高价数据外包背后：AI进化下的劳动分化与隐性剥削

提及数据标注，不少人仍会联想到几年前的场景：二、三线城市的外包基地里，成百上千人整齐端坐，盯着屏幕为图像中的车辆、行人、红绿灯进行框选标注。这类任务门槛极低，无需专业培训，按标注数量计酬，完成上千张标注的收入仅能勉强达到200元。

二、三线城市的外包基地里，上百人排排坐，盯着屏幕给图像框选车辆、行人、红绿灯。这类任务门槛极低，无需培训，按件计酬，完成上千张标注收入勉强200元。

然而近一两年，这一领域的风向悄然转变。随着AI模型能力的不断升级，训练目标已不再局限于简单的识别能力，而是更侧重于判断与推理能力。

在此背景下，一种报酬高昂的新型标注任务开始在各大平台和众包社区流行起来：评估AI回答是否存在隐含偏见、改写具有误导性的医疗建议、比较两个政治话题回复的中立程度等。

这些任务往往需要耗费一两个小时，对标注者的语言敏感度、常识推理能力，甚至基础的法律或伦理知识都有要求，报酬也随之大幅提高。普通任务报酬从百元起步，在复杂场景下，一单报酬达到800至1000元已不罕见。

同样是为智能系统运转提供支撑的劳动，为何一种被高价争抢，另一种却被压至报酬底端？模型标注需求的升级，对普通劳动者而言究竟意味着什么？

01 从低薪机械标注到高价认知输出的劳动分化

为大模型提供标注服务并非新鲜事。早在2018年前后，随着计算机视觉和语音识别技术的爆发，数据标注行业已进入中国广大基层劳动市场。三、四线城市的待业青年、照顾孩子的全职妈妈、课余时间打零工的大学生，甚至部分退休后想补贴家用的老年人，都成为了这一行业的参与者。平台通过微信群、兼职APP或地方劳务中介层层分包任务，形成了一张覆盖城乡的数字零工网络。

当时的招聘广告内容简单直白：“会用电脑即可”“在家可做”“日结工资”。极低的门槛几乎消除了所有技能壁垒，不需要学历证明，不考察专业背景，只要能分清红绿灯、听清普通话、准确点击鼠标，就能上岗工作。

然而，这种“人人可参与”的表象之下，隐藏着被业内称为赛博血汗工厂的残酷现实。

为满足模型训练所需的海量数据供给，平台普遍设定了高压产出指标。熟练工每天至少需完成500张图像标注，合格图片的报酬仅在0.2元至0.4元之间，日收入很难突破200元，这一收入水平往往还不及知识型众包中一道题目的价格。

在这种工作模式下，劳动被极致地标准化、碎片化、去人性化。连续工作一周，劳动者就会感到明显的头昏眼花、颈椎僵硬。而且，干一年和干一天在技能提升、经验积累或职业发展上几乎没有差别。一旦平台引入AI预标注工具，人力需求便会迅速萎缩，毫无议价能力的劳动者只能被动接受降薪或被淘汰的命运。

而在城市的另一端，一种截然不同的数据生产模式正在兴起。985高校的博士生、三甲医院的主治医师、律所的资深律师、财经媒体的主笔等专业人士，坐在图书馆、咖啡馆或家中书房，花费两三个小时打磨一条关于“生成式AI对医疗诊断责任认定的影响”或“如何向高中生解释货币政策传导机制”的参考答案，完成后账户即可入账600元、800元甚至1000元。他们不必打卡考勤，不用追赶任务量，可以拒绝不符合自身专业方向的任务，平台还会主动邀请他们参与高阶项目评审。

于是，同样是为大模型提供训练数据，劳动却分裂成了两个世界：一边是一单报酬仅为五毛的机械点击，劳动者靠透支视力与青春换取微薄日薪；一边是一单报酬高达上千的认知输出，专业人士用自身的专业积淀兑换灵活且高额的报酬。

高价值任务带来高收入、高认知刺激和行业资源，形成了正向循环；而低价值劳动则陷入低薪、无成长、技能退化的负螺旋。

这不禁让人产生疑问：AI是否成为了劳动两极分化的推手？所谓的高薪标注究竟是怎样一种模式？

02 高薪标注：看似光鲜背后的现实困境

随着通用模型对能力的需求从识别转向推理，医学、法律、心理学等垂直领域模型快速发展，简单标注已无法满足训练需求。AI不再需要仅能提供答案的人，而是需要能够教会它如何可靠地生成答案的人。

那么，这类高薪标注任务所需人才具有怎样的特征？又隐藏着怎样的价值观呢？

从表面上看，有人一单就能入账上千元，工作自由、时间灵活，仿佛进入了智能时代的新蓝领阶层。但深入了解后会发现，这扇通往高薪的大门虽未明确标注仅限名校毕业生，却在实践中悄然向985、211高校毕业生倾斜。平台未必只看重文凭，但面对海量申请者，学历成为了最高效的初步筛选信号。

