互聯網大廠“底層牛馬”：一個月工資4000，全年三班倒，審低俗審廣告

提起互聯網行業工作，一般人能直接想到的就是碼農、程序員和高薪。實際上，互聯網行業還有一個更大的工種、藏在暗處的工作——不被大廠公關宣傳提起也不被大眾關注的工作——審核、數據標注。

當然，審核、數據標注這些業務一般都是大廠公司外包給第三方公司——業務沒有技術含量，也不直接產生收益，還是勞動密集型業務，不值得大廠自己耗費精力去管理經營。各大廠基本只把技術、算法、數據分析……等重點崗位拿在手里。

像字節、抖音、百度、美團等在武漢、石家莊、西安等二線城市都有外包出去的審核業務、數據標注業務。

互聯網平臺，每一秒都有大量內容產出，等著審核完畢再推薦給用戶，基本都采取AI模型機器審核+人工審核結合模型，既不是全部人工審核，也不是完全交給AI模型機器審核。

審核邏輯一般是，機器判斷這個內容沒有問題，就不必人工審；機器無法判斷或懷疑內容有問題，再交給人工審核。

而機器模型如何判斷內容質量有沒有問題，又涉及到另外一個基礎工作：數據標注——給各類數據打標簽，訓練AI模型。

沒日沒夜倒班，到手4000

審核工作根據審核對象可以細分成用戶審核、投訴審核、視頻審核、圖文審核、商品審核、廣告審核、評論審核、高展審核（審核平臺高展示高數據的內容）、直播審核、社區審核等等。

審核都要求大專學歷及以上

在互聯網的世界，每一秒鐘都有無數內容產出，每一秒都有無數內容等著審核。人工審核崗位跟工廠流水線一樣，通常實行倒班制，全年365天*24小時都有人在崗，上班時間一般三班倒，或多或少都有通宵班，比如，可能早班9:30-21:30，中班12:00-0:00，晚班21:30-9:30（通宵班業內俗稱大夜班）。也有的公司相對溫柔一點，一個班次9小時或者8小時輪班，通宵時間是23：00-8：00或者00：00-8：00，也有公司根據業務量設置成N班倒，根據一天的階段送審量變化情況，調節每一個小時的在崗審核人力，將人力安排最大效率化。

曾有媒體稱，審核這種工作類型類似于工廠流水線，源源不斷產出的內容就像24小時不間斷轟鳴的機器。審核這個工作線，沒有辦法停下來，停下來意味著“重大事故”，比如外包公司斷電斷網，導致審核中斷，面臨的就是潮水一樣的內容積壓。因此，許多審核員的生活中不存在“周末”，可能周三周四休息，周日周六上班，也不存在春節、國慶等假期，節假日也需要按照排班表工作。

審核工作作為新的工廠流水線，工作地點不是工廠，而是在各個城市名頭鮮亮的“科技產業園”或者“商務寫字樓”里，比如，武漢光谷世貿中心。武漢因為高校多，應屆畢業大學生多，是很多大廠的外包公司駐扎地。

檢索武漢的招聘，大部分審核員都要求大專及以上學歷，薪資范疇在4k-6k，同時會注明是否倒班和調休。但大部分審核員都表示，倒班是必須的，但實際工資只有4000多，只有瘋狂加班卷工作量才有高工資，也有個別二線城市的審核員表示自己到手工資就3000多，跟保安差不多，還要上通宵。

“三班倒，上通宵，真的受不了，”某已經離職的前審核員如是說，“就是血汗工廠，很多人干不到半年。同事之間也很少交流，就是不停干活。流動性非常大，能堅持干的人，真的不是一般人。”在排班制度下，可能今天早班明天晚班，有時又連續通宵班，審核員生物鐘混亂，對很多審核員來說，休息的日子也沒有實現“休息”，大家一般都用來補覺，沒有精力出去玩出去放松。

某廠復雜的倒班制度

審核員離職率高，要保持業務開展，很多大型外包公司基本每月每周每天都在招聘審核員。招聘一般都會靠“五險一金”“雙休”“文職”“坐班”等優點來宣傳審核這個崗位。“現在這個形勢，審核也比較容易找到本科生，有工作總比沒有好。”

有的公司招聘審核員會明確要求不超過32歲、甚至不能超過28歲，有審核員自嘲，只招年輕人，主要是每個月都有夜班，怕你年紀大了，熬夜猝死在電腦前面。

某大廠審核崗位招聘

不要干審核，沒前途

不同審核業務工作量要求不一，但普遍審核量大，低的業務線可能一天要求審核500條，高的業務線可能要求一天審核2000條。所有外包公司都對審核員有績效考核要求，要組內比較，誰工作量墊底，誰質檢正確率墊底，如果連續兩個月或三個月績效墊底，就會淘汰，無經濟補償。另一方面，審核的結果可能不會讓“被審核”的用戶滿意，用戶會認為審核員“亂審”“瞎審”“隨心所欲”進行投訴，而投訴可能會影響審核員績效。

在網上搜“某互聯網公司名字+審核”都能找到“避雷帖”“勸退帖”“吐槽帖”，勸人不要來這家公司當外包審核。

“真心勸你不要干審核”，來自武漢的某大廠千外包審核小B表示，“干什么不好啊干審核。”據小A描述，他的工作是視頻審核，審核就是不停看視頻，看視頻，看到眼瞎，看到麻木，看到下班后一點也不想點開任何視頻APP。

