或许这只是林灰的臆测，但林灰觉得这种事情是大概率事件。

    没权威性，纵然是更高水平的东西。

    想拿来换钱也是很蓝的啦。

    而拥有了绝对的权威性，事情则不一样了。

    很多时候就成了卖家市场。

    买家上门求着那种。

    就像伊芙卡莉描述下的自然语言处理方面的算法团队兴衰轮转不断。

    但哈佛、牛津之类的高校却始终不用担心没有算法团队去同他们进行合作。

    毕竟某种程度上这些顶级高校在狭义知识尤其是在部分nlp开发离不开的语言知识上几乎就等同于权威。

    这种情况下别这些高校不用担心吃饭的问题。

    甚至是很多算法团队也得看人家脸色。

    拥有权威性。

    水平没那么高也很容易吸金。

    甚至是不需要这些高校亲自去产出知识。

    某些时候甚至可以直接对“通行知识”进行贴标。

    对，没错，知识贴标。

    这才是真正意义上的躺着赚钱。

    而且是躺在大气层那种。

    很美好，不过很遥远。

    不过林灰也不必要太灰心。

    因为涉及到话语权的追求，林灰并不孤单。

    和林灰同行并不是某人。

    而是一个五千年悠久历史的东方古国。

    林灰相信通过不断的求索会一天实现涉及到话语权的终极追求。

    理想是美好的，道路是曲折的。

    现在没有话语权，想要依靠一些狭义知识去换钱是很难的。

    除非是去找一些跟哈佛、牛津同一水准的高校，要他们为林灰背书。

    不过这样一来岂不是成了看别人脸色赚钱？

    呃最关键的是这么一来很可能七成还是人家的。

    这种为他人做嫁衣的事林灰是不会搞得。

    在没有足够的话语权之前，想躺在大气层是不可能的了。

    似乎还是老实通过数据标注或者别的现实一点的段去赚钱好一点。

    即便是数据标注对于林灰来运用得当也是一笔巨大的财富了。

    十八世纪末期，在美國的西进运动中，人们在萨克拉门托河里发现了金砂。

    在勇气、贪婪的作用下，工人、农民、海员和传教士，前仆后继，前来淘金。

    这就是赫赫有名的“淘金热”。

    不过在这场轰轰烈烈的西进运动中真正依靠淘金赚到大钱的人却不见得有多少。

    反倒是在淘金热这一过程中另辟蹊径的卖水人赚得盆满钵满。

    “数据标注”这个领域某种程度上就是前世人工智能迅速崛起时的“卖水人”。

    为什么这么呢？

    在前世人工智能迅速崛起的时候。

    海外大多数科技公司几乎都不约而同将目光都聚焦于追求更先进的算法、平台框架建设、商业化。

    “数据标注”作为一条既不瑰丽也不独特的领域。

    纵然数据标注在器学习尤其是监督学习中扮演着相当重要的工作。

    但数据标注这个领域依然让很多海外科技公司不屑一顾。

    甚至是很多海外巨头以及前世一些专门搞人工智能的海外公司对数据标注也是不屑一顾。

    或者也不是不屑于顾，只是选择性无视罢了。

    毕竟在很多海外科技公司眼中看来数据标注是一项吃力不讨好的体力活。

    而投资者因为对数据标注不甚了解。

    也往往对数据标注这一领域不甚关注。

    反而是那些以技术为核心或者ppt上以技术为核心的科技公司反倒是更容易脱颖而出并受到投资者青睐。

    然而在前世当人工智能喧嚣的风头不再。

    褪去华丽的外衣之后再看一众人工智能行业各从业公司时。

    会发现曾经那些大张旗鼓追求先进算法、商业化以及平台框架建设的海外公司不见得有多少赚钱的。

    （打脸地，多数都在赔钱，而且是烧钱那种赔

    就比如前世人工智能方面的一面旗帜deepnd这家公司被谷歌收购后基本上一直在烧钱）

    反倒是从事于数据标注这方面的一些当初不怎么上台面的海外公司赚得盆满钵满。

    甚至于还出现了一些估值能够达到七十亿美元左右的独角兽公司。

    虽然估值这种东西一般有不少的水分。

