1952 年，庫爾特·馮內(nèi)古特（Kurt Vonnegut）寫了一本叫《自動鋼琴》（Player Piano）的小說。故事設(shè)定在一個工程師用自動化消滅了藍(lán)領(lǐng)工作的近未來，失業(yè)者被安排去做唯一剩下的事：維護(hù)那些取代了他們的機(jī)器。

七十多年后，這個設(shè)定幾乎成真，只不過被取代的不是流水線工人，而是律師、編劇、設(shè)計(jì)師和科學(xué)家，他們被安排做的也不是維護(hù)機(jī)器，而是一件更荒誕的事：教機(jī)器怎么做自己的工作。

2025 年，據(jù)美國就業(yè)咨詢機(jī)構(gòu) Challenger, Gray & Christmas 統(tǒng)計(jì)，約 5.5 萬個崗位因 AI 被直接削減，全年雇主宣布裁員總數(shù)達(dá)到 117 萬，是新冠疫情以來最高。

這些數(shù)字讓人焦慮，但更讓人不適的是這些數(shù)字背后還隱藏著一個“吃人”的鏈條：那些被 AI 擠出原有崗位的專業(yè)人士，正在成為 AI 公司最主要的新勞動力來源，他們把自己花了十年二十年積累的職業(yè)判斷力，拆解成可供機(jī)器學(xué)習(xí)的結(jié)構(gòu)化數(shù)據(jù)，以便 AI 更好地取代更多和他們一樣的人。

《紐約雜志》和 The Verge 在 2026 年 3 月發(fā)表的一篇聯(lián)合報(bào)道，讓我們窺見了這個現(xiàn)象內(nèi)部運(yùn)作的一角。記者采訪了超過三十位白領(lǐng)數(shù)據(jù)工人，發(fā)現(xiàn)了一條荒誕的職業(yè)鏈條：

一個內(nèi)容營銷人員因?yàn)?ChatGPT 丟了工作之后，又被 AI 面試官錄用去訓(xùn)練聊天機(jī)器人寫營銷文案；一個電視編劇發(fā)現(xiàn)自己的節(jié)目組用 ChatGPT 起草新劇集，轉(zhuǎn)頭接了一份給 AI 公司寫科幻劇本的數(shù)據(jù)合同；一個平面設(shè)計(jì)師眼看 85% 的客戶流失給了生成式 AI，最終吞下怨恨，注冊了數(shù)據(jù)標(biāo)注平臺，給 AI 標(biāo)注她曾經(jīng)靠手藝賺錢的那類視覺素材。

這些人的共同處境是：他們在舊世界里是受過訓(xùn)練的專業(yè)人士，在新世界里卻是按秒計(jì)酬的零工。

這些人之所以被需要，是因?yàn)?AI 遇到了一個靠自己解決不了的問題。

大語言模型的能力來自于在海量文本上學(xué)習(xí)模式和規(guī)律，但公開互聯(lián)網(wǎng)上的數(shù)據(jù)正在被消耗殆盡，性能增長開始減速。2024 年前后，行業(yè)里開始頻繁談?wù)?Scaling Law“撞墻了”。早期的 RLHF（基于人類反饋的強(qiáng)化學(xué)習(xí)，Reinforcement Learning from Human Feedback）方法，訓(xùn)練出的模型擅長讓回答聽上去像模像樣，但實(shí)際可靠性進(jìn)步有限。

尤其像法律分析、廣告文案、管理咨詢、教育方案這些領(lǐng)域，不存在像編程一樣的天然驗(yàn)證機(jī)制。什么樣的投資建議算“好”？一封客服郵件的語氣怎樣才“恰當(dāng)”？這些判斷本質(zhì)上依賴人類的專業(yè)經(jīng)驗(yàn)。于是 AI 公司想出了一個辦法：既然沒有自動化的評判標(biāo)準(zhǔn)，那就花錢讓人類專家來“制造”標(biāo)準(zhǔn)。

這就是所謂“強(qiáng)化學(xué)習(xí)經(jīng)濟(jì)”（Reinforcement Learning Economy）的核心邏輯。一整套精密的數(shù)據(jù)生產(chǎn)流水線被搭建起來：有人負(fù)責(zé)編寫詳盡的評分量表（rubric），定義什么叫好的 AI 回答；有人負(fù)責(zé)審核這些量表是否合理；有人按照量表給模型的回答打分；有人撰寫“黃金答案”（golden output），作為模型應(yīng)該達(dá)到的理想示范；還有人用 AI 的口吻一步步寫出推理過程（reasoning trace），讓模型日后遇到類似問題時有跡可循。

