TwiScan
人気
コミュニティ
アカウントコレクション
ログイン
登録
English
日本語
한국의
简体中文
繁体中文
登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。
今すぐ登録
Xudong Han
@Xudong07452910
PhD ing @ University of Sussex | LLM & AI Agents 🎓 AI Agent Product Development Sharing AI tech insights DM for collab 📩 vx: hxdflying
参加 November 2020
744
フォロー中
16.1K
ファン
Xudong Han
@Xudong07452910
2026.11.06 14:43
是这样的,一点都不夸张,数据远比想象的重要。 很多做垂直 AI 应用的公司还没被吃掉,部分原因就是掌握一些行业数据,他们卖数据可能都比做业务赚钱。
もっと見る
晚点 LatePost
@latepostnews
2026.11.06 13:41
大模型的数据生意:人类如何蒸馏自己 -当网上现成的文本越来越难满足训练需求,模型公司开始从人类的实际工作中收集数据。 2026 年初,中国模型公司开始行动,腾讯混元负责人姚顺雨直接管理混元数据团队;阿里将服务大模型的数据团队交给集团合伙人委员会成员范禹;字节在年中将 Seed 旗下 Global Data 团队升级为 AI 数据与安全部门,与 Seed 平行,服务所有大模型团队。 - 用户完成任务时留下的操作轨迹,成为模型训练最受重视的数据之一。一位互联网公司数据团队人士说,目前最迫切的需求是编程和工作两类。编程数据有两种用途:练习评测集中的题目,在排行榜上拿高分;或学习实际任务,比如开发游戏、搭建 3D 模型。据我们了解,需求最旺盛时,一些模型厂每天在编程数据上的投入可以超过 1000 万美元。 工作数据则要还原办公过程:从文件里找资料、读懂邮件中的要求和期限,再往表格里填数字、编辑文档、查询网页和数据库、调用工具。一位数据服务商创始人说,金融和法律行业的经济价值高,大量任务在线上完成、以 Office 文件交付,是比较理想的训练环境。 - 一条人工数据售价从几百元到上万元不等,一批通常至少 1000 条。海外报价的数字相近,单位则换成美元。一位 Seed 后训练团队人士说,员工为 AI 陪伴产品猫箱编写对话,用户说一句、模型回复一次算一轮。一条长数据有 100-200 轮,审核通过后报酬基本能上千元。参与者有编剧、文学创作者,也有审核和编辑人员。“有的人一个月就能拿上万元。”一位在 AI 数据平台兼职的法律行业人士说,她每月交付约 40 条数据,拿到 2 万多元,平均每条约 600 元。第一次做一条花了 75 分钟,熟悉后约半小时。 - 还有一些交易不在明面上。创业公司攒下一批模型厂商账号,转卖 API 调用服务,再出售调用产生的数据。另一些公司从模型公司内部人员手里买数据,转卖给同行;经手人可能在算法、工程、基础设施或采购岗位。部分交易靠回扣维系,单笔合同数百万元乃至上千万元,内部人员从中分成。“每天就像是在捡钱。” 一位数据供应商说。 - 模型公司很难全靠自己生产数据。外部供应商愿意一份数据卖多家。但大厂则普遍愿意支付 3-4 倍溢价,永久买断或限时独占。今天合格的训练数据,半年后可能只剩一成有用。等竞争对手能买到,价值已经不同了。 - 大厂高价买断数据,但买家仍得知道自己要什么。蚂蚁买金融数据时,会把一个投研报告类需求拆成上百个案例、十多个子类,写清每类多少篇、案例什么样。“做蚂蚁的项目很多时候是亏钱的。” 一位服务商说,细致的要求增加了交付难度。 - 在 DeepSeek,绝大多数员工从事数据相关工作。“梁文峰偶尔也会参与数据标记。” 一位 DeepSeek 人士说。姚顺雨接手混元后,重新清洗已有数据、迭代基础设施,让混元 3 Preview 明显超越前代;正式版再优化后训练数据、扩大强化学习规模,能力又有提升。 - 数据工作的重要性上升,但数据生产人员的收入不一定能跟着模型能力涨。一位头部互联网公司的研究员说,公司一支团队做了 1 万条数据,训练效果很好。很多参与者月薪只有 8000-9000 元,按 18 薪算,一年不到 20 万元。同一公司的算法人员,年薪包则在 1000 万元左右。效果上去了,奖励主要给算法团队;数据做得好坏,员工到手的钱差别不大。 - 最近一年,多个公司的后训练团队往往每一两个月就要发一个版本,研究员从早上 10 点半工作到深夜,休假也带着电脑。“本质上大家在技术路径、数据处理和质量上都拉不开代差,就看谁先发出来。” 一位后训练研究员说,“很多事拖个两三个月,做出来也没了意义。” - 为了加快训练,研究员开始让模型参与数据生产和研发。他们指挥模型批量收集、修改数据,再让更强的模型检查结果。OpenAI 披露,编程 Agent 已参与研究员的日常工作,包括写实验代码、跑测试和排查基础设施故障;Anthropic 也称,Claude 曾在约 2 小时内完成一项通常需要工程师两三天的故障排查和修复工作。 - 研究员把各行业专家的知识、经验和判断做成数据,训练模型接手他们的工作。现在,模型要学的,也包括研究员每天正在做的事。
もっと見る
0
0
1
11
1
コミュニティへ転送
人気のあるユーザー
オリコンニュース
@oricon
2M ファン
New York Post
@nypost
4.3M ファン
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K ファン
TVer新着
@TVer_info
101.8K ファン
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K ファン
Bloomberg
@business
10.5M ファン
Reuters
@Reuters
26.5M ファン
モデルプレス
@modelpress
2.1M ファン
First Squawk
@FirstSquawk
579.6K ファン
billboard
@billboard
16.9M ファン
MANTANWEB/毎日キレイ
@mantanweb
68.6K ファン
吴说区块链
@wublockchain12
183K ファン
ファミ通.com
@famitsu
1.4M ファン
cv usk
@cv_usk
474 ファン
Yahoo!ニュース
@YahooNewsTopics
2.1M ファン