今年夏天，泰勒与室友将GoPro绑在额头上，同步记录绘画、雕塑及家务过程，以训练人工视觉模型从多角度观察行为。这项工作虽辛苦且报酬丰厚，但也让她能兼顾艺术创作。
“我们醒来后完成日常例行活动，绑定相机并同步时间，随后做早餐、洗碗，之后便各自分开从事艺术创作。”她介绍道。
尽管受雇每天制作五小时同步视频素材，但泰勒发现需预留七小时才能确保身体恢复。“这会导致头痛，摘下相机后额头会留下红色方形印记。”
作为Turing的数据自由职业者（应要求匿名），泰勒的工作旨在帮助AI获得顺序问题解决和视觉推理等抽象技能，而非学习绘制油画。与大型语言模型不同，Turing的视觉模型完全通过其直接收集的视频进行训练。
除艺术家外，Turing还与厨师、建筑工人及电工等手工劳动者签约。Turing首席AGI官Sudarshan Sivaraman表示，手动收集是获取多样化数据集的唯一途径：“我们为多种蓝领工作采集数据，以便模型在预训练阶段理解任务执行方式。”
AI数据处理策略转变：从抓取到高价定制
Turing的实践反映了AI行业数据处理方式的显著转变。过去，训练集多来自网络抓取或低薪标注；如今，企业愿支付高价购买精心策划的专有数据，并将其视为竞争优势，往往亲自承担收集工作而非外包。
邮件公司Fyxer便是典型案例。该公司利用AI分类邮件并起草回复，创始人Richard Hollingsworth发现，使用小型模型配合高度聚焦的训练数据效果最佳。尽管基于他人基础模型构建，但其核心理念一致。
“真正决定性能的是数据品质而非数量。”Hollingsworth指出。为此，Fyxer采取了非传统人事安排：早期工程师和管理人员仅占四分之一，而用于训练的高管助理人数多达四倍。“我们需要基于‘邮件是否应当回复’这一依赖人类判断的问题进行训练，找到优秀人才非常困难。”
随着项目推进，Hollingsworth对数据集愈发挑剔，后期更倾向于小规模、严筛选的数据。在使用合成数据时，这一点尤为关键，因为它既扩展了场景范围，也放大了原始数据的缺陷。Turing估计其75%至80%的数据为从原始GoPro视频推导出的合成数据，因此保持原始数据集的高质量至关重要。
Sivaraman强调：“若预训练数据质量不佳，无论后续如何处理合成数据，结果都不会理想。”
内部数据收集构筑竞争护城河
除质量考量外，内部收集数据还出于竞争逻辑。对Fyxer而言，艰苦的数据收集工作是抵御竞争的最佳护城河。Hollingsworth认为，任何人都可集成开源模型，但并非人人能找到专家标注员将其转化为可用产品。
他表示：“我们相信最佳路径是通过高质量的人工主导数据训练，构建定制模型来实现差异化优势。”
更正：本文先前版本中错误地使用了Turing的名称。TechCrunch对此错误深表歉意。