提到數(shù)據(jù)標(biāo)注，很多人腦海里浮現(xiàn)的，仍是幾年前那幅畫面：二、三線城市的外包基地里，上百人排排坐，盯著屏幕給圖像框選車輛、行人、紅綠燈。這類任務(wù)門檻極低，無需培訓(xùn)，按件計(jì)酬，完成上千張標(biāo)注收入勉強(qiáng)200元。

但最近一兩年，風(fēng)向悄然變了。隨著模型能力的升級，訓(xùn)練所追求的不僅是識別能力，更是判斷和推理能力。

于是，一種時(shí)薪上千的新型標(biāo)注任務(wù)開始在各大平臺和眾包社區(qū)流行：評估AI回答是否隱含偏見，改寫帶有誤導(dǎo)性的醫(yī)療建議，比較兩個(gè)政治話題回復(fù)哪個(gè)更中立。

這些任務(wù)動(dòng)輒耗時(shí)一兩個(gè)小時(shí)，要求標(biāo)注者具備語言敏感度、常識推理能力，甚至基礎(chǔ)的法律或倫理知識，報(bào)酬也水漲船高，普通任務(wù)百元起步，復(fù)雜場景下，一單800到1000元已不罕見。

同樣是支撐智能系統(tǒng)運(yùn)轉(zhuǎn)的勞動(dòng)，為何一個(gè)被高價(jià)爭搶，一個(gè)卻被壓到底端？模型標(biāo)注需求的升級，對于普通勞動(dòng)者而言究竟意味著什么？

給大模型標(biāo)注并不是新鮮事。早在2018年前后，隨著計(jì)算機(jī)視覺和語音識別技術(shù)的爆發(fā)，數(shù)據(jù)標(biāo)注的風(fēng)就已吹進(jìn)中國廣大的基層勞動(dòng)市場：三、四線城市的待業(yè)青年、照顧孩子的全職媽媽、課余時(shí)間打零工的大學(xué)生，甚至一些退休后想補(bǔ)貼家用的老年人。平臺通過微信群、兼職APP或地方勞務(wù)中介層層分包任務(wù)，形成一張覆蓋城鄉(xiāng)的數(shù)字零工網(wǎng)絡(luò)。

那時(shí)的招聘廣告寫得簡單直白：“會(huì)用電腦即可”“在家可做”“日結(jié)工資”。門檻之低，幾乎消除了所有技能壁壘：不需要學(xué)歷證明，不考察專業(yè)背景，只要能分清紅綠燈、聽清普通話、點(diǎn)準(zhǔn)鼠標(biāo)，就能上崗。

然而，這種“人人可參與”的表象之下，隱藏著被業(yè)內(nèi)稱為賽博血汗工廠的殘酷現(xiàn)實(shí)。

為了維持模型訓(xùn)練所需的海量數(shù)據(jù)供給，平臺普遍設(shè)定高壓產(chǎn)出指標(biāo)：熟練工每天至少需完成500張圖像標(biāo)注，合格圖片的報(bào)酬僅在0.2元至0.4元之間，日收入很難突破200元，而這往往還不到知識型眾包中一道題目的價(jià)格。

在這里，勞動(dòng)被極致標(biāo)準(zhǔn)化、碎片化、去人性化，連坐一周就會(huì)感到明顯的頭昏眼花、頸椎僵硬。干一年和干一天在技能、經(jīng)驗(yàn)或職業(yè)發(fā)展上幾乎沒有差別。一旦平臺引入AI預(yù)標(biāo)注工具，人力需求便迅速萎縮，毫無議價(jià)能力的勞動(dòng)者只能被動(dòng)接受降薪或淘汰。

而在城市的另一端，一場截然不同的數(shù)據(jù)生產(chǎn)正在興起。985高校的博士生、三甲醫(yī)院的主治醫(yī)師、律所的資深律師、財(cái)經(jīng)媒體的主筆……他們坐在圖書館、咖啡館或家中書房，花費(fèi)兩三個(gè)小時(shí)打磨一條關(guān)于“生成式AI對醫(yī)療診斷責(zé)任認(rèn)定的影響”或“如何向高中生解釋貨幣政策傳導(dǎo)機(jī)制”的參考答案，完成后，賬戶入賬600元、800元，甚至1000元。他們不必打卡，不用趕量，可以拒絕不符合專業(yè)方向的任務(wù)，平臺還會(huì)主動(dòng)邀請他們參與高階項(xiàng)目評審。

