核数聚内部员工实录：从只会对着电脑画框的新人，到扛起小组项目，一年时间，我读懂了数据标注这份工作的重量。

📌入行第1天：以为标注只是简单的画框

2025年7月，我入职核数聚，成为一名AI数据标注员。在此之前，我对这份工作的想象很简单：对着电脑，完成图片、点云的标注任务，安稳做好手头工作就够了。

入职之后先参加系统化新人培训，学习自研Nebula Studio标注平台的操作，熟悉AI 预标注+人工精修的作业模式，练习 2D 图像拉框、语义分割、视频目标跟踪，还有复杂的 3D 点云标注。培训师反复强调，标注是AI模型的根基，每一处轮廓、每一个点位都要精准，不能出现偏移、漏标。

当时我心里觉得，不就是调框、打点，能有多难。可正式上线接项目之后，现实很快给了我一记警钟。我接手的第一个项目是自动驾驶场景图像标注，需要处理大量行车视角图片。AI 预标注给出初步结果，我要做人工精修修正细节。刚开始上手，经常出现边界贴合不到位、小目标漏标，一批样本被质检打回返工。

上线第4天，长时间盯着屏幕操作，我的右手开始发酸发麻；夜里闭眼休息，脑海里还不断闪过各类目标框。熬了两周，反复打磨操作细节，我的标注准确率才稳定到94%以上，返工率终于降了下来。

那一刻，我才真正明白：标注看着是重复劳动，考验的却是耐心、专注力和对规则的理解力。

📌入行第3个月：读懂标注背后的责任

度过新人适应期，我的标注速度和质量逐步稳定。我不再只盯着手里这一张图、一帧点云，慢慢读懂这份工作背后的意义。我们产出的数据，会拿去训练自动驾驶、机器人的AI模型，每一处标注误差，都有可能影响模型最终的表现。

期间接触过具身智能机器人相关标注项目，需要在复杂场景下标记机械臂、物体交互位置，像素级的偏差，就会干扰机器人的感知判断。遇到高要求的专项任务，全组一起集中攻坚，遇到样本疑难问题，我们会在群里同步讨论，对齐标注规范。

我也慢慢理解行业真实的难处：项目不是一成不变。客户需求迭代，标注规范会同步更新，已经做完的部分样本，就要重新修改调整。这些额外的工作量，不会单独算成新任务，只能靠我们自己调整节奏消化。但和网上流传的部分标注公司不一样，这里会把绩效核算规则、任务基准、质检扣分标准全部公开透明，有疑问可以直接找质检、项目负责人沟通，不会出现 “绩效属于公司机密无从问起” 的情况。多劳多得，产能和质量直接体现在每月薪资里。

📌入行第6个月：跳出单纯标注，看见完整项目流程

入职半年，我已经是组内产能、质量都靠前的标注员。遇到新人入职，主管还会安排我协助带教，讲解平台操作、拆解项目要求，帮新人避开常见的标注坑。

借着带教的机会，我接触到了标注之外的完整流程：客户的原始需求怎么拆解成可执行的标注规范；项目中途标准调整之后如何同步全员；任务工时怎么分配，紧急项目如何协调排期。

我看到很多项目损耗，不完全来自标注人员的失误：客户需求迭代变更，已经完成的部分样本需要修改；新增紧急任务打乱原有排期，大家被迫切换工作节奏。但公司会尽量通过预标注工具、流程优化去降低无效返工，遇到大规模需求变更，也会评估调整任务量，不会把所有压力全部压在标注人员身上。

一边做标注，一边带新人，我不再仅仅是一个 “画框的人”，开始学会站在项目视角思考问题：一份样本标错，问题到底出在标注员理解偏差，还是规范写得不够清晰？新人频繁踩坑，哪些要点可以提前整理出来做提示？

📌入行第9个月：成为团队里的骨干，承接更多责任

到入职第九个月，我的准确率稳定维持在97%以上，不管是传统2D图像，还是难度更高的3D点云、多模态融合标注，都可以快速上手。除了日常标注作业，我开始参与项目前期的小批量试标，反馈样本难点，协助完善标注规范文档。

遇到项目赶交付节点，我会配合主管梳理组内人员产能，帮忙分配任务，收集组员遇到的疑难样本，统一汇总反馈给质检和项目侧，减少反复来回沟通的内耗。

这段时间我也见过不少同行的故事，网上很多标注员吐槽：承诺升职却一直画大饼，等了几个月最后落空；晋升之后就要逼迫同事无偿加班，自己从被压榨变成压榨别人。我心里也在思考，如果未来有机会走上管理岗，我要做什么样的管理者。我自己吃过标注的苦，知道长时间对着屏幕作业的疲惫，我不想成为逼迫同伴硬扛不合理压力的人。

📌入行第12个月：正式晋升小组长

转眼入职满一年。过去一年，我不是单纯埋头重复干活，一边打磨标注技能，一边学项目管理、人员协调、规范梳理。主管和项目经理看在眼里，把小组组长的机会给到了我。

这次晋升不是口头画饼，走完完整的内部评审流程之后，正式下发通知，岗位、薪资同步调整到位。

当上小组长之后，我的工作彻底发生变化。不再把绝大部分时间花在手动标注上，更多精力放在项目跟进：核对每日小组产能数据，跟进质检问题，拆解客户需求，组织新人培训，收集组员遇到的卡点，协调资源解决问题。

我时刻记得自己曾经也是一线标注员。安排任务的时候，充分评估样本难度，不盲目压产量；遇到项目变更产生返工，主动同步变更原因；组员反馈规则看不懂，我会整理通俗的案例讲解，而不是简单退回让大家反复修改。项目赶进度的时候优先优化流程，用好平台 AI 预标注能力提效，而不是一味要求大家无偿加班。

我很清楚，小组的产出，依靠的是每一个一线标注伙伴。我要做的不是盯着数字施压，而是帮大家扫清障碍，把项目顺顺利利交付出去。

✨一年感悟：标注不是终点，是行业的一扇门

回头看这一年，从懵懂新人成长为小组长，我真切感受到：数据标注不只是简单的重复劳动，我们是AI的 “老师”，我们输出的数据，支撑着自动驾驶、人形机器人等前沿技术往前走。

在这里也想分享几点过来人的心里话：

1. 看清行业，找对平台很重要。数据标注行业鱼龙混杂，选择岗位时，一定要确认绩效规则公开透明，清楚任务基准、扣罚逻辑，口头承诺的晋升不算数，要看正式评审、书面岗位调整通知。
2. 不要只做 “工具人”。不要一直埋头只会画图框，多去理解项目背后的需求，看懂标注规范，学习项目流程、质检逻辑，把一线实操经验变成自己的竞争力。
3. 管理不是学会施压，而是学会共情。如果未来走到管理岗位，不要忘记自己曾经也是一线打工人。懂得一线人员的难处，才能把团队带好。
4. 看清行业变化。现在 AI 预标注正在替代大量简单重复工作，3D 点云、多模态、具身智能标注成为新的主流方向，持续学习新的标注能力，才能跟上行业迭代的脚步。

入行一年，我走完了从标注员到小组长的路程。前路还很长，我希望带着一线实操的经验，和团队一起产出更高质量的 AI 训练数据，继续在 AI 数据这条赛道往前走。