Kuang，《作为发展项目的微型劳动：中国贵州数据标注员的民族志研究》，World Development 第197卷（2026年1月——培训、监督、就业创造政策、项目更替与工人议价能力）。