那些給AI大模型打標籤的小鎮青年

作者：Sleepy.md

山西大同，這座曾經靠煤炭撐起半壁江山的城市，如今拂去滿身煤灰，換上一把更鋒利的鎬頭，朝向另一座無形的礦山重重砸下。

在平城區金貿國際中心的寫字樓裡，不再有升降井，不再有運煤車。取而代之的，是上千個緊密排列的電腦工位。上海潤訊雲中聲谷大數據智慧服務基地佔據了整整幾層樓，數千名戴著耳機的年輕員工，正盯著螢幕，點擊、拖拽、框選。

根據官方資料，截至 2025 年 11 月，大同市已投運伺服器 74.5 萬台，引進了 69 家呼叫標註資料企業，帶動了超過 3 萬人次就近就業，產值 7.5 億元。在這座數字礦坑裡，94% 的從業者都是本地戶籍。

不僅僅是大同。在國家數據局確定的首批資料標註基地中，山西永和縣、貴州畢節、雲南蒙自等中西部縣城赫然在列。在永和縣的資料標註基地裡，80% 是女性員工。她們大多是農村寶媽，或是找不到合適工作的返鄉青年。

一百年前，英國的曼徹斯特紡織廠裡，擠滿了失去土地的農民。而在今天，這些偏遠縣城的電腦螢幕前，坐滿了在實體經濟中找不到位置的年輕人。

他們正在從事一種極具未來感，卻又極度原始的計件工作，為遠在北京、深圳和矽谷的人工智慧巨頭，生產大模型所必需的資料飼料。

沒有人覺得這有什麼問題。

黃土高原上的新流水線

資料標註的本質，是教機器認識世界。

自動駕駛需要辨認紅綠燈和行人，大模型需要分辨什麼是貓、什麼是狗。機器本身沒有常識，必須由人類先在圖片上畫出一個框，告訴它「這是行人」，它才能在吞噬了千萬張圖片後，學會自己辨認。

這份工作不需要高學歷，只需要耐心，以及一根能不停點擊的食指。

在 2017 年的黃金時代，一個簡單的 2D 框，價格能達到一角多錢，甚至有公司開出 5 毛的高價。手速快的標註員，一天做十幾個小時，能賺到五六百塊。在縣城，這絕對算得上一份高薪、體面的工作。

但隨著大模型的進化，這條流水線殘酷的一面開始浮現。

到了 2023 年，簡單圖像標註的單價已被砸到 3 到 4 分錢，跌幅超過 90%。即便是難度更高的 3D 點雲圖，那些由密集的點構成、需要放大無數倍才能看清邊緣的影像，標註員也必須在三維空間中拉出一個包含長、寬、高和偏轉角度的立體框，去嚴絲合縫地包裹住車輛或行人，而這樣一個複雜的 3D 框，也僅僅只有 5 分錢。

單價暴跌的直接後果，是勞動強度的劇增。為了死死咬住每個月兩三千塊的底薪，標註員們必須不斷、不停地提升自己的手速。

這根本不算什麼輕鬆的白領工作。在很多標註基地，管理嚴苛到令人窒息，上班不允許接聽電話，手機必須鎖在儲物格裡。系統會精確記錄每個員工的滑鼠軌跡和停留時間，如果停下來超過三分鐘，後台的警告就會像鞭子一樣抽過來。

更讓人崩潰的是容錯率。產業的及格線通常在 95% 以上，有的公司甚至要求 98%-99%。這意味著，你拉 100 個框，只要錯 2 個，整張圖就會被打回去返修。

動態圖是連幀的，變道的車輛會被遮擋，標註員必須靠聯想把它們一個個找出來；在 3D 點雲圖裡，只要超過 10 個點的物體，就必須畫框。像一個複雜的車位專案，線畫長了、漏標了，質檢時總能挑出毛病。一張圖返修四五次是家常便飯。最後算下來，花了一小時，到手的只有幾毛錢。

湖南的一位標註員在社交平台上曬出了自己的結算單，一天工作下來，她拉了 700 多個框，單價 4 分錢，總共收入 30.2 元。

這是一種極度割裂的圖景。

一邊是發佈會上光鮮亮麗的科技大佬，談論著 AGI 將如何解放人類；另一邊，是在黃土高原和西南大山的縣城裡，年輕人每天死盯著螢幕八到十個小時，機械地拉框，幾千個、幾萬個，甚至晚上做夢，手指都在半空中畫著車道線。