更有一種叫“世界構(gòu)建”（world-building）的項(xiàng)目形態(tài)，要求一群律師或咨詢師角色扮演一個虛構(gòu)企業(yè)的完整團(tuán)隊(duì)，花幾天時間產(chǎn)出上百份會議記錄、財(cái)務(wù)模型和決策備忘錄，再把這些材料交給另一組人去拿它們考驗(yàn)?zāi)Ｐ汀?/p>

圍繞這條流水線，一批公司迅速膨脹。Mercor 是其中成長最快的一個。三個灣區(qū)的年輕人 2023 年創(chuàng)辦了它，起初做 AI 招聘匹配，后來轉(zhuǎn)向給 AI 實(shí)驗(yàn)室供應(yīng)專家級訓(xùn)練數(shù)據(jù)。2025 年 10 月，C 輪融資 3.5 億美元，估值達(dá)到 100 億美元，三位 22 歲的創(chuàng)始人成為全球最年輕的白手起家億萬富翁。同賽道上還有 Scale AI 和 Surge AI 等競爭者。

圖丨Mercor 創(chuàng)始團(tuán)隊(duì)（來源：Mercor）

這些公司都在爭相網(wǎng)羅有學(xué)位、有經(jīng)驗(yàn)的專業(yè)人才，招聘廣告五花八門：廚師、管理顧問、野生動物保護(hù)科學(xué)家、私家偵探、記者、教師，甚至還有“北美青少年幽默專家”。一位行業(yè)資深人士在報(bào)道中評價說，這是人類歷史上規(guī)模最大的專業(yè)知識采集行動。

供給側(cè)也如這些公司所愿異常紅火。面向應(yīng)屆生的求職平臺 Handshake 在 2025 年 8 月的數(shù)據(jù)顯示，平臺上的崗位發(fā)布量同比下降超過 16%，而每條招聘收到的申請多了 26%。高學(xué)歷者就業(yè)困難加劇的同時，Handshake 自己也推出了幫求職者對接 AI 訓(xùn)練數(shù)據(jù)崗位的項(xiàng)目?！半S著 AI 重塑工作的未來，”該平臺在宣傳中寫道，“我們有責(zé)任幫助用戶參與 AI 經(jīng)濟(jì)。”

參與 AI 經(jīng)濟(jì)。聽上去很體面。但報(bào)道中呈現(xiàn)的實(shí)際體驗(yàn)，和這個措辭之間有著巨大的落差。

幾乎所有受訪者都描述了同一種模式：項(xiàng)目初期待遇尚可，有人類主管可以溝通，工作甚至有些趣味。然后情況迅速惡化，任務(wù)量增加，完成時限縮短，薪酬下調(diào)。達(dá)不到新要求的人被靜默“下線”（offboarded）。有編劇談到，他認(rèn)識的一些得過獎的導(dǎo)演和制片人不會公開說自己在干這種活兒，但那就是他們目前養(yǎng)家糊口的方式。

有設(shè)計(jì)師描述了一個為 Meta 做視頻標(biāo)注的項(xiàng)目突然關(guān)閉后，數(shù)千人被邀請加入一個做同樣工作但時薪從 21 美元降到 16 美元的新項(xiàng)目，這個價格已經(jīng)低于加州等多個州的最低工資。新項(xiàng)目的 Slack 群里刪掉了茶水間和互助頻道，連工人之間的私信功能都關(guān)掉了。沒有人知道該找誰問問題。

而這些人連工作時上廁所的自由都沒有。Mercor 要求工人安裝名為 Insightful 的軟件，追蹤電腦操作精確到秒，無鍵盤輸入即彈窗質(zhì)詢。被判定為“非生產(chǎn)性”的時間可能被從報(bào)酬中扣除。

報(bào)道中一位做了多部流媒體劇集的編劇談到，所有構(gòu)成“你是一個人”的瑣碎時刻，上廁所、給自己倒杯咖啡、因?yàn)楸惩炊靷€懶腰……這些全都被剝奪了，因?yàn)槟遣凰愎ぷ鲿r間?！肮畛蹙褪菫榱诉@些東西而成立的，”她說，“保障工時、午休、假期和病假。而現(xiàn)在這些全部倒退了?！?/p>

