当然，审核、数据标注这些业务一般都是大厂公司外包给第三方公司——业务没有技术含量，也不直接产生收益，还是劳动密集型业务，不值得大厂自己耗费精力去管理经营。各大厂基本只把技术、算法、数据分析……等重点岗位拿在手里。
像字节、抖音、百度、美团等在武汉、石家庄、西安等二线城市都有外包出去的审核业务、数据标注业务。
互联网平台，每一秒都有大量内容产出，等着审核完毕再推荐给用户，基本都采取AI模型机器审核+人工审核结合模型，既不是全部人工审核，也不是完全交给AI模型机器审核。
审核逻辑一般是，机器判断这个内容没有问题，就不必人工审；机器无法判断或怀疑内容有问题，再交给人工审核。
而机器模型如何判断内容质量有没有问题，又涉及到另外一个基础工作：数据标注——给各类数据打标签，训练AI模型。
曾有媒体称，审核这种工作类型类似于工厂流水线，源源不断产出的内容就像24小时不间断轰鸣的机器。审核这个工作线，没有办法停下来，停下来意味着“重大事故”，比如外包公司断电断网，导致审核中断，面临的就是潮水一样的内容积压。因此，许多审核员的生活中不存在“周末”，可能周三周四休息，周日周六上班，也不存在春节、国庆等假期，节假日也需要按照排班表工作。
“三班倒，上通宵，真的受不了，”某已经离职的前审核员如是说，“就是血汗工厂，很多人干不到半年。同事之间也很少交流，就是不停干活。流动性非常大，能坚持干的人，真的不是一般人。”在排班制度下，可能今天早班明天晚班，有时又连续通宵班，审核员生物钟混乱，对很多审核员来说，休息的日子也没有实现“休息”，大家一般都用来补觉，没有精力出去玩出去放松。
审核员离职率高，要保持业务开展，很多大型外包公司基本每月每周每天都在招聘审核员。招聘一般都会靠“五险一金”“双休”“文职”“坐班”等优点来宣传审核这个岗位。“现在这个形势，审核也比较容易找到本科生，有工作总比没有好。”
有的公司招聘审核员会明确要求不超过32岁、甚至不能超过28岁，有审核员自嘲，只招年轻人，主要是每个月都有夜班，怕你年纪大了，熬夜猝死在电脑前面。
不同审核业务工作量要求不一，但普遍审核量大，低的业务线可能一天要求审核500条，高的业务线可能要求一天审核2000条。所有外包公司都对审核员有绩效考核要求，要组内比较，谁工作量垫底，谁质检正确率垫底，如果连续两个月或三个月绩效垫底，就会淘汰，无经济补偿。另一方面，审核的结果可能不会让“被审核”的用户满意，用户会认为审核员“乱审”“瞎审”“随心所欲”进行投诉，而投诉可能会影响审核员绩效。
在网上搜“某互联网公司名字+审核”都能找到“避雷帖”“劝退帖”“吐槽帖”，劝人不要来这家公司当外包审核。
“真心劝你不要干审核”，来自武汉的某大厂千外包审核小B表示，“干什么不好啊干审核。”据小A描述，他的工作是视频审核，审核就是不停看视频，看视频，看到眼瞎，看到麻木，看到下班后一点也不想点开任何视频APP。
审核视频看视频都是看视频抽帧，用4x、8x速度看，没有人能“慢慢看视频”。根本慢不下来，也不能慢下来。慢了，人效不过关，绩效低，到手工资就低。同时业务方又要求准确率，审核后台会展示这个视频的多张抽帧截图，方便审核员判断这个视频内容质量，但是你怎么能确定，机器没有抽到的这一帧，里面没有问题呢？但只要你审核通过的内容，出了问题，锅就是你的了。
“卷”，是另外一个审核员小B对审核工作的看法。比如，某个审核业务线原本每天要求审核800条/人，结果有人为了绩效，卷到2000条/天，“卷王”自己工资高了，但所有人全部被迫卷起来了，结果所有人都做到900-1000条/天。上面业务主管一看，原来每人1000条/天也能做，人效要求就直接改成1000条/天，就这么“降本增效”了。
