Gergely Orosz 指出 Meta 軟件工程師被分配手動數據標註任務
Gergely Orosz 披露，Scale AI 在 Alexandr Wang 擔任 CEO 期間曾要求軟件工程師從事手動數據標註，新領導層接手後對此感到震驚並立即停止該做法。
如今 Meta 卻將軟件工程師強制分配至全職手動數據標註工作，據稱約 5000 名工程師從廣告和基礎設施等崗位轉入 AI 團隊，此舉在公司內部引發不滿與離職潮。
這一模式反映出 AI 訓練對高質量標註數據的巨大需求，儘管高薪工程師從事此類工作通常由承包商完成，但部分 AI 領導者認爲工程師親自標註有助於構建模型直覺。
來源：公開信息
ABAB AI 解讀
Alexandr Wang 在 Scale AI 時期推動工程師參與標註，後離職加入 Meta 領導 AI 相關工作，此前 Scale AI 已通過 Meta 140 億美元投資建立深度綁定，Wang 本人長期強調數據質量是 AI 模型性能核心瓶頸。
資本路徑上，Meta 通過大規模人員再分配和對 Scale AI 的鉅額 stake，優先確保內部數據管道控制權與定製化標註，而非完全依賴外部勞動力市場，此舉旨在加速自有模型迭代，同時在高強度 AI 競賽中鎖定關鍵資源投入。
類似 Meta 此前的多次工程師再分配案例（如基礎設施向 AI 遷移），也見於其他大廠在模型訓練高峯期的做法；當前 Meta 處於 AI 基礎設施從外包依賴向內部工程師深度介入的控制階段。
本質屬於資本集中：Meta 等巨頭通過將高成本人力直接投入數據標註環節，強化對訓練數據供應鏈的垂直整合，擠壓中小標註服務商空間，同時藉助工程師專業背景提升標註精度與專有知識嵌入，形成難以複製的競爭壁壘。
ABAB News · 認知定律
數據是新石油，標註是提煉：誰掌控標註鏈條，誰就掌握模型主權。
工程師賣時間 vs 賣結構：前者做標註，後者建系統，長期勝負立判。