上周 Lobsters 一条讨论帖把我们拉回到一个被遗忘的问题：OpenAI、Anthropic、Scale AI 这些公司的模型背后，是数百万分布在肯尼亚、菲律宾的数据工人，时薪常低于 2 美元。讨论链接的是 ai-materiality-map.org 的一个子页面，问句很直接——Where are the data workers behind AI?

研究人员想做的是把 AI 的「物料地图」补完。算力、电力、数据中心之外，还应该有第四种基础设施：人。它负责标注训练语料、做人类反馈打分（RLHF，让模型对齐人类偏好的核心步骤）、筛掉有害内容、把模型回答从「能看」调到「好用」。

这是什么

所谓「AI 数据工人」，就是完成上述工作的真实劳动者。2023 年《时代》和《连线》联合调查揭露，OpenAI 在肯尼亚通过外包公司雇人标注含自残、暴力、性侵的文本，时薪低于 2 美元，配套心理学支持有限。当时掀起过一轮讨论，很快被新模型发布的声量盖过。这次 Lobsters 讨论的价值在于，研究机构开始系统性地绘制 AI 物料地图，想证明没有这批人，今天任何一家头部 AI 公司的产品都会缺一块拼图。

行业怎么看

认同方的理由很直接：OpenAI、Anthropic、Scale AI、Surge AI、Appen 每年向数据标注链条支付数十亿美元，规模与传统 BPO（业务流程外包）行业相当。差别在于 BPO 有清楚的甲方乙方与员工数披露，AI 数据标注的工时、单价、人员分布基本不公开。

反驳的声音同样不小。第一种观点认为，人工成本在顶尖大模型总训练成本里占比不到 5%，把焦点放在数据工人的劳动条件上有避重就轻之嫌，真正吞噬资源的是算力和电力。第二种反驳更尖锐：媒体反复讲「数据工人的低薪」，反而让公众以为「AI 还是需要人」，转移了白领替代这个更大的议题。

我们编辑部的判断是这两件事不矛盾。短期看，数据标注是有上百万从业者的真实产业，劳动条件值得讨论；中期看，随着模型自监督学习（Self-Supervised Learning，让模型从海量文本里自己找规律）能力增强，纯标注需求会下降，但「人对模型行为的实时反馈」不会消失——只是工种会迁移。

对普通人的影响

  • 对企业 IT：采购 GPT、Claude 类企业服务时，供应商「数据来源合规」页面值得认真读，而不是当营销文案过一遍。
  • 对个人职场：白领岗位不被直接威胁，但当公司讨论「用 AI 替代某个岗位」时，可以多问一句——被替代的人接下来去哪里。
  • 对消费市场：消费者暂时无感，但 AI 客服答非所问、内容审核误判、推荐明显跑偏，背后都可能有人工审核环节被压缩的直接代价。