做了十几年数据标注，我们一直习惯一种生意模式：客户先来找你。

“这里有100万张图片，能不能标？”

“有5万小时语音，多少钱一个小时？”

“机器人数据要采3个月，你们能不能组织人？”

然后数据标注公司开始算：需要多少人、多少台电脑、一天能做多少、最后能赚多少钱。

客户先有需求，我们再组织生产。

这套模式，我一直把它理解成数据标注行业的“来料加工”。

但这几天，我看到一个挺有意思的变化：AI训练数据，开始被直接摆到“货架”上卖了。

8月16日，艺恩数据市场正式上线，首批34个成品数据集公开上架，覆盖具身本体/Ego、视频、社媒、电商和文本语料等类别。

客户可以直接查看数据集规格、标注字段、样例结构和授权说明，还可以申请样例测试。这件事情本身可能不算特别大的新闻。

但我觉得，它背后可能藏着数据标注行业下一轮商业模式的变化。

一、做了十几年数据标注本质上是在做来料加工

传统的数据标注项目，非常像代工厂。

客户提供原材料：图片、视频、语音、文本。

客户再提供生产标准：怎么画框、怎么分类、怎么审核、准确率达到多少。

数据标注公司负责什么？

招人、培训、管理、生产、质检，然后按照条、帧、小时或者人天结算。

• 一帧5毛钱。

• 一条2毛钱。

• 一个有效小时70块钱。

业务模型非常清楚：人干了多少活，公司就收多少钱。

但这种模式有一个很明显的问题：

• 项目来了，公司才有收入；
• 项目结束，人员就要释放；
• 下一个项目来了，又要重新招聘和培训；

而且同样的数据交付以后，通常跟供应商也没有什么关系了。

公司每一年都在重复建设产能，却很难沉淀真正能够反复产生收入的东西。

所以很多数据标注公司做了五年、十年，回过头看，最大的资产还是：几百名员工、一些客户关系和一套项目管理经验。

项目一停，收入也跟着停。

二、数据一旦被摆上货架，逻辑就不一样了

这次我最关注的，不是34个数据集到底有多少条数据。

而是几个变化。

第一，数据是在客户提出具体需求之前，就已经生产好了。

第二，数据开始有标准化的Schema、字段定义、样例和交付格式。

第三，客户可以先看样例，再决定买不买。

第四，数据来源、授权和合规开始成为产品的一部分。

这已经很像我们买软件、买数据库甚至买商品了。

艺恩目前公开展示的数据中，已经出现家庭Ego操作数据、视频理解数据、社媒数据等产品，并强调RLDS等标准化交付形式。

这意味着：

以前客户的问题是：“你能不能帮我生产这批数据？”

以后客户的问题可能变成：“你现在有什么数据可以直接给我用？”

看起来只换了一句话，背后的商业逻辑完全不同。

一个是项目。

一个是产品。

三、标注公司的下一步不是多接几个项目

如果这个趋势成立，数据公司的核心能力也会发生变化。

过去，我们最关心的是产能。

客户来了10万条数据，我能不能两周交完？

以后更重要的问题可能变成：什么数据值得提前生产？

比如一家机器人公司已经拥有几十万次普通抓取数据。

你继续帮它采机器人抓杯子、拿盒子，当然还能卖钱。

但真正值钱的，可能已经变成：

• 透明物体怎么抓；

• 软包装怎么抓；

• 抓取失败以后怎么恢复；

• 有人突然进入机器人工作区域怎么办；

• 换一个工厂以后模型还能不能完成任务。

这时候，数据公司不能只等客户把SOP写完以后交给你。

你必须开始理解：

• 模型到底缺什么？

• 哪些数据已经严重重复？

• 哪些长尾数据最有价值？

• 哪一批数据加入训练以后，模型能力能够真正提升？

这其实意味着一个很大的角色变化：数据标注公司开始从“执行需求”，走向“定义数据需求”。

这一步，比多招100个标注员难得多。

四、未来数据公司可能出现三种生意

我越来越觉得，未来数据服务可能会明显分成三个层级。

第一层：数据加工费。

客户给数据，我们采集、清洗、标注、审核。

做一次，结算一次。

这是劳务型收入。

第二层：数据产品费。

自己建设行业数据集、模型评测集、机器人场景数据集。

一套数据经过合法授权和标准化加工以后，可以面向不同客户提供。

这是数据资产型收入。

第三层：数据持续运营费。

模型上线以后不断产生失败案例；

失败案例回流；

再筛选高价值数据；

重新采集、标注和训练；

最后继续评测模型。

8月17日，觅蜂科技宣布完成新一轮数亿元融资，资金用途就包括建设具身智能数据“平台型供给”基础设施，并强化数据采集、治理和闭环评测能力。

我认为“闭环”这两个字，比“融资数亿元”更值得数据标注公司关注。

因为它意味着：数据交付结束，可能不是项目结束，而是下一轮数据生产刚刚开始。

五、但把数据变成产品没有想象中那么简单

看到这里，千万别理解成：赶紧把以前做过的客户数据留下来，以后拿出去卖。

这是完全错误的。

数据产品真正最大的门槛，首先不是标注能力，而是：你有没有权利卖。

• 数据从哪里来的？

• 采集对象是否授权？

• 是否包含个人信息？

• 客户项目里的数据能不能二次使用？

• 知识产权属于谁？

• 能不能用于商业训练？

• 能不能跨客户销售？

这些问题不解决，硬盘里存了100TB数据，也不代表拥有100TB数据资产。

除此之外，还要解决：

• 数据是否标准化、是否有版本、Schema是否清楚；

• 质量如何证明、能不能直接进入模型训练；

• 买完以后模型效果有没有提升。

所以，真正的数据产品公司，本质上也不是“囤数据”的公司。

而是能够完成：场景定义 + 合规获取 + 数据生产 + 标准化加工 + 模型验证的一家公司。

六、普通数据标注公司现在应该做什么？

我不认为大多数数据标注公司现在就应该去建设一个“数据交易市场”。

那太早了。

但至少可以开始改变四件事情。

第一，不要只记录一个项目赚了多少钱，要开始沉淀场景能力。

你做过自动驾驶，就要知道什么数据最难；

做过大模型，就要知道什么任务需要专家；

做过具身智能，就要知道哪些场景的数据最稀缺。

第二，开始积累Schema和数据标准设计能力。

未来客户付钱的，不只是标注动作，还有你定义数据结构的能力。

第三，补上合规能力。

数据来源和授权链路，很可能成为未来数据产品最重要的护城河之一。

第四，开始理解模型验证。

一批数据到底值多少钱，最后不能只看标注准确率。

更重要的是：它进入训练以后，让模型提高了多少。

写在最后

过去十几年，数据标注行业一直在卖一件东西：

人干了多少活。

一帧多少钱，一条多少钱，一个小时多少钱。

所以大家最关心的是：

• 哪里还有项目？

• 谁手里有甲方？

• 现在还能不能找到100个人？

但当AI训练数据开始被标准化、被展示、被试用，甚至被直接摆到货架上的时候，我觉得这个行业真正值钱的东西开始发生变化了。

未来最好的数据公司，不一定拥有最多的标注员。

它可能拥有的是：最多的、合法的、标准化的、模型真正需要的数据产品。

所以数据标注行业的下一场竞争，也许不是把一个框再便宜一分钱。

而是谁先完成这一步：

从等客户发项目，到主动生产数据产品。

从“来料加工”，走向“数据资产”。

我是AI数据标注猿刘吉。

跟着我，用数据视角看AI世界。