    但作为一个人工智能有关的公司估值七十亿美元也差不多了。

    毕竟前世一贯被称为人工智能风向标的deepnd当初被谷歌收购的时候也不过才被估了不到十亿美元。

    这种情况下，林灰觉得将数据标注也视为人工智能发展时一条新赛道似乎也不为过。

    对了，为什么上面所有提及的公司都指的是海外的公司呢甚至是连所谓的“不怎么上台面的公司”也是特指海外的一些公司呢？

    无怪乎林灰会单独将國内互联公司区分出来。

    因为一些众嗦粥汁的原因，國内的互联企业基本都是温室里的花朵。

    而是國内的互联除了个别比较能打的之外多数都着实不怎么争气。

    很多时候以国际的眼光来看问题的时候，会发现國内的一些互联公司奇奇怪怪。

    甚至总给人一种莫名其妙的感觉。

    或者高情商地，國内互联公司普遍是领先地球nlne好几个本的理解。

    很多时候國内互联会根据不同的时期呈现出不同的形态。

    有的时候國内的互联公司会表现的像房地产公司，有的时候会表现的像传媒公司，有的时候表现的像车企，有的时候像搞的。

    唯独没啥科技公司的样子。

    对于國内互联公司这一众魑魅魍魉，很多时候林灰是干脆无视的。

    真要创业就去跟国际上诸如ibm、mrft之类的巨头去角逐。

    在國内互联的鱼塘去逐鹿着实没啥挑战性。

    具体到数据标注。

    前世國内在数据标注似乎是从来都是一片混乱。

    因为数据标注没啥门槛，至少看起来是没什么门槛。

    一个大学生不到一天培训基本就可以做普通的数据标注。

    这样的行业自然是卷的厉害。

    有多卷呢？

    林灰记得前世他最开始接触数据标注的时候还是在读书期间。

    那个时候即便是众包任务。

    差不多也能一时标注就轻轻松松赚500。

    工资日/结，很不错的兼职工作。

    林灰记得大学期间有一段时间缺钱又没好意思问家里要。

    搞了半个月的数据标注，结果意外还攒了点钱。

    而当林灰穿越前夕同样强度的数据标注基本就只能是一个时十块左右。

    工资能月结就不错了（有的甚至三月结），而且还要扣税。

    雷布斯得确实没错，站在风口上，猪都会飞。

    很多时候，就算飞不起来，能赶上红利期，多少也能蹭点荤腥。

    站在风口上，猪确实能飞起来。

    不过当猪飞起来之后呢？

    能平稳落地么？

    事实是，很多曾经飞起来的猪当红利期过了，就直接一地鸡毛，不，一地猪毛。

    事实是只要跟互联沾边的。

    别管啥层次，总之就卷的不行。

    但涉及到数据标注这着实是卷的太厉害了。

    在互联各行各业涨工资的情况下数据标注这一行业的从业人员工资直接缩水了五分之一。

    简直可以是惨不忍睹了。

    在前世涉及到数据标注这一领域这种疯狂卷的情况下。

    很多时候甚至是劣币驱逐良币。

    等到拥有核心数据的大厂意识到数据标注的重要性之后准备下场了。

    却发现甚至没立锥之地。

    纵然是拥有核心数据。

    对于数据标注，很多时候也只能将寻求外包。

    诸如摆渡众测、狗洞微工、阿狸众包、鹅厂搜活等众多数据标注平台基本就是这类产物。

    简直就超级离谱。

    不过这件事也侧面提醒林灰。

    如果林灰真的能数据标注上鼓捣出名堂的话。

    没道理在涉及到解读数据、数据可视化等领域没实力。

    那样林灰的触角可以轻而易举地触及到别的地方。

    这些暂且不，仅仅是形成数据标注方面的掌控的话。

    也很牛比的了。

    这几乎意味着将来林灰是有可能在数据层面上彻底卡死不少企业进军人工智能的可能性的。

    最起码也有不少企业想在人工智能领域分一杯羹的话也要看林灰的脸色。

    呃，怎么听起来越来越像反派了？

    不过也无所谓，多数时候林灰是愿意与人为善的。

