企业官网建设流程全解析

最近，数据标注行业又出了一个大消息。

国家数据局在2026中国国际大数据产业博览会上宣布：将在32个城市布局第二批数据标注先行先试。

加上此前已经布局的7个城市，全国将有：39个城市开展数据标注先行先试。

而且这次重点已经明确指向工业制造、医疗健康、交通运输、具身智能等行业。

消息一出来，我估计很多做数据标注的人第一反应都是：

行业是不是又要起飞了？

是不是又要建一批数据标注基地？

是不是又要招几万、几十万标注员？

如果你还这么理解这件事，我反而建议先冷静一下。

因为现在行业里正在同时发生另一件事情：

简单标注越来越难做了。

自动标注越来越成熟，基础项目越来越卷，价格越来越透明，一些过去需要几十个人完成的任务，现在模型先做一遍，人只处理异常数据。

所以真正值得思考的问题不是：为什么国家还要继续发展数据标注？

而是：国家现在说的“数据标注”，和我们过去理解的数据标注，可能已经不是一回事了。

一、39城不是39个标注基地

过去很多地方发展数据标注产业，路径非常简单：

找一个园区，装修一批工位，招商几家数据公司，再依托学校、低成本劳动力，把项目接回来。

本质上做的是：空间 + 人力 + 项目。

谁的人便宜，谁场地成本低，谁能快速组织几百个人，谁就有竞争力。

这套模式在自动驾驶、语音转写、图片分类快速增长的阶段确实跑通过。

但今天再看国家数据局今年6月发布的《实施方案》，方向已经写得非常明确：

数据标注要从“以人为主”向“人机协同、专家深度参与”转变，还明确提出“模型预标注+人工校准”“人工标注+模型检验”“模型预标注+模型检验”，并发展专家型数据标注。

这句话其实已经把未来说得很清楚了。

国家要扩的不是：低成本人工产能。

真正要扩的是：AI时代的数据生产能力。

这两者完全不是一回事。

二、项目变少，国家为何还在加码？

因为AI不是“不需要数据”了。

而是：它需要的数据变了。

以前训练一个视觉模型，可能需要：

• 汽车框在哪里？

• 行人在哪里？

• 红绿灯是什么颜色？

今天训练一个Agent，要解决的是：

• 这个任务应该先做哪一步？

• 调用哪个软件？

• 失败以后应该怎么恢复？

• 这个结果到底算不算完成？

训练机器人更复杂。

它需要真实场景、动作轨迹、多模态数据、失败Case、力反馈、任务结果甚至整个工作过程。

国家数据局的文件也明确指出，AI正在从对话走向多模态生成、决策执行、具身智能和物理交互；

高质量数据集也必须跟着这种变化升级。

所以今天行业真正的矛盾是：

低端数据正在过剩，高价值数据仍然不够。

不是没有数据。

而是：能让模型真正提升能力的数据还不够。

这就是为什么一边有人觉得“标注项目越来越少”，另一边国家却还要布局39个城市。

两边说的其实不是同一种数据。

三、竞争不再是谁的人更便宜

这次39城布局以后，我最担心的一件事情，是大家再次复制上一轮信息差。

你建500个工位，我建1000个工位。

你招高校学生，我招2000名低成本员工。

最后39个城市一起去市场上抢同一批拉框、分类、转写项目。

那结果不会是产业升级。

而是：全国一起把价格打下来。

真正值得观察的，是海外头部AI数据公司现在已经在干什么。

Scale AI今年重点推动的一类产品叫：RL Environments。

简单说，就是不给Agent只提供“答案”，而是给它搭建一个模拟真实公司的训练环境。

里面可以有电脑系统、Web软件、API、MCP工具和真实业务文件，然后由领域专家设计任务、评分标准和验证器，让Agent自己进去练习完成一整件工作。

TELUS Digital今年也明确提出：传统评价员数量并不是核心问题。

未来AI训练需要的是专家判断、Trajectory Annotation和RL Sandbox，企业真正的竞争力开始变成专家网络、专有工具和持续反馈系统。

Mercor的AI训练业务更加直接：

医生训练医疗AI，律师评测法律AI，金融人员训练金融Agent。

它甚至明确提醒，从事AI训练工作的收入差异，很大程度上来自你的领域知识和判断能力。

海外的数据产业已经越来越不像过去的数据标注公司。

他们卖的开始变成：专家、环境、评测、任务、轨迹和模型改进结果。

而不是单纯卖：一个人一天8小时。

四、中国的优势在真实产业场景

说到这里，也不用悲观。

我反而认为中国在下一轮AI数据竞争里，有一个海外公司很难复制的优势：真实产业场景。

工业制造、港口、物流、电商、汽车、能源、医疗、城市治理、机器人……

中国最大的优势不是人工便宜。

而是：场景够多、产业链够完整、真实业务够复杂。

国家此次明确把工业制造、医疗健康、交通运输、具身智能放进39城布局，其实就是在释放一个非常明确的信号：未来不是全国生产同一种数据。

而应该是：一个城市，把自己的产业变成自己的数据壁垒。

• 一个汽车产业城市，应该沉淀自动驾驶、智能座舱、汽车制造的数据。
• 一个医疗资源丰富的城市，应该建设医疗高质量数据集和专家体系。
• 一个机器人产业集中的城市，应该围绕真机、场景、轨迹、评测建立自己的数据闭环。

