把人类几千年的数据“蒸”完之后，大模型把目光转向了人。

成都中和、天津侯台，都是城郊结合部的老村镇。一批人在这儿替大型互联网公司训练大模型，多数人月薪不到 1 万元。

每天开工，他们先读大模型生成的答案：核对事实，看有没有答非所问，打分、比高低，偶尔还得自己写一份示范。一条做完，接着下一条。模型要学的活儿，从财务分析、改程序，一路扩到生物制药、芯片设计，人也得跟着为这些任务准备示范和评分标准。

这些活儿重复、琐碎，却撑起了眼下大模型训练里最关键的一环——数据生产。

“这家公司最大的创新就是数据。”一位做数据评测的人士这样评价 Anthropic。2025 年，网上现成的文本越来越难满足训练需要，Anthropic 转而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、改哪些条款、改完怎么复核，整个过程录下来，整理成训练数据，让模型照着学。

中国模型公司到 2026 年初才动起来。腾讯混元负责人姚顺雨直接管混元数据团队；阿里把千问的数据团队交到集团合伙人委员会成员范禹手上；字节在年中将 Seed 旗下的 Global Data 团队升格为 AI 数据与安全部门，与 Seed 平级，为所有大模型团队服务。

金融、法律、医疗，甚至核物理，这些领域的数据，模型公司很难只靠自家员工产出。需求托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。有的创业公司只两三个人，专为一个行业搭强化学习环境，Anthropic 一单就能包下它们一整年的产能。

2026 年初以来，中国也冒出数十家数据供应商。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。参与出题的人，被戏称为“人奸”或“碳奸”。

一场史无前例的自我“蒸馏”就此开场。

一条数据是怎么注入模型的

2026 年上半年，一家做大模型 API 调用服务的创业公司找上一家头部云厂商谈合作。创业者想拿到更便宜的价格，对方应了，条件是拿到用户使用模型时产生的数据。

创业者算过账：哪怕给每名用户免费送上价值 100 元的调用额度，只要攒够高质量数据再卖给模型公司，这笔买卖依然划算。差不多同一时间，还有一家头部 AI 数据公司向他发了收购要约。

用户完成任务时留下的操作轨迹，成了模型训练最吃香的数据之一。一位互联网公司数据团队的人士说，眼下最急的是编程和工作两类。

编程数据有两个去处：练评测集里的题，在排行榜上刷高分；或者学实际任务，比如开发游戏、搭 3D 模型。据我们了解，需求最旺的时候，一些模型厂每天砸在编程数据上的钱能超过 1000 万美元。

工作数据要还原的是办公过程：从文件里翻资料、读懂邮件里的要求和期限，再往表格里填数、编辑文档、查网页和数据库、调用工具。一位数据服务商创始人说，金融和法律行业经济价值高，大量任务在线上完成、以 Office 文件交付，算比较理想的训练环境。

“那份示例是我们拿真实数据作参照、由大模型模拟出来的，任务、环境、操作过程和评分标准都在里面，不涉及任何公司的真实交付。题目前后改过 3 版。”

假如模型要学做杠杆收购测算表，帮基金判断一笔收购划不划算、该出多少钱、怎么借钱和还钱，那准备数据就不只是找一张做好的表。

投资并购方面的专家得把完整的测算表、投资报告以及当时用到的资料都摆出来：收购双方的信息、被收购公司的经营数据、行业报告，还有借款条件和收购条款。拿饮料公司来说，利润、经销商返利、销量、原料成本这些都算经营数据。

专家还要还原制作过程：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；按销量、原料价格估算收入与成本；把数字填进表格，算出借款、利息和还本金额；调整价格和经营预期，比较投资回报，最后给出建议。每一步都得讲清查了什么、做了什么、为什么这么做。

