王立非

數據作為新型生產要素，高質量標注數據是人工智能模型訓練的核心支撐。在政策層面，國家 “十四五” 規劃等明確數據標注戰略地位，提出 2027 年年均增速超 20% 的目標;粵港澳大灣區憑借多語言文化環境、密集科技企業集群及 “數字灣區”“數據特區” 等政策優勢，構建起 “國家頂層設計—區域協同—跨境合作” 政策體系，成為語言數據標注產業重要集聚地。

根據澳門中西創新學院和北京語言大學聯合發布的《粵港澳大灣區語言數據標注產業發展白皮書》(2025)顯示，從全球與中國產業格局來看，2023 年全球數據標注市場規模達 140.7 億美元，美國以 30% 份額居首，形成 “專業公司 + 眾包平臺 + 標準組織” 的完整生態。同年中國市場規模約 800 億元，以北京、廣東為核心區域，但存在企業規模小、技術創新不足的問題。2024 年，大灣區語言數據標注產值 44.02 億元，占區域數據標注產業 69.9%，廣深雙核聚集 88% 的企業，形成 “綜合型企業主導、專業化企業補充” 的格局。

在產業發展現狀上，截至 2024 年，大灣區有 3775 家語言數據標注相關企業，實現產值 44.02 億元，擁有從業人員 1.28 萬人。其中，含語言數據標注的企業占 94.9%，貢獻 85.8% 產值;純語言數據標注企業雖僅有 52 家，但標注精度高;外資語言數據標注企業占比 3.7%，市場參與度有限。企業規模集中在 100 萬—5000 萬元區間，呈現“紡錘形” 分布，市場集中度中等(CR10=45.44%)。空間上，大灣區形成“廣深雙核 + 次級節點” 結構，深圳、廣州聚集 88.24% 的企業，貢獻 95.47% 的產值。珠海、佛山等為次級節點，港澳特區雖直接參與有限，但可在跨語言數據標注標中發揮作用，且區域空間集聚度高(HHI=3960)，部分區域已形成 “算法—數據—應用” 生態閉環。產業鏈涵蓋數據采集、工具研發、標注執行、質檢交付，存在專業外包、眾包平臺、企業自建三種模式，與數字經濟、人工智能、新質生產力高度協同，數據標注產業規模每增加10%，數字經濟指數、人工智能企業數、新質生產力水平分別增長 0.30%、8.96%和0.24%，對區域經濟驅動作用顯著。

技術創新與標準體系方面，自 2015 年起我國語言數據標注專利申請量快速增長，2022 年達 800 件，大灣區專利申請量位居全國第二，騰訊、平安等企業在智能標注工具、質量控制算法上領先，但基礎理論創新不足。AI 輔助標注、聯邦學習標注等技術廣泛應用，“機器預標+人工精修” 模式使效率提升 50% 以上。國家初步建立 “國標—行標—團標” 體系，大灣區試點跨境數據流通標準，推動多模態標注、質量評估等區域規范，并通過多級質檢、標準化流程保障數據質量管理，強化隱私脫敏、眾包權益保護等倫理措施，探索聯邦學習等技術防止數據泄露。

人才供需狀況顯示，大灣區語言數據標注崗位以基礎標注為主，通用標注員占比 68.18%，AI 訓練師(15.13%)、大模型標注(3.34%)等新興崗位逐漸崛起。崗位主要集中在廣深，占比 64.4%，薪資多在 6000—8000 元 / 月，兼職時薪 15—30 元，高技能崗位稀缺。企業以中小微為主，64.4% 的企業員工不足 500 人，外包現象普遍。全國語言數據標注人才缺口超 100 萬，大灣區面臨 “低端過剩、高端短缺” 問題，亟待完善職業技能標準，推動產教融合，設立技能競賽，保障從業者權益，構建 “初級標注員—高級訓練師” 晉升通道。

粵港澳大灣區語言數據標注產業雖已具備規模與集群優勢，但仍存在企業規模小、區域發展不平衡、技術存在瓶頸等問題。為此，建議加強區域協同，打造世界級數據標注產業集群;培育數據標注龍頭企業，建設產業園區;攻關智能標注技術，參與國際標準制定;健全語言數據標注人才培養與保障體系;強化數據治理與行業自律。通過政策、技術、人才協同發力，推動產業向 “規范化、智能化、高質量” 發展，為我國人工智能發展提供核心支撐和有力保障。

(作者簡介：北京語言大學教授、中西創新學院特聘教授、四川外國語大學“巴渝學者”)