有人曾經說，人工智慧的外表是一輛呼嘯而過的豪車，但打開車門你會發現，裡面有一百個人在騎著腳踏車，咬著牙拚命踩踏板。

沒有人覺得這有什麼問題。

教機器「如何去愛」的計件工

當圖像識別的瓶頸被擊穿後，大模型迎來了更深層的進化，它需要學會像人類一樣思考、對話，甚至展現出「同理心」。

這就催生了大模型訓練中最核心、也最昂貴的環節——RLHF（基於人類回饋的強化學習）。

簡單來說，就是讓真人對 AI 生成的回答進行打分，告訴它哪個回答更好、更符合人類的價值觀和情感偏好。

ChatGPT 之所以看起來「像人」，就是因為在背後有無數個 RLHF 標註員在為它上課。

在眾包平台上，這類標註任務往往被明碼標價：單件費用 3 到 7 元。標註員需要對 AI 的回答進行極其主觀的情感打分，去評判這個回答是否「溫暖」、是否「有同理心」、是否「照顧了使用者的情緒」。

一個拿著兩三千月薪、在現實的泥淖裡疲於奔命、甚至連自己的情緒都無暇顧及的底層打工人，卻要在系統中擔任 AI 的情感導師和價值觀裁判。

他們需要把溫暖、同理心這些極其複雜、微妙的人類情感，強行揉碎，量化成 1 到 5 的冰冷分數。如果他們的打分和系統設定的標準答案不一致，就會被判定為正確率不達標，從而扣減原本就微薄的計件工資。

這是一種認知被抽空。人類那複雜幽微的情感、道德與悲憫，正被強行拖入演算法的漏斗。在冰冷的量化與標準化刻度裡，它們被榨乾了最後一點溫熱。當你驚嘆於螢幕裡的賽博巨獸已經學會了寫詩譜曲、噓寒問暖，甚至披上了多愁善感的皮囊時；螢幕外，那群原本鮮活的人類，卻在日復一日的機械判斷中，退化成了沒有情緒的打分機器。

這是整個產業鏈最隱秘的一面，從來不出現在任何融資新聞和技術白皮書裡。

沒有人覺得這有什麼問題。

985 碩士與小鎮青年

底層的拉框工作正在被 AI 的履帶碾壓，這條賽博流水線開始向上蔓延，開始吞噬更高階的腦力勞動。

大模型的胃口變了。它不再滿足於嚼碎簡單的常識，它需要吞噬人類的專業知識和高階邏輯。

各大招聘平台上開始頻繁閃爍一類特殊的兼職，比如「大模型邏輯推理標註」「AI 人文訓練師」。這份兼職的門檻極高，往往要求「985/211 碩士及以上學歷」，涉及法律、醫學、哲學、文學等專業領域。

許多名校研究生被吸引，湧入這些大廠的外包群。但他們很快發現，這根本不算什麼輕鬆的腦力體操，而是一場精神折磨。

在正式接單前，他們必須閱讀長達數十頁的打分維度和評判標準文件，進行兩到三輪的試標。達標後，在正式標註中，如果正確率低於平均水平，就會失去資格，被踢出群聊。

最讓人窒息的是，這些標準根本不是固定的。面對相似的問題和回答，用相同的思考方式去打分，結果可能截然相反。這就像在做一份永遠做不完、而且根本沒有標準答案的考卷。無法透過自我努力或學習提升正確率，只能原地不停打轉，消耗腦力和體力。

這就是大模型時代的新型剝削——階層折疊。

知識，這把曾被視作打破壁壘、向上攀爬的黃金階梯，如今淪為供奉給演算法的、咀嚼起來更為複雜的數字草料。在演算法和系統的絕對權力面前，象牙塔裡的 985 碩士與黃土高原上的小鎮青年迎來了最詭異的殊途同歸。

他們一同跌落進這座深不見底的賽博礦坑，被剝奪了光環，抹平了差異，統統化作履帶上廉價且隨時可以被替換的齒輪。

在國外也是一樣。2024 年，蘋果公司直接砍掉了聖地牙哥一個 121 人的 AI 語音標註團隊。這些員工負責改善 Siri 的多語言處理能力，他們曾經以為自己站在大廠核心業務邊緣，卻瞬間墜入失業的深淵。