    毕竟与人为善是美德，但在波谲云诡的互联环境中一味的傻白甜是要付出代价的。

    可以不掀桌子，但必须要有掀桌子的实力。

    不过这些都是以后的事情了。

    尽管突然意识到了前世信息中所包含的超大规模文本数据标注的经济价值以及标注数据在人工智能时代所具有的独特地位。

    林灰神色上也没流露出太多异常。

    毕竟脑海中无论想到的东西如何波澜壮阔。

    实际执行的时候也只能一步一步地来。

    是很难一步到位的。

    就比如林灰此前所想的将一些文本数据标注拿去换钱。

    类似于出售真要想利用数据标注进行大规模的变现依然是有难度的。

    该去哪找能够一次性吃下几十万条几百万条甚至是更大规模标注文本的买家呢？

    其实林灰是知道超大规模标注文本的潜在买家。

    但跟狭义知识差不多，纵然知道潜在买家，林灰也不可能去兜售。

    过于主动反而容易被动。

    似乎最好的做法就是借助于掮客，即一个中间人。

    含蓄地将林灰中有大量数据标注信息且有意进行变现的消息透露给可行的买家，然后从中牵线。

    不过去哪找这样的中间人呢？

    对于这个问题林灰没太理想的答案。

    莫非是要靠伊芙卡莉么？

    看着眼前刚刚提出问题一脸求知欲的伊芙卡莉。

    林灰觉得像伊芙卡莉这种很纯粹的人估计是很难胜任这种工作的。

    林灰甚至为自己生出这样的想法而愧疚。

    林灰确实也应该有点愧疚。

    因为他刚才的思考似乎冷落伊芙卡莉有一会了。

    不过林灰不会让伊芙卡莉白等的。

    林灰相信接下来他所向伊芙卡莉的谈话注定是一次深刻的交流。

    会让伊芙卡莉收获满满的。

    事实也正如林灰所预计的那样。

    这确实是一次深刻的谈话。

    这次谈话林灰收获满满。

    之所以这是一次收获满满的谈话。

    是因为从伊芙卡莉那林灰得到两条很不错的消息：

    其中一条是ibm近期决定斥巨资打造一种全新的更加高效、更加智能的文本摘要工具。

    那么ibm也是林灰此前搞出来摘要算法的潜在客户。

    毕竟涉及到文本摘要这方面。

    很多时候没强大的算法基本上就等同于跟“高效”再见了。

    至于ibm所寻求的“智能”。

    林灰搞出的算法更是完全胜任。

    怎么也是后世的人工智能肆虐之后穿越而来的技术人员。

    搞出的算法不带点智能标签都不好意思拿给人看。

    虽然客观地其实林灰此前搞得算法也有很多人工智障的一面。

    但怎么呢？

    只要同行会衬托，单车也能变摩托。

    很多时候未必需要你很强。

    只要你的对足够菜，你就是最牛比的那个。

    反正就现在这个时代来林灰此前鼓捣的算法就算法的智能性而言。

    林灰的算法在文本处理这方面所表现的智能性如果是第二的话就没有第一。

    这点底气林灰还是有的。

    总之林灰此前搬运的文本处理算法无论是在高效性上还是在智能性上都是很契合ibm的要求的。

    可能也正是觉得林灰此前搞出的算法比较契合ibm的要求。

    伊芙卡莉才将这个消息告知给林灰。

    对于ibm这个潜在的合作伙伴，林灰倒是不排斥。

    首先ibm肯定是不差钱的。

    不过钱不钱的不是问题的重点。

    钱对于林灰未来的事业很重要。

    但相对于钱而言，有些直接用钱很难买到的资源对此时的林灰同样很有吸引力。

    ibm作为老牌计算领域/互联领域的方案解决巨头。

    这样的巨头其中有很多资源也正是林灰所看中的。

    真的进行合作的话，林灰觉得同ibm还是有很大的合作空间的。

    不过现在想这些多少有点一厢情愿。

    事情将来的走向也不好。

    毕竟现在八字还没一撇呢。

    现在林灰想太多也不是很有用。

    一切要等到进一步接洽之后再。

    或者是ibm表现出相应的诚意之后再。