于是，同是為大模型提供訓(xùn)練數(shù)據(jù)，勞動(dòng)卻分裂成兩個(gè)世界：一邊是一單五毛的機(jī)械點(diǎn)擊，靠透支視力與青春換取微薄日薪；一邊是一單上千的認(rèn)知輸出，用專業(yè)積淀兌換靈活高酬。

高價(jià)值任務(wù)帶來高收入、高認(rèn)知刺激和行業(yè)資源，形成正向循環(huán)；低價(jià)值勞動(dòng)則陷入低薪、無成長、技能退化的負(fù)螺旋。

這不免讓人疑惑：AI是不是成了兩極分化的兇手？所謂的高薪標(biāo)注到底是怎么一回事？

隨著通用模型能力需求從識別到推理，醫(yī)學(xué)、法律、心理學(xué)等垂類模型快速發(fā)展，簡單標(biāo)注無法滿足訓(xùn)練需求。AI不再需要知道答案的人，而是需要能教會(huì)它如何可靠地生成答案的人。

那么這類高薪標(biāo)注模型標(biāo)注的人才畫像是什么？又隱藏著一種怎樣的價(jià)值觀呢？

表面上看，有人一單入賬上千元，工作自由、時(shí)間靈活，仿佛進(jìn)入了智能時(shí)代的新藍(lán)領(lǐng)階層，但深入其中就會(huì)發(fā)現(xiàn)，這扇門雖未明寫僅限名校，卻在實(shí)踐中悄然向985、211高校畢業(yè)生傾斜。平臺未必只看文憑，但面對海量申請者，學(xué)歷成了最高效的初篩信號。

一位擁有多年科研經(jīng)驗(yàn)的博士曾嘗試參與某大模型項(xiàng)目，卻在試標(biāo)階段被拒。他的回答“過于學(xué)術(shù)，缺乏教學(xué)引導(dǎo)性”，不符合平臺對“AI友好型表達(dá)”的要求。這說明，學(xué)歷只是敲門磚，真正決定去留的，是能否將專業(yè)知識轉(zhuǎn)化為模型可學(xué)習(xí)的思維范式。

當(dāng)然，高學(xué)歷某種程度也意味著高報(bào)酬。在計(jì)算機(jī)、臨床醫(yī)學(xué)、法律或金融等領(lǐng)域，一道需要整合前沿文獻(xiàn)、構(gòu)建推理鏈條的任務(wù)，報(bào)價(jià)常達(dá)600至1000元。即便是哲學(xué)、教育、新聞等文科方向，只要具備思辨深度或教學(xué)價(jià)值，時(shí)薪也能輕松過百。但高回報(bào)背后是嚴(yán)苛的質(zhì)量門檻，平臺不為努力買單，只為一次合格率付費(fèi)。多數(shù)任務(wù)需經(jīng)歷兩到三輪返修，一次邏輯疏漏、一處引用偏差，就可能被整單拒收。

關(guān)于工作形式，平臺定期釋放題庫，用戶自主認(rèn)領(lǐng)，無打卡、無坐班、有空就做……這種彈性的工作形式吸引了大量研究生、青年教師和自由職業(yè)者。可這并不意味著一次合格就一勞永逸，系統(tǒng)會(huì)根據(jù)歷史交付質(zhì)量動(dòng)態(tài)分配任務(wù)權(quán)重。表現(xiàn)優(yōu)異者被打上“優(yōu)質(zhì)貢獻(xiàn)者”標(biāo)簽，優(yōu)先獲得高單價(jià)題目，而反復(fù)返修的人也會(huì)被算法悄然降權(quán)，減少發(fā)放。

說到底，時(shí)薪過百買的不是時(shí)間，而是可規(guī)模化、可標(biāo)準(zhǔn)化、可被AI內(nèi)化的高質(zhì)量人類思維。而這張通往高薪的門票因此只發(fā)給那些既能深耕領(lǐng)域知識，又能跳出學(xué)術(shù)話語、持續(xù)迭代表達(dá)方式的人機(jī)協(xié)作型人才。