在科技巨頭眼中，無論是縣城裡的拉框大媽，還是名校畢業的邏輯訓練師，本質上都是隨時可以被替換的「耗材」。

沒有人覺得這有什麼問題。

萬億巴別塔，砌滿幾分錢的血汗

根據中國信通院發佈的資料，2023 年中國資料標註市場規模達 60.8 億元，2025 年預計 200～300 億元；據預測，到 2030 年，全球資料標註和服務市場銷售額將狂飆至 1171 億元。

這些數字背後，是 OpenAI、微軟、字節跳動等科技巨頭動輒數千億、上萬億美元的估值狂歡。

但這些潑天的財富，並沒有流向那些真正「餵養」AI 的人。

中國的資料標註產業，呈現出典型的倒金字塔外包結構。最頂層，是死死捏著核心演算法的科技巨頭；第二層，是大型資料服務供應商；第三層，是遍布各地的資料標註基地和中小型外包公司；最底層，才是那些拿計件工資的泥腿子標註員。

每一層外包，都要狠狠刮走一層油水。當大廠砸出的單價是 5 毛錢時，經過層層盤剝，落到縣城標註員手裡的，可能連 5 分錢都不到。

希臘前財政部長雅尼斯·瓦魯法基斯在他的著作《技術封建主義》中，拋出了一個極具穿透力的觀點：今天的科技巨頭，已不再是傳統意義上的資本家，而是「雲領主」（Cloudalists）。

他們擁有的不是工廠和機器，而是演算法、平台、算力，這些是賽博時代的數字領土。在這個新的封建體系裡，使用者不是消費者，而是數字佃農，我們在社交媒體上的每一次按讚、評論、瀏覽，都在免費為雲領主上供資料。

而那些分布在下沉市場的資料標註員，則是這個體系裡最底層的數字農奴。他們不僅要生產資料，還要對海量的原始資料進行清洗、分類、打分，將其轉化為大模型能消化的高品質飼料。

這是一場隱秘的認知圈地運動。就像 19 世紀英國的圈地運動把農民趕進紡織廠一樣，今天的 AI 浪潮，把那些在實體經濟中找不到位置的青年，趕到了螢幕前。

AI 並沒有抹平階層鴻溝，反而建立了一條從中國中西部縣城，直通北上廣深科技巨頭總部的「資料與血汗輸送帶」。技術革命的敘事總是宏大華麗，但其底色，永遠是廉價勞動力的規模化消耗。

沒有人覺得這有什麼問題。

不再需要人類的明天

最殘酷的結局就快來了，而且來得越來越快。

隨著大模型能力的躍升，那些曾經需要人類日夜勞作才能完成的標註任務，正在被 AI 自己接管。

2023 年 4 月，理想汽車創始人李想在論壇透露了資料：過去，理想一年要做大約 1000 萬幀的自動駕駛影像人工標定，外包成本接近一個億。但當他們使用大模型進行自動化標註後，過去需要用一年做的事情，基本上 3 個小時就能完成。

效率是人的 1000 倍，而且還是在 2023 年就已做到。在剛剛過去的 3 月，理想還發佈了新一代 MindVLA-o1 自動標註引擎。

產業裡流傳著一句無比真實的自嘲：「有多少智能，就有多少人工。」但現在，大廠在資料標註外包方面的投入，已經出現了 40%-50% 的斷崖式下降。

那些在電腦前枯坐了無數個日夜、把眼睛熬得通紅的小鎮青年們，親手餵大了一只巨獸。而現在，這只巨獸正在轉過頭來，砸掉了他們的飯碗。

夜幕降臨，大同平城區的寫字樓依然慘白如晝。交接班的年輕人在電梯間裡沉默地互換著疲憊的軀殼。在這個由無數個多邊形框死死禁錮的摺疊空間裡，沒有人關心大洋彼岸的 Transformer 架構又迎來了怎樣史詩級的躍遷，也沒有人聽得懂千億參數背後算力的轟鳴。

他們的視線，只被焊死在後台那根代表著「及格線」的紅綠進度條上，算計著那幾分、幾毛的計件數字能不能在月底拼湊出體面的生活。

一邊，是納斯達克敲鐘聲與科技媒體連篇累牘的報導，巨頭們正為 AGI 的降臨舉杯相慶；另一邊，這些以血肉之軀一口口餵大 AI 的數字農奴，卻只能在酸痛的睡夢中戰戰兢兢地等待著那只由自己親手飼養的巨獸，在某個看似尋常的清晨，漫不經心地一腳踢飛他們的飯碗。

沒有人覺得這有什麼問題。