圖丨Insightful App（來源：Insightful）

而在 Surge AI 旗下的 Data Annotation Tech 平臺上，情況甚至更不透明。工人們經(jīng)常連被解雇了都不知道，只是某天登錄后發(fā)現(xiàn)任務(wù)面板空了，客服按鈕也失靈了，這種現(xiàn)象被稱為“死亡儀表盤”（dash of death）。

但我們也無法把這些問題歸咎于某一家公司，因?yàn)楦丛谟谡麠l供應(yīng)鏈的運(yùn)轉(zhuǎn)方式。

AI 實(shí)驗(yàn)室發(fā)現(xiàn)模型在化學(xué)領(lǐng)域薄弱，就向數(shù)據(jù)供應(yīng)商下單找化學(xué)家?；瘜W(xué)家產(chǎn)出一批數(shù)據(jù)，供應(yīng)商送去實(shí)驗(yàn)室，項(xiàng)目暫停，等實(shí)驗(yàn)室看效果。也許實(shí)驗(yàn)室調(diào)整了數(shù)據(jù)需求，也許換了供應(yīng)商，也許突然決定要的不是化學(xué)家而是生物學(xué)家了。

一位數(shù)據(jù)公司高管在報(bào)道中承認(rèn)，AI 實(shí)驗(yàn)室自己經(jīng)常也不確定到底要什么，而不確定性一路向下傳導(dǎo)，全部由最底層的工人承擔(dān)。為了應(yīng)對這種波動，數(shù)據(jù)公司刻意維持龐大的待命勞動力池。反正工人是獨(dú)立承包商，不需要醫(yī)保、帶薪假或失業(yè)保險(xiǎn)，多招一個人的邊際成本幾乎為零。

嚴(yán)格的保密協(xié)議又給工人加了一層枷鎖。他們不知道自己在給哪家公司干活，合同里只會寫“客戶”，也不被允許透露工作細(xì)節(jié)。他們無法積累可遷移的職業(yè)聲譽(yù)，無法用過往經(jīng)歷去議價。

一位在數(shù)據(jù)行業(yè)工作超過十年的管理者對此有句話說得很直接：沉默本身就是雇主的定價權(quán)。只要工人不能證明自己做過什么，他們就永遠(yuǎn)沒有辦法要求與能力相稱的報(bào)酬。他們唯一的權(quán)力，就是繼續(xù)排隊(duì)。

排隊(duì)的人越來越多。一個項(xiàng)目結(jié)束后，工人們涌向 Mercor、Alignerr、Micro1、Handshake……這些平臺永遠(yuǎn)在招人，用 AI 面試官篩選，招聘成本趨近于零。一個受訪者說她申請了幾十個項(xiàng)目，只拿到了三個。

這里面有一個工業(yè)革命以來反復(fù)出現(xiàn)的結(jié)構(gòu)性故事。

麻省理工學(xué)院經(jīng)濟(jì)學(xué)家 Daron Acemoglu 用英國織工的遭遇做過類比：機(jī)械化之前，織工是自雇的手工業(yè)精英，掌控自己的時間和技藝。紡織機(jī)出現(xiàn)后，他們被迫進(jìn)入工廠，接受更長工時、更低報(bào)酬和管理層的密切監(jiān)視。技術(shù)不僅奪走了舊工作，還催生了一種將所有權(quán)力集中在資本一方的勞動組織方式，直到幾十年的工人運(yùn)動和勞動立法才設(shè)了限。

（來源：HISTORY）

加州是目前美國唯一產(chǎn)生一些阻力的地方。過去半年，至少三起集體訴訟指控 Mercor 將工人錯誤歸類為獨(dú)立承包商。Scale AI 和 Surge AI 此前也面臨類似訴訟，Scale AI 正在和解中。原告律師的核心論點(diǎn)是：鑒于公司對工人行使的“非同尋常的控制”，例如指定平臺、安裝監(jiān)控、設(shè)定詳細(xì)操作流程等，將他們定義為獨(dú)立承包商在法律上站不住腳。

2026 年 2 月，美國勞工部發(fā)布了一項(xiàng)新的擬議規(guī)則，試圖厘清雇員與獨(dú)立承包商的界定標(biāo)準(zhǔn)。但這些法律框架能否追得上這種全新勞動形態(tài)的擴(kuò)張速度，仍然是個問號。

