时薪2000给AI打工，到底是谁在做啊？

不是兄弟，AI 数据民工的门槛，已经卷到教授了吗？

一说起数据采集，大伙儿的刻板印象，可能还停留在新时代的赛博电子厂。一堆人坐在电脑前给图片打框，给文本上标签，一条赚个几毛几块的辛苦钱。技术含量不一定高，标出来的数据主打一个量大管饱。

但世超发现，用这种大锅饭搞 AI 预训练好像开始过时了。取而代之的，是 AI 后训练对更高质量 “ 专家数据 ” 的狂热需求。

奈何人类常有，高质量人类不常有。会算数的人到处都是，王的猜想只有一个。

这就让专家数据成了一门供远远远小于求的好生意。不少传统招聘平台和猎头公司，以前是帮企业老板挖人，现在全掉头转行给 AI 物色口粮，专门干起了高端数据代采。

比如在知名平台 Handshake 上，金融、法律、医学、数学。。。几乎所有能叫得出名字的硬核垂直领域，都在疯狂招人。

给出的待遇也极其诱人，全员远程、工时自由，不同岗位给出的最高时薪，从 40 美元一路飙到 300 美元。

可惜这活儿不是谁都能干的。世超随手点进一个时薪 150 美元的岗位，任职要求直接给我整沉默了：

博士学历起步，现任数学、物理、化学、生物、工程领域教授，或荣誉退休教授；至少发过 5 篇同行评审论文，其中一篇还得是 2025 或 2026 年的新鲜货；H-index 大于 20，总引用量超过 2000。。。

吃了没文化的亏，在此刻具象化了。

但到底是为什么，曾经弱智吧都能当零食的 AI，现在非要吃专家教授制作的昂贵精饲料呢？

世超查了一圈资料，发现这贵，确实有贵的道理。

今年 1 月，美国 AI 招聘独角兽 Mercor 发了一篇挺有意思的研究报告。他们找来一个专家团队，精心手搓了 874 条专家数据喂给 AI。

结果，在只给 GLM 4.6 做一轮长程强化学习的前提下，模型在复杂专业 Agent 任务上的得分，直接翻了接近一倍。

但光这么说，大伙儿可能感受不到这 874 条厉害在哪。咱先给各位差友从生产数据的专家团队盘起。

虽然 Mercor 没有公开数据具体是谁贡献的，但从 Mercor 发布的 APEX-Agents benchmark 中，就能窥见真 · 专家团队的含金量。

在官网中，Mercor 表示：“APEX-Agents 旨在评估智能体能否胜任投行分析师、管理顾问和公司律师的日常工作。该测试包含 480 项任务，由 Mercor 的专家团队创建，这些专家包括拥有 10 年以上顶级公司经验的副总裁、董事总经理和经理。”

也就是说，普通新手村都不在考虑范围内，人家只要满级人类在真实商战中最权威的工作流。

但数据要显贵，出身和自身都不能基础。

和普通的简单 prompt + 回答不一样，这 874 条，是在一个无限接近真实的工作场景里采出来的，长周期专业任务数据。

比如，现在有一个公司的尽调项目，里面已经放好股东协议、财务表格、邮件、税务文件，还给模型开放了 Docs、Sheets、Python 等各种工具权限。

那么对应的一条专家数据，“prompt” 可能就是：判断这公司过去几年的股东分红是否符合 S-Corp 规则，并给出依据。

专家还要给这个问题配上一整套评分标准：必须找到哪些关键材料、核对哪些信息、哪些判断才算正确、最终输出需要满足哪些要求等等。

而最后，最耐人寻味的，是 874 这个数据体量。

要知道，以往搞模型 Agent 后训练，几万、十几万量级的数据集相当常见。即使不做最吃数据量的 SFT，到了精细的强化学习阶段，几千条数据也是很正常的。

可 Mercor 偏偏就用这几百条顶级样本，直接把模型的长周期复杂规划能力，硬生生拔高了一个台阶。

这至少说明，高质量数据，正在为模型后训练带来相当夸张的杠杆效应。一条一万块的数据，可能真比一万条一块的数据更有用。

而 Mercor 这个实验，其实刚好踩中了这两年大模型圈子最明显的一次风向变化。

以前说到 AI，大家津津乐道的都是，这一代预训练又吞了多少数据，基模参数又扩大了多少，知识库有没有更新，能不能回答更复杂专业的问题。

但今年，世超明显感觉到，AI 应用进入了下一个阶段。

长程 Agent 爆发，曾经那个通用 chatbot 已经不够看了，大伙儿现在想要的是在每个专业领域，都能懂人话，直接上手做人事的 AI。

所以，模型不只要学怎么想，还得教会它怎么查资料、调工具、自我检查等等，人工作时会经历的每一个步骤。

某种程度上，这和 DeepSeek-R1 时代大家热议的 “ 思维链 ” 很相似，AI 不只需要一个最终答案，还得给它解决问题的具体过程，才能教会它像人一样思考。

在这种转变下，以往靠蒸馏开源模型，预训练力大砖飞的性价比就越来越低。高质量后训练数据，就这样成了AI发展的重要卡点。

而比起预训练那种烧钱又看运气的炼丹赌博，专家数据的回报实实在在，模型能力提升肉眼可见，AI 公司自然也愿意为它付出高昂的价格。

可以说，靠着这门精饲料生意，海外的铲子先锋队已经赚得盆满钵满。

Mercor 的年化总收入从去年 9 月的 5 亿美元一路冲到今年 6 月超过 20 亿；Handshake 的 AI 训练业务，也从年初的 5.5 亿美元，在几个月内逼近 10 亿。

专家数据代采，正在极速长成一门十亿美元级的大生意。

而大洋彼岸跑通的商业闭环，国内也正踩死油门狂追。

比如字节最近直接新成立了一个一级部门 “ AI 数据与安全 ”，专门负责数据的规模化生产，级别甚至和负责大模型的 Seed、搞 AI 应用的 Flow、抖音本体平行。

以前给 AI 找数据、洗数据、验数据纯纯后勤苦力，现在，大伙儿也算是正式上桌了。

而等这些最贵、最稀缺的人类经验，被稳定制成精饲料喂进去，AI 的下一轮进化，可能也就不远了。

撰文：莫莫莫甜甜

编辑：江江 & 面线

美编：素描

图片、资料来源：

https://www.mercor.com/blog/expert-data-drives-model-performance/

https://joinhandshake.com/ai/opportunities/

https://api-docs.deepseek.com/zh-cn/updates/

https://github.com/Mercor-Intelligence/archipelago

https://huggingface.co/datasets/open-thoughts/OpenThoughts-Agent-RL-5K/blob/main/README.md

https://www.theinformation.com/articles/handshake-mercor-revenue-surges-demand-human-contractors-train-ai