这才叫数据标注先行先试。

否则只是：换一个地方继续做人力外包。

五、头部数据公司已经转向

国内头部企业的动作也非常明显。

海天瑞声在2026年的经营规划里已经明确提出：从通用数据向金融、医疗等专家数据走；布局GUI行为轨迹和Agent数据；建设具身智能数据能力；同时通过模型预标注、自动纠错，把传统人工标注升级成人机协同。

最新半年报里，它甚至已经开始建设GUI用户行为记录工具，用来记录任务、屏幕和用户操作事件，同时建设具身智能采集和标注系统。

这其实告诉行业一个非常现实的问题：如果连成熟的数据公司都已经不再把未来押在“多招几个人”上，普通数据标注公司为什么还觉得：扩大人员规模，就是产业升级？

六、39城真正要争什么？

我认为未来五年，39个城市真正要争的不是：谁的数据标注员最多。

而是四件事情。

第一，谁有真实行业数据

数据不是网上下载来的。

而是工厂、医院、机器人、汽车、物流系统里真实产生的。

谁能合法、安全、持续地获得这些数据，谁才有第一道壁垒。

第二，谁有行业专家

未来很多项目真正缺的不是“标注员”。

而是：既懂这个行业，又知道怎么把知识变成AI数据的人。

过去是：把普通人培训成标注员。

未来很可能是：把工程师、医生、律师、客服、工人培训成AI数据专家。

第三，谁有工具和模型能力

如果一个地方仍然靠100%人工生产数据，我认为竞争力一定会越来越弱。

因为自动预标、模型质检、主动学习、合成数据、智能筛选都会持续降低人工需求。

国家文件本身也已经明确提出，要发展自动化工具，利用合成数据解决稀缺场景和真实采集成本高的问题。

未来的数据公司不是：人最多。

而是：单位人工能够管理的数据最多。

第四，谁能证明数据真的有用

这是我认为最关键的一点。

过去的数据项目：标完、验收、结算、结束、以后不是。

高质量数据最终必须回答：模型用了以后提升了多少？

如果一套数据不能改善模型能力、不能支撑应用落地，再“高质量”都没有意义。

所以国家提出的其实不是一个简单的数据生产链条。

而是：场景牵引数据 → 数据驱动模型 → 模型赋能应用 → 应用创造价值。

这才是所谓的数据飞轮。

七、标注公司的未来在哪里？

所以看到39城以后，我最想提醒行业里的老板一件事情：千万不要因为政策来了，就重新回去堆人。

真正应该做的是选一个行业。

然后持续往里面钻。

你做自动驾驶

就不要永远停留在2D框、3D点云。

要开始理解场景、感知、轨迹、模型评测和数据闭环。

你做客服

不要永远停留在意图分类。

要开始理解Agent怎么处理投诉、怎么调用系统、怎么评价任务有没有真正完成。

你做具身智能

也不要只会招采集员按小时采数据。

要开始理解任务设计、轨迹质量、失败Case、世界模型和post-training。

未来真正值钱的数据公司，我认为会越来越像：懂一个行业的数据工程公司。

而不是：什么项目都能接的人力公司。

写在最后

39个城市开展数据标注先行先试，我当然认为是一件好事。

它说明数据标注没有消失。反而开始进入更重要的位置。

但它也给过去的数据标注模式划了一条很明显的分界线。

过去这个行业最重要的问题是：哪里还有便宜的人？

接下来最重要的问题可能变成：哪里有AI真正学不会的行业知识？

所以数据标注行业真正的未来，不在39个城市一共能装修多少工位，也不在还能再招多少标注员。

而在于：谁能够把中国真实产业里的经验、知识和工作过程，变成AI能够学习、能够验证、能够持续使用的数据。

低端标注不会突然消失。

但它会越来越自动化、越来越便宜，也越来越难形成壁垒。

真正增长的，会是：行业数据、专家数据、Agent数据、具身数据、模型评测，以及围绕模型持续迭代产生的数据服务。

所以这一次国家把数据标注扩到39个城市，行业真正应该高兴的，不是：“又可以招人了。”

而应该是：数据标注终于有机会，从一门人力生意，真正变成一门数据生意。

我是AI数据标注猿刘吉。

跟着我，用数据视角看AI世界。