為AI大模型貼標籤的小镇青年

原文作者：Sleepy.md

山西大同，這座曾靠煤炭支撐起半壁江山的城市，如今抖落滿身煤灰，換了把鋒利的鎬頭，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。上海潤迅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、拖曳、框選。

根據官方數據，截至2025年11月，大同市已投運伺服器74.5萬台，引進69家呼叫與標註數據企業，帶動超過3萬人次就近就業，產值達7.5億元。在這個「數位礦坑」中，94%的從業者皆為本地戶籍。

不僅僅是大同。在國家數據局確立的首批數據標註基地中，山西永和縣、貴州畢節、雲南蒙自等中西部縣城赫然在列。永和縣數據標註基地中，80%為女性員工——她們多為農村媽媽，或找不到合適工作的返鄉青年。

一百年前，英國曼徹斯特紡織廠裡擠滿失去土地的農民；今天，偏遠縣城的電腦螢幕前，坐滿了在實體經濟中難以立足的年輕人。

他們正從事一種極具未來感、卻又極度原始的計件工作——為北京、深圳乃至矽谷的人工智慧巨頭，生產大模型所必需的「數據飼料」。

沒人覺得這有什麼問題。

黃土高原上的新流水線

數據標註的本質，是「教機器認識世界」。

自動駕駛需辨識紅綠燈與行人，大模型需分辨貓與狗。機器本身沒有常識，必須由人類先在圖片上畫出一個框，標註「這是行人」，它才能透過千萬張圖像學習自主辨認。

這份工作不需高學歷，只需耐心，以及一根能持續點擊的食指。

2017年黃金時期，一個簡單2D框單價可達0.1元以上，甚至有公司開出0.5元高價。手速快的標註員日薪可達500–600元，在縣城已是高薪且體面的工作。

但隨著大模型快速進化，這條流水線的殘酷性逐漸浮現：

• 2023年，簡單圖像標註單價暴跌至每框0.03–0.04元，跌幅逾90%；
• 更高難度的3D點雲圖（需於三維空間精準框出長、寬、高及偏轉角），單價僅0.05元；
• 為維持每月兩三千元底薪，標註員被迫不斷提升手速與連續作業時間。

嚴苛管理成為常態：上班禁接電話，手機鎖入儲物格；系統精確追蹤滑鼠軌跡與停留時長，停頓超三分鐘即觸發後台警告。

容錯率更令人窒息——行業合格線普遍要求95%以上，部分企業甚至達98%–99%。意即每標100個框，僅允許錯1–2個，否則整張圖退回重標。

動態圖需連幀辨識被遮擋變道車輛；3D點雲圖中，凡超過10個點的物體均須框選；複雜車位項目中，線畫長、漏標、角度偏差皆可能遭退件。一張圖返修四五次屢見不鮮，耗時一小時，收入僅數毛錢。

湖南一名標註員於社交平台公開結算單：日標700餘框，單價0.04元，總收入僅30.2元。

這是一幅極度割裂的圖景：

• 一端是科技發佈會上光鮮亮麗的大佬，暢談AGI將如何「解放人類」；
• 另一端是黃土高原與西南山區的縣城，年輕人每日盯螢幕8–10小時，機械拉框數千、數萬次，甚至夜夢中手指仍在空中描繪車道線。

