平城区金贸国际中心的写字楼里，上海润迅云中声谷大数据智慧服务基地占据了整整几层楼。数千名戴着耳机的年轻人，被框在格子间里，重复着点击、拖拽、框选的动作，他们的指尖划过屏幕，也划过自己被算法定义的人生。截至2025年11月，大同已投运服务器74.5万台，引进69家呼叫标注数据企业，带动3万多人就近就业，而这些从业者中，94%都是本地户籍——他们是煤炭时代的遗民，也是AI时代最底层的“挖煤工”。
大同不是个例。国家数据局首批确定的数据标注基地中，山西永和、贵州毕节、云南蒙自等中西部县城赫然在列。永和的数据标注基地里，80%的员工是女性，她们多是农村宝妈、返乡青年，在实体经济的缝隙里找不到立足之地，最终被吸入这片赛博流水线。
这一幕，像极了一百年前的曼彻斯特。当年，失去土地的农民被赶进纺织厂，在机器的轰鸣中出卖劳动力；如今，在实体经济中被边缘化的年轻人，被赶到电脑屏幕前，为北京、深圳乃至硅谷的AI巨头，生产大模型必需的“食粮”。他们从事着最具未来感的行业，干的却是最原始的计件工作，而更诡异的是，没人觉得这有什么问题。
一、流水线的异化：从“高薪体面”到“指尖炼狱”
数据标注的本质，是教机器认识世界。自动驾驶需要分清红绿灯与行人，大模型需要辨别猫与狗，而这一切的前提，是人类先在图片上画框标注，告诉机器“这是什么”。这份工作无需高学历，只需耐心和一根能不停点击的食指，曾是县城里令人羡慕的“白领工作”。2017年是标注行业的黄金时代，一个简单的2D框就能卖到一毛多，甚至有公司开出5毛的高价。手速快的标注员，一天干十几个小时，能赚五六百块，在人均工资不高的县城，这无疑是高薪。但大模型的飞速进化，很快撕碎了这份“体面”，将这条赛博流水线拖入残酷的内卷。
到2023年，简单图像标注的单价暴跌至3到4分钱，跌幅超90%。即便是难度更高的3D点云图——那些由密集点位构成、需放大数倍才能看清边缘的图像，标注员要在三维空间中拉出精准的立体框，严丝合缝包裹住车辆或行人，这样一个复杂的标注，也仅能拿到5分钱。
单价暴跌的背后，是劳动强度的暴增。为了守住每个月两三千块的底薪，标注员必须不断提升手速，每天重复上千次、上万次相同的动作。这从来不是轻松的白领工作：上班时手机必须锁进储物柜，不允许接打电话，系统会精准记录鼠标轨迹和停留时间，只要停顿超过三分钟，后台的警告就会如期而至，像鞭子一样抽打在每一个疲惫的人身上。
更令人崩溃的是近乎苛刻的容错率。行业及格线普遍在95%以上，部分公司甚至要求98%-99%——拉100个框，只要错2个，整张图就会被打回返修。动态图里，变道的车辆被遮挡，标注员要靠联想逐一识别；3D点云图中，超过10个点的物体必须画框，一根线画长、一个细节漏标，都会被质检挑出毛病。一张图返修四五次是常态，有时忙一个小时，到手只有几毛钱。湖南一位标注员晒出的结算单显示，一天拉700多个框，最终收入仅30.2元。
这是一幅极致割裂的图景：一边是科技发布会上，大佬们畅谈AGI将解放人类；另一边是黄土高原、西南大山的县城里，年轻人每天死盯屏幕八到十个小时，机械拉框，夜里做梦，指尖都在半空中画着车道线。有人说，人工智能的外表是呼啸而过的豪车，打开车门才发现，里面有一百个人骑着自行车，拼尽全力踩踏——没人觉得这有什么问题。
二、情感的量化：被算法抽空的“AI导师”
当图像识别的瓶颈被突破，大模型开始向更深层进化：它需要学会思考、对话，甚至拥有“同理心”。这就催生了大模型训练中最核心、也最昂贵的环节——RLHF（基于人类反馈的强化学习），简单来说，就是让真人给AI的回答打分，告诉它哪个更符合人类的价值观和情感偏好。ChatGPT之所以“像人”，背后是无数RLHF标注员的默默付出。在众包平台上，这类标注任务明码标价，单件3到7元，标注员需要对AI的回答进行主观情感打分，评判其是否“温暖”、是否“有同理心”、是否“照顾用户情绪”。
荒诞的是，承担这份“情感导师”工作的，大多是月薪两三千、在现实泥淖中疲于奔命的底层打工人——他们连自己的情绪都无暇顾及，却要为AI制定情感与价值观的标准。他们必须把温暖、同理心这些复杂幽微的人类情感，揉碎、量化成1到5的冰冷分数，一旦打分与系统“标准答案”不符，就会被判定为正确率不达标，扣减本就微薄的计件工资。
这是一种残酷的认知抽空。人类的情感、道德与悲悯，被强行拖入算法的漏斗，在量化与标准化的刻度里，被榨干最后一点温热。当我们惊叹于AI能写诗谱曲、嘘寒问暖，披上多愁善感的皮囊时，那些屏幕前的标注员，却在日复一日的机械判断中，退化成了没有情绪的打分机器。
这是AI产业链最隐秘的角落，从不现身于融资新闻和技术白皮书，却支撑着整个行业的光鲜。没人觉得这有什么问题。
三、阶层的折叠：985硕士与小镇青年的殊途同归
