十八世紀末期，在美國的西進運動中，人們在薩克拉門托河裏發現了金砂。
    在勇氣、貪婪的作用下，工人、農民、海員和傳教士，前仆後繼，前來淘金。
    這就是赫赫有名的“淘金熱”。
    不過在這場轟轟烈烈的西進運動中真正依靠淘金賺到大錢的人卻不見得有多少。
    反倒是在淘金熱這一過程中另辟蹊徑的賣水人賺得盆滿缽滿。
    “數據標注”這個領域某種程度上就是前世人工智能迅速崛起時的“賣水人”。
    在前世人工智能迅速崛起的時候。
    海外大多數科技公司幾乎都不約而同將目光都聚焦於追求更先進的算法、平台框架建設、商業化。
    “數據標注”作為一條既不瑰麗也不獨特的領域。
    縱然數據標注在機器學習尤其是監督學習中扮演著相當重要的工作。
    但數據標注這個領域依然讓很多海外科技公司不屑一顧。
    甚至是很多海外巨頭以及前世一些專門搞人工智能的海外公司對數據標注也是不屑一顧。
    或者也不是不屑於顧，隻是選擇性無視罷了。
    畢竟在很多海外科技公司眼中看來數據標注是一項吃力不討好的體力活。
    而投資者因為對數據標注不甚了解。
    也往往對數據標注這一領域不甚關注。
    反而是那些以技術為核心或者說ppt上以技術為核心的科技公司反倒是更容易脫穎而出並受到投資者青睞。
    然而在前世當人工智能喧囂的風頭不再。
    褪去華麗的外衣之後再看一眾人工智能行業各從業公司時。
    會發現曾經那些大張旗鼓追求先進算法、商業化以及平台框架建設的海外公司不見得有多少賺錢的。
    （打臉地說，多數都在賠錢，而且是燒錢那種賠
    就比如說前世人工智能方麵的一麵旗幟deepmind這家公司被穀歌收購後基本上一直在燒錢）
    反倒是從事於數據標注這方麵的一些當初不怎麽上台麵的海外小公司賺得盆滿缽滿。
    甚至於還出現了一些估值能夠達到七十億美元左右的獨角獸公司。
    雖然估值這種東西一般有不少的水分。
    但作為一個人工智能有關的公司估值七十億美元也差不多了。
    畢竟前世一貫被稱為人工智能風向標的deepmind當初被穀歌收購的時候也不過才被估了不到十億美元。
    對了，為什麽上麵所有提及的公司都指的是海外的公司呢甚至是連所謂的“不怎麽上台麵的小公司”也是特指海外的一些公司呢？
    無怪乎林灰會單獨將國內互聯網公司區分出來。
    因為一些眾嗦粥汁的原因，國內的互聯網企業基本都是溫室裏的花朵。
    而是國內的互聯網除了個別比較能打的之外多數都著實不怎麽爭氣。
    很多時候以國際的眼光來看問題的時候，會發現國內的一些互聯網公司奇奇怪怪。
    甚至總給人一種莫名其妙的感覺。
    或者高情商地說，國內互聯網公司普遍是領先地球online好幾個版本的理解。
    很多時候國內互聯網會根據不同的時期呈現出不同的形態。
    有的時候國內的互聯網公司會表現的像房地產公司，有的時候會表現的像傳媒公司，有的時候表現的像車企，有的時候像搞cx的。
    唯獨沒啥科技公司的樣子。
    對於國內互聯網公司這一眾魑魅魍魎，很多時候林灰是幹脆無視的。
    真要創業就去跟國際上諸如ibicrosoft之類的巨頭去角逐。
    在國內互聯網的小魚塘去逐鹿著實沒啥挑戰性。
    具體到數據標注。
    前世國內在數據標注似乎是從來都是一片混亂。
    因為數據標注沒啥門檻，至少看起來是沒什麽門檻。
    一個大學生不到一天培訓基本就可以做普通的數據標注。
    這樣的行業自然是卷的厲害。
    有多卷呢？
    林灰記得前世他最開始接觸數據標注的時候還是在讀書期間。
    那個時候即便是眾包任務。
    差不多也能一小時標注就輕輕鬆鬆賺50~70。