而且，正如報(bào)道中一位律師指出的，數(shù)據(jù)標(biāo)注工人和 Uber 司機(jī)相比有一個更大的弱勢：Uber 司機(jī)必須在某個城市物理存在才能接單，可以本地化組織和維權(quán)；數(shù)據(jù)工人完全可以被遠(yuǎn)程替換，如果美國工人爭取到了更高報(bào)酬，公司轉(zhuǎn)頭就能從其他國家找到更便宜的人。世界銀行估計(jì)全球有 1.5 億到 4.3 億數(shù)據(jù)勞動者，大量分布在全球南方國家。

但即便這些勞動權(quán)益問題都得到了妥善解決，也無法改變一個更根本的事實(shí)：每一個具體的數(shù)據(jù)訓(xùn)練項(xiàng)目，都在朝著自身消亡的方向推進(jìn)。你教 AI 做法律分析，AI 學(xué)會了，你的法律分析數(shù)據(jù)就不再被需要。你幫 AI 掌握了語言學(xué)中的冷門分支，那個分支就從需求清單上劃掉了。

報(bào)道中有一位語言學(xué)碩士，做了一年的 rubric 工作。到 2025 年末，他發(fā)現(xiàn)，不管他問模型多冷門的理論和瀕危語言，模型都能找到正確的論文。他從每周提交三四個 rubric 變成勉強(qiáng)完成一個。項(xiàng)目結(jié)束后，他已經(jīng)五個月沒有找到新工作。

Marketing AI Institute 的 Paul Roetzer 用一個場景來描述這種循環(huán)的終極形態(tài)：假設(shè) AI 實(shí)驗(yàn)室想自動化初級會計(jì)工作，它花高價雇一百名資深注冊會計(jì)師，以遠(yuǎn)高于市場的時薪來微調(diào)一個模型，直到模型表現(xiàn)得和普通人一樣好，甚至超過專家。

“然后，那個崗位就被自動化了。”整個行業(yè)雖然仍在膨脹，但對每一個具體的人來說，自己擁有的那份技能被完整提取的那天，就是自己被“下線”的日子。

這就構(gòu)成了當(dāng)前 AI 勞動經(jīng)濟(jì)中最殘忍的循環(huán)：系統(tǒng)需要你的專業(yè)知識，但需要你的專業(yè)知識，恰恰是為了不再需要你。人花十年二十年練就的判斷力，在這個系統(tǒng)里變成了一種一次性消耗品，被提取，被用來訓(xùn)練模型，然后被丟棄。

我們當(dāng)然可以認(rèn)為，AI 時代，一些人類獨(dú)有的特質(zhì)會更有價值，例如品味、判斷力、創(chuàng)造力和同理心。Mercor 的 CEO Brendan Foody 自己也說過類似的話，“AI 自動化了 90% 的經(jīng)濟(jì)之后，人類就成了剩下 10% 的瓶頸，每一單位人類產(chǎn)出的杠桿效應(yīng)是以前的十倍?！边@話在邏輯上沒有錯。

問題在于，它描述的是一個贏家通吃的世界：對頂尖的那一小撮人來說，他們的判斷力確實(shí)可能身價倍增；但對絕大多數(shù)普通專業(yè)人士來說，這種說法近乎苛責(zé)。不是每個律師都是最高法院的出庭大律師，不是每個設(shè)計(jì)師都有不可替代的美學(xué)直覺，不是每個編劇都能寫出讓 AI 望塵莫及的劇本。

大多數(shù)人的專業(yè)能力，恰恰處在“足夠好、但可以被標(biāo)準(zhǔn)化提取”的區(qū)間里，好到可以被用來訓(xùn)練 AI，卻又沒有好到 AI 學(xué)完之后仍然需要他們。數(shù)據(jù)標(biāo)注行業(yè)的殘酷之處在于，它精確地利用了這個區(qū)間。

那些被招去寫 rubric 和 golden output 的人，是因?yàn)樗麄儔驅(qū)I(yè)才被選中的；但也恰恰是因?yàn)樗麄兊膶I(yè)程度可以被拆解成規(guī)則和示范，他們的知識才具有被提取的價值。真正無法被拆解的那種頂級判斷力，它確實(shí)存在，但它從來不是多數(shù)人擁有的東西。

