晚点LatePost
2026-11-06 07:30 发布于 北京 晚点LatePost官方账号
蒸完人类上下几千年的数据之后，大模型开始 “蒸人”。
编辑丨高洪浩 黄俊杰
成都中和与天津侯台都是城郊结合处的老村镇。一群人在这里为大型互联网公司训练大模型，大多月薪不足 1 万元。
他们每天从阅读大模型生成的答案开始：核对事实，检查有没有答非所问，打分、比较优劣，有时还要亲手写一份示范。做完一条，再看下一条。模型要学的任务，从财务分析、修改程序，扩展到生物制药、芯片设计，人也得为这些任务准备示范和评分标准。
这些重复、琐碎的工作，构成了今天大模型训练中最重要的一环——数据生产。
“这家公司最大的创新就是数据。” 一位负责数据评测的人士这样评价 Anthropic。2025 年，当网上现成的文本越来越难满足训练需求，Anthropic 开始从人类的实际工作中收集数据：律师接到合同，先查哪些法规，修改哪些条款，改完如何复核——把过程记录下来，整理成训练数据，让模型学习。
中国模型公司在 2026 年初开始行动。腾讯混元负责人姚顺雨直接管理混元数据团队；阿里将千问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。
金融、法律、医疗，乃至核物理，模型公司很难只靠内部员工生产这些领域的数据。需求撑起了百亿美元级的公司：2025 年，《福布斯》估算 Surge AI 价值约 240 亿美元；同年 10 月，Mercor 融资估值达到 100 亿美元。有的创业公司只有两三个人，专为一个行业搭建 强化学习 环境，Anthropic 一单就能包下它们一整年的产能。
2026 年初以来，中国也出现了数十家数据供应商。UniPat 估值已达 30 亿美元。教授、科学家、投行和律所的从业者，开始兼职出题、写答案、演示操作、评价模型。参加出题的人，被戏称为 “人奸” 或 “碳奸”。
史无前例的自我 “ 蒸馏 ” 开始了。
2026 年上半年，一家提供大模型 API 调用服务的创业公司，与一家头部云厂商谈合作。创业者想拿到更便宜的价格，对方答应了，条件是获得用户使用模型时产生的数据。
创业者算了一笔账：即使给每名用户免费提供价值 100 元的调用额度，只要能积累足够多的高质量数据，再卖给模型公司，仍然划算。同一时间，一家头部 AI 数据公司也向他发出了收购要约。
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。
“我们参照真实数据，用大模型模拟了一份示例，包括任务、环境、操作过程和评分标准，不是任何公司的真实交付。示例中的题目共修改了 3 版。”
假设模型要学做杠杆收购测算表，帮助基金判断一笔收购划不划算、该出多少钱、如何借钱和还钱，准备数据就不只是找一张做好的表。
请投资并购专家提供完整的测算表、投资报告，以及当时用到的资料：收购双方的信息、被收购公司的经营数据、行业报告、借款条件和收购条款。以饮料公司为例，经营数据包括利润、经销商返利、销量、原料成本等。
专家要还原制作过程：读邮件，确认收购价格和回报要求；查经营资料，核对利润和返利支出；根据销量、原料价格估算收入与成本；把数字填进表格，计算借款、利息和还本金额；调整价格和经营预期，比较投资回报，最后提出建议。每一步都要说明查了什么、做了什么、为什么这样做。
专家还得写一份评分清单：哪些环节必须做好，哪些只是加分项，哪些错误会让整份作业不合格。
再请另一位专家复核，让模型试做：两位专家按同一清单评分，结果应基本一致，否则就要改标准；模型轻易拿满分的题，也会被筛掉。
任务邮件、原始资料、参考测算表和报告、操作记录、评分清单，共同构成一条训练数据。
难的是还原真实工作。一位数据服务商说，报告往往边写边改，中途会有新材料、新要求。有些修改依据留在邮件和聊天记录里，有些只是专家凭经验作出的判断，没有记录。
拿最终报告给模型出题，得先还原当时的材料和要求。信息不全，模型做不出，未必是能力不够；把信息一次给齐，它又学不到如何应对变化。
“越贴近真实工作、没有唯一答案的任务，数据需求越大。” 前述服务商说，同样的材料，不同的人会写出不同的分析，模型还不擅长处理这类任务。数学、物理等有标准答案的数据仍用于探索能力上限，但 “收不了太多钱”。
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。
任务越复杂，价格越高。一份投资机构的完整尽调案例，包括投资意见底稿、财务模型和被投公司经营数据，报价可达 5 万元。核物理、芯片设计等小众领域的数据更稀缺，市面上一出现就会被抢走。
一位接近月之暗面的人士说，公司训练 K3 时，在海外买了一批用于芯片设计的电子设计自动化（EDA）数据，“价格在数百万美元左右”。K3 技术报告也展示了相关探索，但官方将其定位为早期概念验证，披露的是仿真结果。
早期的数据生产没这么专业。字节刚训练大模型时，从内容审核团队抽人，还付钱请正式员工下班后写数据，内部戏称为 “众包”。
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。”
如今，字节通过 Xpert 平台招募专家，Seed STEM 科学家计划邀请了 100 位前沿科学领域的学者。数据创业公司也搭起平台，请各行业的人把工作经验做成数据。