    工資日/結，很不錯的兼職工作。
    林灰記得大學期間有一段時間缺錢又沒好意思問家裏要。
    搞了半個月的數據標注，結果意外還攢了點錢。
    而當林灰穿越前夕同樣強度的數據標注基本就隻能是一個小時十塊左右。
    工資能月結就不錯了（有的甚至三月結），而且還要扣稅。
    雷布斯說得確實沒錯，站在風口上，豬都會飛。
    很多時候，就算飛不起來，能趕上紅利期，多少也能蹭點葷腥。
    而當紅利期過了，就直接一地雞毛。
    事實是隻要跟互聯網沾邊的。
    別管啥層次，總之就卷的不行。
    但涉及到數據標注這著實是卷的太厲害了。
    在互聯網各行各業漲工資的情況下數據標注這一行業的從業人員工資直接縮水了五分之一。
    簡直可以說是慘不忍睹了。
    在前世涉及到數據標注這一領域這種瘋狂卷的情況下。
    很多時候甚至是劣幣驅逐良幣。
    等到擁有核心數據的大廠意識到數據標注的重要性之後準備下場了。
    卻發現甚至沒立錐之地。
    縱然是擁有核心數據。
    對於數據標注，很多時候也隻能將尋求外包。
    諸如擺渡眾測、狗洞微工、阿狸眾包、鵝廠搜活等眾多數據標注平台基本就是這類產物。
    簡直就超級離譜。
    不過這件事也側麵提醒林灰。
    如果林灰真的能數據標注上鼓搗出名堂的話。
    沒道理在涉及到解讀數據、數據可視化等領域沒實力。
    那樣林灰的觸角可以輕而易舉地觸及到別的地方。
    這些暫且不說，僅僅是形成數據標注方麵的掌控的話。
    也很牛比的了。
    這幾乎意味著將來林灰是有可能在數據層麵上徹底卡死不少企業進軍人工智能的可能性的。
    《控衛在此》
    最起碼也有不少企業想在人工智能領域分一杯羹的話也要看林灰的臉色。
    呃，怎麽聽起來越來越像反派了？
    不過也無所謂，多數時候林灰是願意與人為善的。
    畢竟與人為善是美德，但在波譎雲詭的互聯網環境中一味的傻白甜是要付出代價的。
    可以不掀桌子，但必須要有掀桌子的實力。
    不過這些都是以後的事情了。
    盡管突然意識到了前世信息中所包含的超大規模文本數據標注的經濟價值以及標注數據在人工智能時代所具有的獨特地位。
    林灰神色上也沒流露出太多異常。
    畢竟腦海中無論想到的東西如何波瀾壯闊。
    實際執行的時候也隻能一步一步地來。
    是很難一步到位的。
    就比如林灰此前所想的將一些文本數據標注拿去換錢。
    類似於出售真要想利用數據標注進行大規模的變現依然是有難度的。
    該去哪找能夠一次性吃下幾十萬條幾百萬條甚至是更大規模標注文本的買家呢？
    其實林灰是知道超大規模標注文本的潛在買家。
    但跟狹義知識差不多，縱然知道潛在買家，林灰也不可能去兜售。
    過於主動反而容易被動。
    似乎最好的做法就是借助於掮客，即一個中間人。
    含蓄地將林灰手中有大量數據標注信息且有意進行變現的消息透露給可行的買家，然後從中牽線。
    不過去哪找這樣的中間人呢？
    對於這個問題林灰沒太理想的答桉。
    莫非是要靠尹芙·卡莉麽？
    看著眼前剛剛提出問題一臉求知欲的尹芙·卡莉。
    林灰覺得像尹芙·卡莉這種很純粹的人估計是很難勝任這種工作的。
    林灰甚至為自己生出這樣的想法而愧疚。
    林灰確實也應該有點愧疚。
    因為他剛才的思考似乎冷落尹芙·卡莉有一會了。
    不過林灰不會讓尹芙·卡莉白等的。
    林灰相信接下來他所向尹芙·卡莉的談話會讓尹芙·卡莉收獲滿滿的。
    事實也正如林灰所預計的那樣。
    這確實是一次收獲滿滿的談話。