底层的拉框工作正在被AI碾压，而这条赛博流水线，正向上蔓延，吞噬着更高阶的脑力劳动。大模型的胃口越来越大，不再满足于简单常识，开始疯狂吞噬人类的专业知识与高阶逻辑。各大招聘平台上，“大模型逻辑推理标注”“AI人文训练师”等兼职频繁出现，门槛极高——多要求985/211硕士及以上学历，涵盖法律、医学、哲学、文学等专业领域。许多名校研究生被吸引，涌入大厂外包群，却很快发现，这不是脑力体操，而是一场精神折磨。
正式接单前，他们要阅读几十页的打分标准，经过两到三轮试标；正式标注时，若正确率低于平均水平，就会被直接踢出群聊，失去接单资格。更令人窒息的是，这些标准并非固定不变——面对相似的问题和回答，用相同的逻辑打分，结果可能截然相反。这就像做一份永远没有标准答案的试卷，无法通过努力提升正确率，只能在原地消耗脑力与体力。
这就是大模型时代的新型剥削——阶层折叠。曾经，知识是打破阶层壁垒、向上攀爬的黄金阶梯；如今，知识沦为了供奉给算法的、更复杂的数字草料。在算法与系统的绝对权力面前，象牙塔里的985硕士，与黄土高原上的小镇青年，迎来了最诡异的殊途同归。
他们一同坠入深不见底的赛博矿坑，被剥夺光环、抹平差异，统统变成了履带上廉价且可随时替换的齿轮。国外亦是如此：2024年，苹果砍掉圣地亚哥一个121人的AI语音标注团队，这些负责改善Siri多语言处理能力的员工，曾以为自己站在大厂核心业务边缘，却在一瞬间坠入失业深渊。
在科技巨头眼中，无论是县城里的拉框大妈，还是名校毕业的逻辑训练师，本质上都是可随时替换的“耗材”。没人觉得这有什么问题。
四、财富的虹吸：万亿巴别塔下的血汗博弈
中国信通院的数据显示，2023年中国数据标注市场规模达60.8亿元，2025年预计突破200亿元，到2030年，全球市场销售额将飙升至1171亿元。这些惊人的数字背后，是OpenAI、微软、字节跳动等科技巨头动辄数千亿、上万亿美元的估值狂欢。但泼天的财富，从未流向那些真正“喂养”AI的人。中国数据标注行业，呈现出典型的倒金字塔外包结构：最顶层是手握核心算法的科技巨头，第二层是大型数据服务供应商，第三层是遍布各地的标注基地与中小型外包公司，最底层，才是拿计件工资的标注员。
每一层外包，都要刮走一层油水。当大厂给出的单价是5毛钱时，经过层层盘剥，落到县城标注员手里的，可能连5分钱都不到。希腊前财政部长雅尼斯·瓦鲁法基斯在《技术封建主义》中提出一个尖锐观点：今天的科技巨头，已不是传统资本家，而是“云领主”——他们拥有的算法、平台、算力，就是赛博时代的数字领土。
在这个新的封建体系里，用户是免费上供数据的数字佃农，我们的每一次点赞、评论、浏览，都是在为云领主积累财富；而那些分布在下沉市场的数据标注员，是最底层的数字农奴——他们不仅要生产数据，还要清洗、分类、打分，将原始数据转化为大模型能消化的高质量饲料。
这是一场隐秘的认知圈地运动。就像19世纪英国圈地运动把农民赶进纺织厂，今天的AI浪潮，把实体经济中无立足之地的青年，赶到了屏幕前。AI没有抹平阶层鸿沟，反而搭建了一条从中西部县城，直通北上广深科技巨头的“数据与血汗输送带”。技术革命的叙事宏大华丽，底色却永远是廉价劳动力的规模化消耗。
没人觉得这有什么问题。
五、终局的残酷：亲手喂大的巨兽，终将砸掉饭碗
最残酷的结局，正在加速到来。随着大模型能力的跃升，那些曾经需要人类日夜劳作的标注任务，正在被AI自己接管。2023年4月，理想汽车创始人李想透露，过去一年，理想需完成1000万帧自动驾驶图像人工标定，外包成本近一亿元；而使用大模型自动标注后，过去一年的工作量，仅需3个小时就能完成——效率是人类的1000倍。这还只是2023年的水平。2026年3月，理想发布新一代MindVLA-o1自动标注引擎，效率再一次迭代升级。行业里那句自嘲，正在变成冰冷的现实：“有多少智能，就有多少人工”，但如今，大厂在数据标注外包上的投入，已出现40%-50%的断崖式下降。
那些在电脑前枯坐无数日夜、熬红双眼的小镇青年，亲手喂大了一只巨兽，而现在，这只巨兽正转过头，缓缓砸掉他们的饭碗。
夜幕降临，大同平城区的写字楼依旧惨白如昼。交接班的年轻人在电梯间里沉默相对，交换着疲惫的躯壳。在这个被无数多边形框禁锢的折叠空间里，没人关心大洋彼岸的Transformer架构又有了怎样的突破，没人听得懂千亿参数背后的算力轰鸣。
他们的视线，只焊死在后台那根代表“及格线”的红绿进度条上，算计着几分、几毛的计件收入，能不能在月底拼凑起一点体面的生活。一边是纳斯达克的敲钟声与科技媒体的溢美之词，巨头们为AGI的降临举杯相庆；另一边，这些以血肉之躯喂大AI的数字农奴，只能在酸痛的睡梦中，战战兢兢地等待着——那只自己亲手饲养的巨兽，会在某个寻常清晨，漫不经心地一脚踢飞他们的饭碗。
没人觉得这有什么问题。
本文来自微信公众号： 动察Beating ，作者：Sleepy.md