有人比喻：人工智慧外表是一輛呼嘯而過的豪車，打開車門才發現，內裡竟有一百人正咬牙踩踏單車。

沒人覺得這有什麼問題。

教機器「如何去愛」的計件工

當圖像識別瓶頸被突破，大模型邁向更深層進化——它需要學習人類的思考、對話，甚至展現「同理心」。

這催生了大模型訓練中最核心、也最昂貴的環節：RLHF（基於人類反饋的強化學習）。

簡單說，就是真人對AI生成的回答進行主觀評分，告訴它哪個回答更符合人類價值觀、情感偏好與語境溫度。

ChatGPT之所以「像人」，正因背後有無數RLHF標註員日復一日授課。

眾包平台上，此類任務明碼標價：單件3–7元。標註員需判斷AI回應是否「溫暖」、「具同理心」、「照顧使用者情緒」。

一位月薪兩三千、現實中疲於奔命、連自身情緒都無暇安頓的基層勞動者，竟要在系統中擔任AI的情感導師與價值裁判。

他們必須將「溫暖」「同理心」等幽微複雜的人類情感，硬生生揉碎、量化成1–5的冰冷分數。一旦打分偏離系統預設標準答案，即被判定正確率不達標，計件報酬隨之扣減。

這是一場「認知抽空」：人類的情感、道德與悲憫，正被強行拖入算法漏斗，在冰冷的量化刻度中榨乾最後一絲溫熱。

當你驚嘆於螢幕中的賽博巨獸已會寫詩譜曲、噓寒問暖，甚至披上多愁善感外衣時；螢幕之外，那些原本鮮活的生命，卻在日復一日的機械判斷中，悄然退化為無情緒的打分機器。

這是最隱秘的產業鏈一環，從未出現在任何融資新聞或技術白皮書中。

沒人覺得這有什麼問題。

985碩士與小鎮青年

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

大模型胃口已變：它不再滿足於咀嚼簡單常識，而是渴求人類的專業知識與高階邏輯。

各大招聘平台頻繁出現「大模型邏輯推理標註」「AI人文訓練師」等兼職崗位，門檻極高——常要求「985／211碩士及以上」，涵蓋法律、醫學、哲學、文學等領域。

不少名校研究生受吸引加入大廠外包群，卻很快發現：這不是輕鬆的腦力體操，而是精神折磨。

正式接單前，須閱讀數十頁評分維度與標準文件，並通過2–3輪試標；正式標註中若正確率低於平均線，立即踢出群聊。

最窒息的是：標準從不固定。面對相似問題與回答，依相同邏輯打分，結果卻可能截然相反——如同一份永遠做不完、亦無標準答案的考卷。無法透過努力提升正確率，只能原地消耗腦力與體力。

這正是大模型時代的新型剝削：「階層摺疊」。

知識——這把曾被視為打破階級壁壘的黃金階梯，如今淪為供奉給算法的、咀嚼起來更複雜的數位草料。在算法與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，迎來最詭異的殊途同歸。

他們一同跌入這座深不見底的賽博礦坑，被剝奪光環、抹平差異，統統化作履帶上廉價且隨時可替換的齒輪。

海外亦然。2024年，蘋果直接裁撤聖地亞哥一支121人的AI語音標註團隊。這些曾以為站在大廠核心業務邊緣的員工，瞬間墜入失業深淵。

在科技巨頭眼中，無論是縣城裡的拉框媽媽，還是名校畢業的邏輯訓練師，本質上都是可隨時替換的「耗材」。

沒人覺得這有什麼問題。

萬億巴別塔，砌滿幾分錢的血汗

據中國信通院數據，2023年中國數據標註市場規模達60.8億元；2025年預估升至200–300億元；至2030年，全球數據標註與服務市場銷售額將飆升至1171億元。

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

但這些潑天財富，並未流向真正「餵養」AI的人。

中國數據標註產業呈現典型倒金字塔外包結構：

• 頂層：掌握核心算法的科技巨頭；
• 第二層：大型數據服務供應商；
• 第三層：遍佈各地的標註基地與中小型外包公司；
• 底層：拿計件工資的基層標註員。

每一層外包，皆狠狠刮走一層油水。當大廠付給上游的單價是0.5元，經層層盤剝後，落到縣城標註員手中的，可能連0.05元都不到。

希臘前財政部長雅尼斯·瓦魯法基斯在《技術封建主義》中提出穿透性觀點：今日科技巨頭已非傳統資本家，而是「雲領主」（Cloudalists）。

他們擁有的不是工廠與機器，而是算法、平台與算力——賽博時代的數位領土。在此新封建體系中，用戶不是消費者，而是「數位佃農」；每一次點讚、評論、瀏覽，都在免費為雲領主上供數據。

而分布於下沉市場的數據標註員，則是體系最底層的「數位農奴」：他們不僅生產數據，更要清洗、分類、打分，將海量原始資料轉化為大模型可消化的高品質飼料。

這是一場隱秘的「認知圈地運動」。一如19世紀英國圈地運動將農民趕入紡織廠，今日AI浪潮，正將實體經濟中失位的青年，驅趕至螢幕之前。

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

沒人覺得這有什麼問題。

不再需要人類的明天

最殘酷的結局已迫在眉睫，且越來越快。

隨大模型能力躍升，過去需人類日夜勞作完成的標註任務，正被AI自行接管。

2023年4月，理想汽車創辦人李想於論壇透露：過去一年，理想需外包近1000萬幀自動駕駛圖像人工標定，成本近億元；採用大模型自動標註後，同等工作量僅需3小時完成——效率提升達1000倍（早在2023年）。2025年3月，理想更發布新一代MindVLA-o1自動標註引擎。

業界流傳一句真實自嘲：「有多少智能，就有多少人工。」但如今，大廠在數據標註外包上的投入，已出現40%–50%的斷崖式下滑。

那些在螢幕前枯坐無數日夜、雙眼熬得通紅的小鎮青年，親手餵養了一隻巨獸；而今，這隻巨獸正轉過頭來，砸掉他們賴以維生的飯碗。

夜幕降臨，大同平城區寫字樓依然慘白如晝。交接班的年輕人在電梯間沉默互換疲憊軀殼。在這個由無數多邊形框死死禁錮的摺疊空間裡，無人關心太平洋彼岸Transformer架構又迎來何等史詩躍遷，也無人聽得懂千億參數背後算力的轟鳴。

他們的目光，只被焊死在後台那根代表「及格線」的紅綠進度條上，反覆計算那幾分、幾毛的計件數字，能否在月底拼湊出體面生活。

一端，是納斯達克敲鐘聲與科技媒體連篇累牘，巨頭為AGI降臨舉杯相慶；另一端，是這些以血肉之軀一口口餵大AI的數位農奴，只能在酸痛睡夢中，戰戰兢兢等待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。

沒人覺得這有什麼問題。