乌干达的标注员安妮塔一天干足9个小时，赚的时薪才1.16美元。她在镜头前给自动驾驶汽车的图像做逐帧标记，这活儿要是换成通用大模型提供的那些即时信息，估计也得用类似的人工操作来练出来。英国学者詹姆斯·马尔登、卡勒姆·坎特还有马克·格雷厄姆合著了一本书，揭开了这个隐秘角落。他们说，现在看似很厉害的AI，其实背后全靠廉价劳动力支撑。这些人在硅谷精英欢呼的智能时代里，却过着充满焦虑的日子。企业把这种最累的工作外包给肯尼亚和菲律宾这样的地方，利用高速网络把活儿送到全球任何角落。 大家争着压低价格接活，因为如果你不够快或者不够便宜，工作很快就会跑到地球另一端去。这就是平台经济那一套逻辑在全球铺开。高速互联网让数据转移几乎没有边际成本，结果就是全球劳动力市场成了极端竞争的角斗场。雇主给的数据清洗、标注工作全靠那些底层工人来做，他们必须保持95%的准确率才能拿到工资。 很多人只签短期合同，随时面临失业的危险。休息时间都被死死卡着。这种工作不仅枯燥重复，还是一种严密监控下的压力测试。作者在书中指出，AI的智能光环下隐藏着极度剥削的底层网络。那些给AI训练用的大量数据，其实是由这些全球南方国家的劳工一点一点手工标注出来的。 这种外包行为本质上是平台经济逻辑的延续，它利用了现有的全球不平等结构来压缩成本。技术进步带来的巨额红利并没有公平地扩散到产业链的下游，反而加剧了赢家通吃的垄断局面。有学者还建议反思AI的发展方向，与其烧钱去搞那种全能但昂贵的通用大模型，不如针对医疗、环保等具体领域开发专用AI，这或许才是更高效也更公平的选择。