Mercor 曾花费超过 50 万美元，请金融、法律、医疗和管理咨询等领域的专业人士制作 200 道任务，平均每道开发成本超过 2500 美元。出题者有人曾在 高盛 、 摩根大通 和麦肯锡工作。Surge AI 则有超过 400 人的专家顾问团。
中国专家数据平台 Humanlaya 聚集了约 300 个行业和学科的超过 10 万名专家，2026 年获得高瓴、红杉中国、今日资本等机构投资，估值接近 10 亿美元。
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。
专家的头衔不等于数据质量。许多教授不亲自做实验，难以还原硕士生、博士生的一线操作。平台因此雇用既懂行业又懂算法的全职员工，检查数据，并挑出可以重复使用的出题方法。10 位专家交来的方案，如果有 5 种能换材料、换条件继续出题，就安排算法人员扩成 50 条、500 条。
有的公司更依赖自己合成数据。UniPat 超过半数员工是大模型研究员，公司自己做模型、开发 评测基准 ，也与大厂联合研究，借此预判需求，提前生产数据。
数据能批量生产，也会很快过时。一家大厂订购教模型修复代码错误的数据，还没交付，模型已经从其他数据学会了；任务执行系统更新，也可能让修复代码变得更容易。这批数据就不值原来的价钱了。
不过，总有人接手。一位供应商说，除大厂和头部创业公司，小红书、米哈游、京东、九坤、蚂蚁等也有需求。各家进度不同，别家用过的数据，起步晚的团队可能还用得上。
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。
一位月之暗面研究员说，编程任务分修复错误、开发功能、编写测试、重构代码、优化性能等方向。先做什么、怎样搭环境和验证结果，团队起初没经验，人手又少，“很多数据其实都是实习生自己拍脑袋做的，很粗糙”。
公司开发编程命令行产品时，也想先让同事使用、积累反馈，但内部真正用得上的不足 50 人。即使开放给付费用户，高质量样本也未必多。一位大厂办公 Agent 产品经理说，产品用的模型不是最顶级的，用户任务也不一定复杂，“有的时候，几万条里才可能用到几条”。涉及工作文件和隐私，数据使用也更谨慎。
靠招人补齐能力同样困难。外部出现更强模型，团队就倾向于用其输出训练自己的模型，减少人工数据生产；蒸馏难以继续带来提升，人工需求又会上升。
一位独立模型厂人士测算，高峰期可能需要 6000 人生产数据，低谷期连 2000 人都用不上。总共只有几百人的模型公司，不可能长期养着这样一支团队。
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。
预算之外，买家还得知道自己需要什么。
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。
验收先看合规，再看质量。比如字节明确禁止蒸馏和使用非法 API。买家通常逐条读样本，检查结论是否深入、输入文件是否有错、有没有空白文档。一家模型公司的一号位曾问供应商：“文件格式名里多了一个空格，prompt 里没写这个空格，训给模型会不会有问题？”
另一个办法是拿去训练，看评测能否涨分。不涨，通常就不会继续采购。
月之暗面拒绝过 Surge AI 提出的深度独家合作。知情人士说，他们认为供应商规模大了，交付会更多集中于通用任务，很难持续提供细分、长尾数据。
“拒绝的前提是知道自己要什么、对数据有足够高的敏感度和品味。差距也从这里拉开。” 一位数据供应商说。
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。
但做数据的人，收入不一定跟着模型能力涨。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。
履历耀眼的算法研究员，如今也把大量时间花在清理样本、调整数据配比、编写评分规则上。
这与他们入行时的期待不同。大语言模型刚兴起时，他们追逐的是新算法、新架构。2024 年 9 月 OpenAI 发布 o1，2025 年 1 月 DeepSeek 发布 R1，强化学习让模型在反复尝试中，根据得分调整解题方式。数学有答案，编程能测试，研究员期待模型从中学到推理，再用到其他领域。
但会写报告、回客户邮件的好坏评判不像解题、编程这么容易。模型还可能为拿奖励而 “钻空子”：编造看似合理的过程，骗过负责评分的模型。研究员只好回来改数据、改评分规则、补漏洞。
竞争还压缩了他们的时间。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。”
为了赶上进度，他们指挥模型批量收集、修改数据，让更强的模型检查结果，自己盯着过程、处理问题。模型越强，能接手的步骤越多，下一轮训练也能更快开始。
2026 年，OpenAI 在一篇介绍内部研发变化的文章里说，编程 Agent 已深度参与研究员的日常：写实验代码、跑测试、排查基础设施故障。
Anthropic 也披露了类似的工作状态：一次常规升级导致数万个训练任务崩溃。工程师把故障信息和集群访问权限交给 Claude。模型逐项测试环境设置，找出引发故障的调试开关，复现问题并验证修复。公司称，这项通常需要人做两三天的工作，模型用了约 2 小时。一位工程师形容，工作就是 “面对一群 Claude，每一个都在争夺他的注意力。”
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。