再以我所在的公司上海钢联（300226）为例，它有若干工作交互平台，最有名的平台叫www.mysteel.com，后台有上千名编辑，他（她）们每天通过电话采集全国分地区、品种、分规格的钢材价格数据、库存数据、产量数据、产能利用率数据、进出口数据等。为了保证采集数据的准确性，他们需要先前对采集对象进行标准化认证，只有认证后的数据供应商才能作为采集对象。这些被采集来的数据要按照一定的字段、表格、统计图、文字等形式在网站上进行显示，这些被加工、清洗后的数据要放进数据库以备用，或者通过API连接给有关用户，这个过程就叫数据标注。

 

当然，因为大宗商品的周期性比较强，价格波动频繁、波动幅度大，因此，用绝对数据有时不好做分析比较，于是就需要对这些原始数据进行指数化处理，这个过程就叫数据增强。更进一步的应用体现在数据对企业的辅助决策支持，原始数据都是历史上发生的交易，是过去的数据，而用这些数据模型来预测将来的不确定性就要用到概率论，这些概率数据也可以称为数据的增强。

讲到这里，我们就会逐渐明白了数据在被互联网加载之前，需要经过采集、标注和标准化等步骤。同样道理，现在比较热门的人工智能在数据被大模型采用之前，也需要经过采集、标注和标准化步骤。

 

数据标注就是为原始数据添加标签或注释的过程，这对于训练、监督、学习模型至关重要。标注可以帮助模型学习数据中的特征和模式，从而提高模型的准确性和性能。最近在上海召开的世界人工智能大会，那些大模型之所以给人一种千篇一律的“相似”感觉，就是因为当深入到传统制造业、深入到厂矿车间的时候，大模型没有可以用来训练的标准化数据。所以若要让大模型AI从有趣走到有价值，就需要补上数据标注这一课。

 

这就是我为什么说数据标注可能形成一个新兴产业的背景和原因，我们还可以从以下几个方面加深理解。

 

一是需求的增长。随着人工智能和机器学习技术的快速发展，对于高质量标注数据的需求也不断的增长。同时，数据标注往往需要专业知识和技能，以确保标注的准确性和一致性。

 

二是数据标注是一个劳动密集型的过程，需要大量的人力来完成。随着自动化标注工具和平台的发展，数据标注产业也在不断的进步，效率也会大幅度提高，用工成本也会降低。

 

第三是数据标注工作可以远程完成，促进了全球化的劳动力市场。当然，随着行业标准的建立和监管的加强，数据标注产业也将更加规范和专业。