但AI的進(jìn)化永不停歇，它一邊淘汰底層的機(jī)械勞動(dòng)，一邊不斷抬高認(rèn)知協(xié)作的門檻。昨天還在寫問答對的人，今天可能就要設(shè)計(jì)倫理測試集；今天被視為專家的輸出，明天或許就能被新模型自動(dòng)合成。

本質(zhì)上，AI一直在產(chǎn)生新的工作形態(tài)，而這一過程的本質(zhì)仍是“剝削”人類的體力和腦力去完成自己的進(jìn)化。

AI的進(jìn)化從未停止催生新角色。十年前，沒人知道數(shù)據(jù)標(biāo)注員是什么；五年前，提示工程師還是冷門詞匯；如今，“AI訓(xùn)練師”“倫理對齊專員”“多模態(tài)內(nèi)容設(shè)計(jì)師”正成為招聘熱詞。

但它每向前一步，人類勞動(dòng)的分野就加深一分。當(dāng)模型從識別圖像走向生成法律意見、撰寫醫(yī)學(xué)診斷建議時(shí)，它對好數(shù)據(jù)的定義也隨之升級。

也就是說，AI其實(shí)在進(jìn)化中不斷淘汰舊的崗位、產(chǎn)生新的崗位。傳統(tǒng)數(shù)據(jù)標(biāo)注剛興起時(shí)，甚至有輔導(dǎo)機(jī)構(gòu)去做相關(guān)的培訓(xùn)。但現(xiàn)在，高薪知識標(biāo)注又筑起了新的技能壁壘。

首先，新崗位的誕生并不意味著機(jī)會(huì)均等。數(shù)據(jù)標(biāo)注升級的同時(shí)，準(zhǔn)入門檻也提高。平臺雖不公開寫明“僅限985”，卻通過試標(biāo)任務(wù)、專業(yè)背景審核和交付質(zhì)量追蹤，將絕大多數(shù)非體系化訓(xùn)練者擋在門外。

其次，即便進(jìn)入高階標(biāo)注崗位，勞動(dòng)關(guān)系的本質(zhì)仍未改變。多數(shù)從業(yè)者仍以“靈活用工”“項(xiàng)目外包”形式存在，沒有勞動(dòng)合同、晉升通道，甚至不被視為公司正式人力結(jié)構(gòu)的一部分。他們可能每天花數(shù)小時(shí)判斷一段AI生成內(nèi)容是否“冒犯少數(shù)群體”，卻從未參與過相關(guān)倫理準(zhǔn)則的制定。他們的腦力被征用，主體性卻被抹去。

值得警惕的是，AI產(chǎn)業(yè)正通過技能神話合理化這種不平等。平臺常宣稱，“高價(jià)值任務(wù)理應(yīng)匹配高能力者”，仿佛薪酬差距完全由個(gè)人努力決定。事實(shí)上，所謂高階技能往往是臨時(shí)性、碎片化且不可積累的。

今天需要你判斷政治偏見，明天可能轉(zhuǎn)向醫(yī)療術(shù)語校準(zhǔn)，后天又要求你理解科幻小說中的隱喻，這些任務(wù)彼此割裂，難以形成可遷移的職業(yè)資產(chǎn)。勞動(dòng)者被迫持續(xù)學(xué)習(xí)、快速適應(yīng)，卻始終處于用完即走的不穩(wěn)定狀態(tài)。

而一旦模型通過人類反饋學(xué)會(huì)某種判斷模式，這類標(biāo)注任務(wù)就會(huì)迅速減少甚至消失。昨天還在寫千元問答的人，明天可能就找不到同類題目。你貢獻(xiàn)了讓AI變聰明的關(guān)鍵數(shù)據(jù)，卻無法分享它商業(yè)化后的任何收益。

所以，當(dāng)我們看到“一單200”的新聞時(shí)，或許不必急于歡呼低端勞動(dòng)正在消失。真正值得觀察的，是那些曾經(jīng)做著5毛一單的人，現(xiàn)在去了哪里？

AI的發(fā)展不會(huì)停下，崗位也會(huì)繼續(xù)變。但對具體的人來說，每一次升級背后，可能都是一道不得不跨越的窄門。

       原文標(biāo)題 : 單價(jià)上千的新型數(shù)據(jù)外包，正在圍獵985畢業(yè)生