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？
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。
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？
特斯拉招数据标注员，年薪最高 13 万刀
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。
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。
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。
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：
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。
服务 FSD 和 Optimus
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）。
JD 里有一条要求：「Must have working knowledge of the laws and rules of the road」。
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。
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。
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。
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。
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。
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？