学不到东西，是审核员对审核工作最普遍的看法。每个人审核员基本只了解自己接触业务的审核规则，比如图片有无违规、有无违禁内容，或者机器打的标签对不对、应该打什么标签。但至于更多更上层的逻辑、算法、流程，比如，机器怎么判断的某条内容的标签、自己打好标签的内容怎么推给用户的、具体的审核流程、推荐策略，一线审核员完全不了解不清楚，也无法通过本职工作学习。
互联网行业的世界，就像是郝景芳笔下的折叠世界，界限分明，底层业务永远就是底层业务。
在社交平台上，也能看到很多审核工作从业者劝大家不要做审核。这个工作，不需要你思考太多，不需要你深入学习，就是按照工作审核标准、工作要求，不停审核，不停审核，每个审核员就只是内容生产-审核-推荐流程上一个不起眼的螺丝钉，毫无成长性，可替代性极大。
不少人都会质疑，为什么在技术如此发达的今天，还需要如此大量的人工审核。答案也很简单，因为机器判断不了，而要提高机器判断能力就需要优化机器模型，这个工作又需要大量的人工来标注数据。
基本每个使用数据大模型的公司都有会个工作业务是“数据标注”，即标注数据，训练AI模型机器，帮助AI模型学习，提高AI模型的准确率和效率。数据标注员需要标注什么项目，每个项目标注多少量，由负责该AI模型的算法和产品决定。
“数据标注跟审核其实差不多，就是按照规则要求选出想要的内容，”来自某大厂外包的数据标注员小C表示，“类型非常多，视频，图片，文本，用户行为，都可以是标注数据。”比如，品类、时效、三俗程度，都可以由人工去标记大量数据，然后去AI模型根据这些数据去不断调整自己的判断：识别文本，识别图片，识别视频，识别情绪，识别物体、识别动作……
比如辅助驾驶AI大模型业务，需要人工给大量实况交通内容数据标注，大部分时候给要求找到的东西“拉框”，比如交通警示柱、车、水马。标注员的工作，就是从早到晚坐在电脑前拉框，面对画不完的车、画不完的交通警示、画不完的水马……一般会按拉框个数和准确性计算工作量。比如一个月拉3万个框，可能能有3000多元4000元。
比如标注视频类的三俗模型，需要按照规则去标记，到底什么算三俗。需要标注员判断一个美女类视频是否三俗擦边，具体是什么问题，是衣着暴露吗？漏腰还是漏大腿了？还是女生表情偏迷惑人，还是动作具有诱导性？……通过大量的数据标注，告诉AI模型，到底什么是三俗，俗到什么程度需要审核下线，什么程度可以推送给部分特定人群但不能被大量曝光。
有的数据标注员表示，这个工作非常枯燥，实际就是给AI机器模型喂食物，告诉它这是车，这也是车，这个东西长得模糊但它也是车……而当AI机器模型成熟了，准确率高到一定程度，就可以替代人工了——我的工作，是为了淘汰自己，淘汰人工。
整体来看，审核和数据标注，基本是互联网行业最底层的工作，表现为时薪低、强度大、没有话语权。要审核什么，要标注什么，都是大厂业务方决定的。前些年就掀起过讨论，互联网行业已经变成劳动密集型产业了吗？实际上，在每一个大厂业绩的背后，都有成百上千的审核员、标注员自认为“在当廉价牛马”。
从全球来看，依然如此。据不完全统计，各大科技公司的内容审核员工都来自第三世界国家或是不发达地区。其中，在菲律宾的外包内容审查员人数超过了10万人。YouTube、Google和Facebook等科技巨头也是双重审核制度，一是通过人工智能和算法进行首层审核，接着是通过建立在东南亚的外包公司来进行人工过滤。作为一项庞大的劳动密集型产业，他们的工作直面互联网的黑暗角落：过滤暴力、色情、恐怖内容。