< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-05-08 12:25:39 来源：量子位
服务FSD和Optimus
急招数据标注员！
不需要AI经验、朝九晚五、有培训……
个别岗位年薪达到9-13万美元（61-88万人民币），还有现金和股票激励。
这么一算，岂不是四舍五入百万年薪了。
特斯拉新鲜出炉的招聘启事，看起来心动不？
Tesla AI 工程总监Phil Duan也转发了：
加入我们，共同打造全球最大的真实世界人工智能数据引擎。
如果你不熟悉这个人，他的中文名叫段鹏飞，刚在今年2月被马斯克提拔为Autopilot工程总监。
他亲手带队做出了FSD v12/v13/v14、Robotaxi发布，以及特斯拉最重要的Occupancy Network。
技术负责人亲自发帖，就一个意思：数据引擎要转起来了，缺人。
那么，事情就变得有意思起来了：
数据标注，这个大家印象中AI产业链里门槛较低的工种，为何突然成了特斯拉最想要的人？
先来说说数据标注员，到底是干啥的。
简单来说，就是教AI「看懂」世界：在图片或视频里框出行人、标注车道线、标记红绿灯状态、识别路边障碍物。
前特斯拉AI负责人Andrej Karpathy说过一句话：
模型决定上限，数据帮模型到达上限。标注质量差，再好的模型架构也白搭。
这个行业现在比大家想象得更卷，特斯拉自己的数据标注体量就很能说明问题：
60亿个object label、1.5 PB数据，内部维持着千人规模的标注团队。
而大模型爆发之后，国内的百度、字节、月之暗面等大厂也纷纷自建标注团队。
看似「拉框打标签」人人都能干，实际上现在高端标注岗要求你懂医学、懂金融、懂交通规则，甚至要理解模型训练原理。
那么，特斯拉这次招聘要的是什么样的人？
美国官网同期挂出8个data label相关职位，覆盖Austin、Draper、Palo Alto、Buffalo四座城市，全职、线下办公。
值得注意的是，经理岗比执行岗还多。
8个岗位里，3个是Manager、3个是TPM（技术项目经理），只有2个是纯执行的Data Labeler。
这通常意味着团队正处于快速搭建阶段，架子先搭起来，人员往里填。
至于具体工作嘛，以Austin的Data Labeler岗位为例：
核心工作是使用特斯拉内部工具，标注来自车队车辆和「Optimus Data Collectors」的图像与视频。
工作时间是周一到周五，上午9:00至下午5:30，妥妥的朝九晚五。
门槛也非常低，不需要AI或数据标注经验，特斯拉提供onsite培训。
至于任职要求，基本都是一些软技能：
嗯…虽然这个JD看起来很像流水线招工…
但福利是妥妥的好啊！（说到这我突然就不困了）
入职第一天就享受医保，部分计划$0工资扣款。
牙科含正畸、眼科，同样有$0工资扣款的选项；401(k)雇主匹配（类似国内的养老金）、员工股票购买计划、后备托儿服务、特斯拉宝宝项目……一应俱全。
甚至还有宠物保险！
特斯拉你属实吃太好了……
薪资方面，目前只有Palo Alto的Data Labeler Manager岗位公开了区间：
年薪92,000美元至138,000美元，另附现金和股票奖励。
任职要求也相应更高，但集中在团队和项目管理经验上，并未提到AI相关技术经验。
能拿这个薪酬，属实非常可观了。
特斯拉的这次招聘，明确面向两个战场：
FSD（完全自动驾驶）和Optimus（人形机器人）。
FSD这边，特斯拉在路上跑着数百万辆车，每天持续回传真实道路视频，需要标注的内容包括车辆、行人、车道线、交通标识和各种复杂路况。
JD里有一条要求：「Must have working knowledge of the laws and rules of the road」。
所以呢，标注员也得懂交通规则，能判断路况合法性的标注，才能训练出真正理解路况的模型。
Optimus这边，也有个细节值得注意：
JD中首次提到了「Optimus Data Collectors」。
这也是特斯拉第一次在公开招聘中，把人形机器人的数据采集设备与车队数据并列。
这说明了啥？
说明Optimus已经在工厂或测试场地部署了专门的数据采集设备，正在大规模回传原始素材等待人工标注。
这也说明，Optimus和FSD共享底层数据基础设施，同一个标注团队、同一套工具、同一个pipeline。
而Optimus需要的多模态数据，涵盖视觉、触觉和姿态，复杂程度比自动驾驶更高，所以同一个数据引擎需要扩产能。
