告別低效人力標註，算力規模成 AI 工業革命核心門檻
自動駕駛卡車新創 Bot Auto 在 2025 年第三季完成首次公共道路「完全無人駕駛」行駛，車輛在沒有任何駕駛員、甚至駕駛室內無人的情況下自主執行，成為少數達成這項里程碑的自駕卡車計畫之一。更引人注目的是，該公司表示，自成立以來，僅花費 212,552 美元用於人工標註訓練資料，遠低於外界對自動駕駛 AI 開發成本的既有認知。
在人工智慧領域，資料標註向來是高成本環節。以自駕領域知名資料集 nuScenes 為例，其僅約 5.5 小時的駕駛資料，就需人工逐格標記車輛、行人與各種物體，總計耗費 7,937 小時、成本約 10 萬美元。
Bot Auto 執行長 Xiaodi Hou 撰文指出，過去 10 年，多數 AI 應用軟體、尤其是自動駕駛系統的開發方式，更像「工作坊」，仰賴大量人力手動框選物體、標記場景、處理例外情境，再把這些標註資料餵給模型學習。
現在，這套模式正逐漸轉向改變。隨著模型與運算能力提升，AI 正開始取代大規模人工標註本身，由算力去生成、擴充與管理監督。人類的角色仍然重要，但已從基層逐格標記，轉向驗證、稽核與品質控制。這項變化意味著，標註不再是最稀缺資源，AI 系統擴張的上限也從人力轉向算力。
這項模式轉變，其實早有前例。像是 ChatGPT 並非依賴人類逐句標註所有文本，而是透過大規模閱讀網路資料、學習預測來提升能力；AlphaGo 從人類棋譜學習，而後續的 AlphaZero 更直接擺脫人類範例，透過自我對弈生成訓練經驗。當學習來源從人工標註、轉向可規模化的運算生成，系統能力往往就會出現質變，才代表真正迎來 AI 工業革命。
（首圖來源：shutterstock）