原標題：人工智能背后的“人工”：數據標注小時工資減半，高工資拖欠

“我覺得兼職標簽越來越容易取代。” 來自廣東河源的27歲的包瑪希梅（化名）對他的兼職數據標注有著淡淡的悲觀。 從2018年兼職數據標記來看，西梅的收入已經比以前少了。

李元澤，住貴州白藥河小鎮，是數據服務商夢墨科技公司項目組組長。 除了每天和團隊成員一起完成數據標注項目外，他還會抽出時間自學python語言。

西梅和李元澤都是人工智能數據注釋者，這是一個要求很高、有爭議的職業。

標注行業為算法提供了大量的訓練數據。根據IDC的統計數據，全球每年產生的數據量將從2016年的16.1ZB上升到163ZB，2025年的80%~其中90%是非結構化數據，這些數據被清洗并標記為結構化數據，以被人工智能理解。 2020年2月，“人工智能培訓師”正式成為新職業，并列入國家職業分類目錄。

這個行業經常說，“多少智力，背后有多少人“。 門檻低，需要大量的重復性工作，一個誕生勞動密集型的行業。 為了降低勞動力成本，它大多存在于偏遠地區，往往與產業扶貧有關。 而重復枯燥的工作，再加上工資太低，被稱為“AI富士康“。

機智能發展到一定階段后，會不會進行勞務工作面淘汰，如果淘汰了相關勞務隊伍地點在哪里？ 自從數據標注行業誕生以來，關注和爭議一直沒有停止。 今天，隨著數據標注行業的迭代升級，這些不同形式的數據標注者面臨著工作的能力力升級的考驗.