数据标注行业流失率很高：单调、重复、长时间盯屏。但在如常一些基地，情况反过来了。济南基地纪祥有言语障碍，入职不到一年从零学标注，月薪最高超15000元；合肥基地卜凡申右手残疾，日标注10000框以上，转质检后单天质检量达30000框，成为“最佳质检员”，并培养出3位残疾人新员工。
这两个案例的重点不是“励志”，而是换个角度看能力：数据标注体力要求低，对持续专注和视觉判断要求高。这个“低体力、高专注”的特点，正好和许多残疾人的能力对得上。听障者视觉感知更敏锐，肢体障碍者手部操作更稳定。纪祥的“静”适合图像框选精度，卜凡申的“韧”适合从标注到质检的能力迁移——他们有能力，只是缺少被发现的机会。
把岗位拆细，细到“专注”这种能力也能被看见。济南基地按身体条件和学习速度分组，有的进“攻坚组”，有的进“基础组”；听障员工和肢体障碍者交叉搭档；错误率超过5%的员工进入“尾部复培”，难点拆成“微步骤”，一对一演示。
基于此，图像框选靠持续注视，不是肢体速度；质检靠模式识别，不是社交沟通。这些能力在简历筛选里几乎看不到，但放到特定工序上，直接就是生产力。匹配有效，不只是因为个人有什么特点，更因为岗位安排和管理方式变了。
2025年《促进残疾人就业三年行动方案（2025—2027年）》提出“鼓励企业开发更多适合残疾人的就业岗位”。国务院政策例行吹风会上，中国残联有关负责人把第二期行动重点概括为从“大水漫灌”变成“精准滴灌”：既要解决“有没有岗位”，也要解决“适不适合”“稳不稳定”。制度的作用，是让因身体条件被排除在常规招聘之外的人，获得被正常评价的机会。
如常集团所处的位置，正是政策导向与个人能力之间的“中间桥梁”。它的合理性不在于简单“撮合”，而在于把匹配做成一套能拆开、能培训、能考核的流程。深圳基地落地AI数据标注项目，实行“岗位定制+技能培训+考核上岗”全闭环；济南基地把标注、质检、带新人拆成不同能力台阶。卜凡申从标注到质检，就是能力往上走的实例——匹配不是一次性对接，而是随技能增长不断重新校准。
这些实验的共同点，是把公共制度支撑变成可重复运行的链条：识别能力—拆解岗位—岗位培训—在岗调适—动态迁移—持续校准。如常集团数据标注就业项目从2024年首批30人起步，三年间扩展到8省15市，600余人规模，说明这套链条可以跨区域复制。
但匹配作为方法，也要承认限度。数据标注行业正在分化：智能驾驶、工业质检等标准化程度高的领域，自动化标注已能取代约85%的人工；同时，高质量垂直标注和难例标注需求上升，反而催生了人工质检的新需求。
这意味着岗位会变：今天接入的常规框选岗位，明天形态可能已不同。如常能做的迭代——从标注向质检延伸、从2D向3D和智能驾驶标注升级，持续适配才可能成为残疾人稳定就业的起点。
残疾人是能力的持有者，但能力需要放对岗位；国家完善制度供给、创造公平就业环境；企业负责建造并迭代“接口”。如常集团所能做的，是在一个基地、一道工序、一个人身上，把一次错配纠正过来，再把这次纠正标准化的过程。
1592.4万，是制度的大分母，而匹配是从很小的分子开始的：一个纪祥、一个卜凡申、一个被拆到能够识别“专注”的标注工序。这既是如常集团在AI数据标注实践的样本，也是“匹配”作为方法在具体场景中能够成立的方式。