评分清单也由专家来写：哪些环节必须做到位，哪些只是加分项，哪些错误会让整份作业直接不合格。

之后再请另一位专家复核，让模型试做：两位专家照同一张清单打分，结果应当差不多，对不上就得改标准；模型轻轻松松拿满分的题，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，合在一起就是一条训练数据。

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，中途会冒出新材料、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拍的板，根本没留记录。

拿最终报告给模型出题，先得还原当时的材料和要求。信息不全，模型做不出来，未必是能力不够；可要是一次把信息给齐，它又学不会怎么应对变化。

“任务越贴近真实工作、越没有唯一答案，数据需求就越大。”前述服务商说，同一批材料交到不同人手里，写出的分析各不相同，模型目前还不擅长应付这类活。数学、物理这些有标准答案的数据，仍被拿来探能力天花板，但“收不了太多钱”。

专家经验，一条从几百元卖到几万元，模型再把它批量扩写。

人工数据单条售价几百元到上万元，一批通常至少 1000 条；海外报价数字差不多，只是单位换成了美元。

任务越复杂，价钱越高。投资机构一份完整的尽调案例，含投资意见底稿、财务模型和被投公司经营数据，报价能到 5 万元。核物理、芯片设计这类小众领域的数据更稀缺，市面上刚一出现就被抢走。

一位接近月之暗面的人士透露，公司训练 K3 时在海外买了一批芯片设计用的电子设计自动化（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，不过官方把它定位成早期概念验证，披露的是仿真结果。

早年的数据生产没这么专业。字节刚训大模型那会儿，从内容审核团队抽人，还掏钱请正式员工下班后写数据，内部戏称“众包”。

据一位 Seed 后训练团队人士介绍，在 AI 陪伴产品猫箱里给对话写数据，用户发一句、模型回一次，这样算一轮；长的一条数据能到 100-200 轮，审过之后报酬通常上千元。做这事的人里有编剧、搞文学创作的，也有审核和编辑。“有人一个月下来能拿上万元。”

现在字节通过 Xpert 平台招专家，Seed STEM 科学家计划请了 100 位前沿科学领域的学者。数据创业公司也搭起平台，请各行各业的人把工作经验做成数据。

Mercor 曾花超过 50 万美元，请金融、法律、医疗和管理咨询等领域的专业人士做 200 道任务，平均每道开发成本超过 2500 美元。出题者有人曾在

中国专家数据平台 Humanlaya 聚拢了约 300 个行业和学科的超过 10 万名专家，2026 年拿到高瓴、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，她每月交约 40 条数据，拿 2 万多元，平均每条约 600 元。第一条花了 75 分钟，熟悉后约半小时一条。

头衔不等于数据质量。不少教授不亲自做实验，很难还原硕士生、博士生的一线操作。平台于是雇既懂行业又懂算法的全职员工，检查数据，挑出能重复用的出题方法：10 位专家交来方案，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，也跟大厂联合研究，借此预判需求，提前生产数据。

数据可以成批产出，可过时也快。有家大厂订了教模型改代码错误的数据，货还没交，模型已经靠别的数据把这本事学会了；任务执行系统一升级，改代码说不定也变简单。这批数据于是卖不上原先的价。

但接盘的人总有。一位供应商提到，需求方不只大厂和头部创业公司，小红书、米哈游、京东、九坤、蚂蚁等也在要。各家节奏不一样，别家用剩的数据，起步晚的团队或许照样能用。

还有一些买卖不走明面。创业公司先囤一批模型厂商账号，靠转卖 API 调用服务挣钱，再把调用产生的数据卖出去。也有公司直接找模型公司内部人员拿数据，再转手卖给同行；牵线的人可能待在算法、工程、基础设施或采购这些岗位上。有些交易靠回扣撑着，单笔合同几百万元到上千万元，内部的人从中抽成。