審核視頻看視頻都是看視頻抽幀，用4x、8x速度看，沒有人能“慢慢看視頻”。根本慢不下來，也不能慢下來。慢了，人效不過關，績效低，到手工資就低。同時業務方又要求準確率，審核后臺會展示這個視頻的多張抽幀截圖，方便審核員判斷這個視頻內容質量，但是你怎么能確定，機器沒有抽到的這一幀，里面沒有問題呢？但只要你審核通過的內容，出了問題，鍋就是你的了。

“卷”，是另外一個審核員小B對審核工作的看法。比如，某個審核業務線原本每天要求審核800條/人，結果有人為了績效，卷到2000條/天，“卷王”自己工資高了，但所有人全部被迫卷起來了，結果所有人都做到900-1000條/天。上面業務主管一看，原來每人1000條/天也能做，人效要求就直接改成1000條/天，就這么“降本增效”了。

學不到東西，是審核員對審核工作最普遍的看法。每個人審核員基本只了解自己接觸業務的審核規則，比如圖片有無違規、有無違禁內容，或者機器打的標簽對不對、應該打什么標簽。但至于更多更上層的邏輯、算法、流程，比如，機器怎么判斷的某條內容的標簽、自己打好標簽的內容怎么推給用戶的、具體的審核流程、推薦策略，一線審核員完全不了解不清楚，也無法通過本職工作學習。

互聯網行業的世界，就像是郝景芳筆下的折疊世界，界限分明，底層業務永遠就是底層業務。

在社交平臺上，也能看到很多審核工作從業者勸大家不要做審核。這個工作，不需要你思考太多，不需要你深入學習，就是按照工作審核標準、工作要求，不停審核，不停審核，每個審核員就只是內容生產-審核-推薦流程上一個不起眼的螺絲釘，毫無成長性，可替代性極大。

訓練AI，讓AI淘汰我自己淘汰人工

不少人都會質疑，為什么在技術如此發達的今天，還需要如此大量的人工審核。答案也很簡單，因為機器判斷不了，而要提高機器判斷能力就需要優化機器模型，這個工作又需要大量的人工來標注數據。

基本每個使用數據大模型的公司都有會個工作業務是“數據標注”，即標注數據，訓練AI模型機器，幫助AI模型學習，提高AI模型的準確率和效率。數據標注員需要標注什么項目，每個項目標注多少量，由負責該AI模型的算法和產品決定。

“數據標注跟審核其實差不多，就是按照規則要求選出想要的內容，”來自某大廠外包的數據標注員小C表示，“類型非常多，視頻，圖片，文本，用戶行為，都可以是標注數據。”比如，品類、時效、三俗程度，都可以由人工去標記大量數據，然后去AI模型根據這些數據去不斷調整自己的判斷：識別文本，識別圖片，識別視頻，識別情緒，識別物體、識別動作……

標注數據比審核工作好的一點是，不用三班倒，標注數據的工作對時間的要求沒有審核強。但數據標注員也普遍都認為自己跟審核員一樣，只是工具，是機器。一方面需要記很多規則，不同的項目需要標注不同的東西，另一方面是需要一直盯著屏幕，傷眼睛，不停重復操作，一天1000個工作量起步。比如文本標注，可能一毛錢一條幾分錢一條。

比如輔助駕駛AI大模型業務，需要人工給大量實況交通內容數據標注，大部分時候給要求找到的東西“拉框”，比如交通警示柱、車、水馬。標注員的工作，就是從早到晚坐在電腦前拉框，面對畫不完的車、畫不完的交通警示、畫不完的水馬……一般會按拉框個數和準確性計算工作量。比如一個月拉3萬個框，可能能有3000多元4000元。

數據標注后臺

比如標注視頻類的三俗模型，需要按照規則去標記，到底什么算三俗。需要標注員判斷一個美女類視頻是否三俗擦邊，具體是什么問題，是衣著暴露嗎？漏腰還是漏大腿了？還是女生表情偏迷惑人，還是動作具有誘導性？……通過大量的數據標注，告訴AI模型，到底什么是三俗，俗到什么程度需要審核下線，什么程度可以推送給部分特定人群但不能被大量曝光。

一般此類特意突出胸部、臀部會被算為低俗誘導

有的數據標注員表示，這個工作非常枯燥，實際就是給AI機器模型喂食物，告訴它這是車，這也是車，這個東西長得模糊但它也是車……而當AI機器模型成熟了，準確率高到一定程度，就可以替代人工了——我的工作，是為了淘汰自己，淘汰人工。

整體來看，審核和數據標注，基本是互聯網行業最底層的工作，表現為時薪低、強度大、沒有話語權。要審核什么，要標注什么，都是大廠業務方決定的。前些年就掀起過討論，互聯網行業已經變成勞動密集型產業了嗎？實際上，在每一個大廠業績的背后，都有成百上千的審核員、標注員自認為“在當廉價牛馬”。

從全球來看，依然如此。據不完全統計，各大科技公司的內容審核員工都來自第三世界國家或是不發達地區。其中，在菲律賓的外包內容審查員人數超過了10萬人。YouTube、Google和Facebook等科技巨頭也是雙重審核制度，一是通過人工智能和算法進行首層審核，接著是通過建立在東南亞的外包公司來進行人工過濾。作為一項龐大的勞動密集型產業，他們的工作直面互聯網的黑暗角落：過濾暴力、色情、恐怖內容。