马斯克一直坚持纯视觉路线，没有激光雷达兜底，这意味着特斯拉对标注质量的要求比任何竞品都严。
它不能靠其他传感器交叉验证，只能靠标注员画出来的框足够准。
看到这里你可能想问：特斯拉为啥不外包呢？
按理来说，Scale AI、Appen这些专业标注机构已经非常多了，特斯拉不是非得自己做这些吧。
但这个问题，JD里也已经回答了：
首先是数据保密。
车队回传的是生产环境的真实数据，包含用户驾驶的真实场景。这些数据不能流出特斯拉的防火墙。
自建团队、内部工具、现场办公，这就是三道保险。
其次是标注标准的一致性。
外包团队流动性高，培训成本高，标准容易漂移。
特斯拉要求标注员懂交通规则，因为车道线的标注逻辑、复杂路口的判断标准，只有真正理解路况的人才能做对。
此外还有工具迭代的闭环。
JD里专门写了一条：标注员要参与改进标注工具。
这也是只有自建团队才能做到的数据飞轮，一线反馈直接回流到工具开发。
标注员发现问题，工具随之迭代，数据质量持续提升。
如今的数据标注行业，或许和大家此前印象中的大不相同了。
2024年，全球数据标注服务市场规模超过100亿美元，预计到2031年将增至328亿美元。
中国市场也同步跟进，2024年国内数据标注市场规模达77.3亿元，预计到2027年超过150亿元。
主要玩家分成两类阵营。一类是专业的第三方标注平台，全球有Scale AI、Appen、Labelbox，国内有云测数据、海天瑞声、龙猫数据等。
另一类是以特斯拉为代表的科技公司自建团队，把标注能力收归内部。
两条路线各有逻辑：外包平台靠规模和人力池压低单价，自建团队要的是数据安全、标注质量和工具迭代的闭环。
行业本身也在加速演变，AI辅助标注已经成为标配。
有国内的AI数据标注公司对外透露，用模型做预标注，人工只负责审核和修正边缘案例，效率能提升10倍以上。
与此同时，通用标注的需求在萎缩，垂直领域的专业标注需求在膨胀。
自动驾驶3D点云标注、机器人动作标注、医疗影像标注，这些都不是「画框」能概括的，需要标注员真正理解业务逻辑和AI训练原理。
这直接导致了行业内部的薪资分化。基础标注员月薪仍停留在3000元左右，而具备医疗、金融等专业背景的高级标注师，月薪可达4万元。
从另一个方向印证的是大厂的动作：
月之暗面曾为「AI数据标注师」岗位开出最高4万元月薪，要求本科及以上学历、3年以上战略或商业分析经验，还需具备数据分析和逻辑判断能力。
也有美团等大厂，为数据标注师开出了月薪15-25k的价码。
从地理分布来看，标注工作正在从欧美向东南亚、非洲和中国三四线城市迁移，成本是核心驱动力。
目前，国内数据标注产业链已经相对成熟，但高端标注能力仍是短板。
特斯拉中国官网目前还没有开放同类岗位，海外先行。
不过，国内新能源车企和人形机器人公司的数据需求正在快速爆发，面临和特斯拉同样的问题：真实物理世界的数据，供不应求。
那么，这个行业下一步会走向哪里？
方向基本已经清晰：两极分化会继续加剧。
简单重复的基础标注，会被AI辅助工具进一步吃掉，留给人做的空间越来越窄。
但复杂场景的精细标注，反而会因为具身智能、医疗AI、自动驾驶的持续落地，催生出更大的需求缺口。
2022年，特斯拉曾裁撤了200名数据标注员，理由是自动标注能力已经大幅改善。
但四年后，它又在急招，而且这次招的是同时服务FSD和Optimus两条产品线的标注员。
这就说明，AI能替代的，是流水线上的那部分；它替代不了的，是那些需要真正理解物理世界的判断。
而后者，恰好是具身智能时代最稀缺的东西。
都说谁控制了真实世界数据，谁就控制了下一代AI的上限。
但数据标注这份工作，属实也有点枯燥啊……
有从业者给出了这样的形容：
跟在工厂打螺丝差不多，每天上班的任务就是标框，完成后下班。
唯一不同的区别可能就是一个在写字楼，一个在工厂，一个坐着，一个站着。
还有人说，「每标注200个就有一种想吐的感觉。」
但在国内，这份「写字楼里打螺丝」的活，月薪最高三四万。
你愿意做吗？
参考链接：
[1]https://x.com/TeslaRecruiting/status/2052084720591405111
[2]https://x.com/pduan/status/2052105912756879599
[3]https://www.tesla.com/careers/search/?query=data%20label&site=US
版权所有，未经授权不得以任何形式转载及使用，违者必究。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。