把“人類特質(zhì)會更有價值”當(dāng)作一種普遍的職業(yè)建議，多少有些社會達(dá)爾文主義的味道：它假設(shè)每個人都能成為那個不可替代的人，而事實(shí)上，大部分人只是在做自己力所能及的、體面的、有尊嚴(yán)的工作。這些工作正在被系統(tǒng)性地拆解。

Anthropic 自己最近發(fā)布的一項(xiàng)研究提供了一個有用的框架來理解這種處境。在題為“AI 的勞動市場影響”的報(bào)告中，研究者發(fā)現(xiàn) AI 的實(shí)際采用率遠(yuǎn)低于其技術(shù)上的可行替代率。也就是說，AI 在很多領(lǐng)域已經(jīng)有能力取代人類完成任務(wù)，只是尚未全面部署。

這之間的時間差，既是緩沖，也是倒計(jì)時。數(shù)據(jù)標(biāo)注行業(yè)的故事展示的正是這段緩沖期里發(fā)生的事：不是大規(guī)模的突然失業(yè)，而是大量受過良好教育的人發(fā)現(xiàn)，自己唯一能找到的工作就是參與訓(xùn)練 AI，在極不穩(wěn)定的條件下，用自己最值錢的東西換取臨時性的報(bào)酬，同時加速這份報(bào)酬最終歸零的進(jìn)程。

關(guān)于政策應(yīng)對，目前討論最多的是 AI 導(dǎo)致大規(guī)模失業(yè)后該怎么辦，重新培訓(xùn)、全民基本收入等等。但另一種可能同樣值得關(guān)注：也許不會出現(xiàn)驟然的大規(guī)模失業(yè)，而是越來越多的具體任務(wù)被 AI 接管，人類被重新分配到生產(chǎn)流程的其他環(huán)節(jié)，一部分人修改 AI 產(chǎn)出的半成品，另一部分人編寫 rubric 來改進(jìn)它。

這類工作天然是間歇性的，意味著它將由獨(dú)立承包商來完成，而現(xiàn)行法規(guī)對這類工人幾乎沒有保護(hù)。Acemoglu 認(rèn)為，我們可能需要某種類似工會的集體組織，來防止大公司用分而治之的策略持續(xù)壓低數(shù)據(jù)價格?！叭绻麤]有適合數(shù)據(jù)經(jīng)濟(jì)的法律基礎(chǔ)設(shè)施，”他說，“許多生產(chǎn)數(shù)據(jù)的人將會被低薪雇用，或者用一個更重的詞，被剝削?！?/p>

最令人唏噓的，或許是那些已經(jīng)走到這條路盡頭的人。Katya 在被邀請加入 16 美元時薪的 Nova 項(xiàng)目后，決定不干了。她去應(yīng)聘了一家咖啡店?！爸辽僭诳Х鹊昴米畹凸べY的時候，你還有幾個可以聊天的同事，有一個假裝在乎你的老板。你知道下周你的班表是什么樣的?！边@不是她讀研究生時想象中的職業(yè)轉(zhuǎn)型，但她覺得做咖啡師至少比被算法監(jiān)控著搶活兒干更有尊嚴(yán)。

然后她的手機(jī)響了。一個之前暫停的項(xiàng)目又開始了。

這個結(jié)尾幾乎可以成為我們這個時代的寓言：一個合格的、有經(jīng)驗(yàn)的、受過高等教育的人，在“訓(xùn)練 AI 取代自己”和“去咖啡店打工”之間來回彈跳。這不是任何單一公司的惡意，Mercor 也好，Scale AI 也好，Surge AI 也好，它們只是供應(yīng)鏈上的中間節(jié)點(diǎn)。

真正的問題在于，當(dāng)前的技術(shù)發(fā)展方式和勞動制度安排，讓“人類專業(yè)知識”變成了一種一次性消耗品：被提取，被用來訓(xùn)練模型，然后被丟棄。

如今 AI 行業(yè)喜歡談?wù)摗叭嗽诨芈分小保╤uman in the loop）的對與錯，但從這些數(shù)據(jù)工人的經(jīng)歷來看，在 AI 真正接管完整工作回路、社會的生產(chǎn)分配方式發(fā)生重大變革之前，回路里的他們更像是一根正在燃燒的蠟燭，它的存在價值，就在于把自己燒完，然后“退出”。

問題是：燒完之后怎么辦？到目前為止，沒有人給出一個像樣的答案。

參考資料：

1.https://nymag.com/intelligencer/article/white-collar-workers-training-ai.html

運(yùn)營/排版：何晨龍