“每天就像是在捡钱。”一位数据供应商说。

大厂高价买断数据，可买家还是得清楚自己要什么

模型公司很难全靠自己生产数据。

一位月之暗面研究员表示，编程任务有修错误、做功能、写测试、重构代码、提性能这些方向。先干哪一项、环境怎么搭、结果怎么验，团队一开始既没经验，人又少，“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，也想先让同事用起来攒反馈，但内部真用得上的不到 50 人。就算开放给付费用户，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。

靠招人补能力同样难。外部一出现更强模型，团队就倾向用它的输出训练自己的模型，少做人工数据；蒸馏带不来提升时，人工需求又涨回去。

一位独立模型厂人士测算，高峰期可能要 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，不可能长期养这么一支队伍。

外部供应商愿意一份数据卖多家，大厂则普遍肯出 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，价值已经不一样了。

预算之外，买家还得清楚自己到底要什么。

蚂蚁在金融数据上的做法很典型：一份投研报告类的需求，会被拆成上百个案例、十多个子类，每一类要多少篇、案例长什么样，都得写明白。有服务商直言：“做蚂蚁的项目很多时候是亏钱的。”要求越细，交付就越难。

验收环节，合规排在质量前面。字节就明确禁止蒸馏，也禁止使用非法 API。买家一般会一条条翻样本，看结论够不够深入、输入文件有没有错、是不是空白文档。一家模型公司的负责人曾追问供应商：“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？”

另有一条路是直接拿去训练，看评测分数能不能涨。涨不上去，采购通常就到此为止。

月之暗面就回绝过 Surge AI 提出的深度独家合作。知情人士的说法是，供应商体量一大，交付会更多压在通用任务上，细分、长尾的数据很难持续供上。

一位数据供应商说：“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。”

训练模型的人，也准备把自己的活交给模型

DeepSeek 绝大多数员工都在做数据相关的工作。一位 DeepSeek 人士透露：“梁文峰偶尔也会参与数据标记。”姚顺雨接手混元之后，重新清洗了已有数据、迭代基础设施，混元 3 Preview 由此明显超过前代；正式版又优化了后训练数据、扩大了强化学习规模，能力再上一截。

做数据的人，收入却未必随模型能力一起涨。一位头部互联网公司的研究员讲，公司有支团队做了 1 万条数据，训练效果很好。可很多参与者月薪只有 8000-9000 元，按 18 薪算，一年不到 20 万元；同公司算法人员的年薪包在 1000 万元左右。效果上去了，奖励主要落在算法团队，数据做得好坏，员工到手的钱差别不大。

履历光鲜的算法研究员，眼下也把大把时间耗在清理样本、调数据配比、写评分规则上。

这和他们入行时的想象不一样。大语言模型刚起来那阵，大家追的是新算法、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里按得分调整解题方式。数学有答案，编程能测试，研究员期待模型从中学会推理，再迁移到别的领域。

问题是，写报告、回客户邮件这类事，好坏不像解题、编程那样容易判定。模型还可能为了拿奖励“钻空子”：编出一套看着合理的过程，把负责评分的模型骗过去。研究员只能回头改数据、改评分规则、补漏洞。

竞争还把时间压得更紧。最近一年，多家公司的后训练团队往往每一两个月就得发一个版本，研究员从早上 10 点半干到深夜，休假也带着电脑。

一位做后训练的研究员提到，各家在技术路线、数据处理和质量方面其实都差不多，分不出明显高下，关键是谁能先把东西做出来。他还说，不少事情一旦拖上两三个月，就算做出来也没什么意义了。

为了赶进度，他们让模型批量收集、修改数据，再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，下一轮训练也能更早开始。

2026 年，OpenAI 在一篇讲内部研发变化的文章里提到，编程 Agent 已深度介入研究员的日常：写实验代码、跑测试、排查基础设施故障。

Anthropic 也披露过类似状态：一次常规升级让数万个训练任务崩了。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，找出了引发故障的调试开关，复现问题并验证修复。公司称，这项通常要人做两三天的工作，模型约 2 小时完成。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。

题图来源：《闪灵》