一位拥有多年科研经验的博士曾尝试参与某大模型项目，却在试标阶段被拒绝。原因是他的回答“过于学术，缺乏教学引导性”，不符合平台对“AI友好型表达”的要求。这表明，学历只是进入该领域的敲门砖，真正决定去留的，是能否将专业知识转化为模型可学习的思维范式。

当然，高学历在一定程度上也意味着高报酬。在计算机、临床医学、法律或金融等领域，一道需要整合前沿文献、构建推理链条的任务，报价通常可达600至1000元。即便是哲学、教育、新闻等文科方向，只要具备思辨深度或教学价值，时薪也能轻松超过百元。但高回报背后是严苛的质量门槛，平台不为努力买单，只为一次合格率付费。多数任务需经历两到三轮返修，一次逻辑疏漏、一处引用偏差，就可能导致整单任务被拒收。

在工作形式方面，平台定期释放题库，用户自主认领任务，无需打卡、无需坐班，有空即可完成……这种弹性工作形式吸引了大量研究生、青年教师和自由职业者。但这并不意味着一次合格就能一劳永逸，系统会根据历史交付质量动态分配任务权重。表现优异者会被打上“优质贡献者”标签，优先获得高单价题目；而反复返修的人则会被算法悄然降权，减少任务发放。

归根结底，时薪过百购买的并非单纯的时间，而是可规模化、可标准化、可被AI内化的高质量人类思维。因此，这张通往高薪的门票只发给那些既能深耕领域知识，又能跳出学术话语体系、持续迭代表达方式的人机协作型人才。

但AI的进化永不停歇，它一边淘汰底层的机械劳动，一边不断抬高认知协作的门槛。昨天还在撰写问答对的人，今天可能就要设计伦理测试集；今天被视为专家的输出，明天或许就能被新模型自动合成。

从本质上讲，AI一直在催生新的工作形态，而这一过程的本质仍是“剥削”人类的体力和脑力来完成自身的进化。

03 技术升级≠劳动解放：警惕新形态下的剥削陷阱

AI的进化从未停止催生新角色。十年前，没人知道数据标注员是什么；五年前，提示工程师还是冷门词汇；如今，“AI训练师”“伦理对齐专员”“多模态内容设计师”正成为招聘热词。

但AI每向前发展一步，人类劳动的分化就加深一分。当模型从识别图像转向生成法律意见、撰写医学诊断建议时，它对“好数据”的定义也随之升级。

也就是说，AI在进化过程中不断淘汰旧岗位、产生新岗位。传统数据标注刚兴起时，甚至有辅导机构开展相关培训。但现在，高薪知识标注又筑起了新的技能壁垒。

首先，新岗位的诞生并不意味着机会均等。数据标注升级的同时，准入门槛也相应提高。平台虽不公开写明“仅限985高校毕业生”，却通过试标任务、专业背景审核和交付质量追踪，将绝大多数非体系化训练者挡在门外。

其次，即便进入高阶标注岗位，劳动关系的本质仍未改变。多数从业者仍以“灵活用工”“项目外包”形式存在，没有劳动合同、晋升通道，甚至不被视为公司正式人力结构的一部分。他们可能每天花费数小时判断一段AI生成内容是否“冒犯少数群体”，却从未参与过相关伦理准则的制定。他们的脑力被征用，主体性却被抹去。

值得警惕的是，AI产业正通过技能神话合理化这种不平等。平台常宣称，“高价值任务理应匹配高能力者”，仿佛薪酬差距完全由个人努力决定。事实上，所谓高阶技能往往是临时性、碎片化且不可积累的。

今天可能需要判断政治偏见，明天可能转向医疗术语校准，后天又要求理解科幻小说中的隐喻。这些任务彼此割裂，难以形成可迁移的职业资产。劳动者被迫持续学习、快速适应，却始终处于用完即走的不稳定状态。

而一旦模型通过人类反馈学会某种判断模式，这类标注任务就会迅速减少甚至消失。昨天还在撰写千元问答的人，明天可能就找不到同类题目。劳动者贡献了让AI变聪明的关键数据，却无法分享其商业化后的任何收益。

因此，当看到“一单报酬200元”的新闻时，或许不必急于欢呼低端劳动正在消失。真正值得关注的是，那些曾经从事五毛一单标注工作的人，如今去了哪里？

AI的发展不会停止，岗位也会继续变化。但对具体的人来说，每一次升级背后，可能都是一道不得不跨越的窄门。

本文来自微信公众号 “脑极体”（ID：unity007），作者：珊瑚，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com