眾所周知,現在這些AI大模型,一個個都能上天,巴不得趕明兒就統治地球。
資本圈現在也是框框砸錢,動不動就一億美金挖人才,巔峰時期的爽子都沒他掙得多。
可能有些差友印象中,AI不就是靠這些大牛搭建框架,然後找人把整個互聯網的資料「哐哐」往裡灌,然後就頓悟了嘛。
但其實,人工智慧,它首先得靠人工。甚至你自己,可能都在不知不覺中成了AI的免費勞動力。
不信你回想一下,短視頻刷著刷著,突然彈出來一個窗口,問你剛剛那個視頻是不是廣告,或者對上個視頻滿不滿意?甭管你是好心還是手滑,只要你點了提交,朋友,你已經成為了演算法進化Play中的一環。
這跟在一堆圖片里找紅綠燈的人機驗證一樣,本質上,就是在薅你的勞動力。
不僅咱們普通人被迫營業了,在這背後,還有一幫AI的老師、保姆、甚至是心理醫生,也在日以繼夜地給AI擦屁股餵養料。
但比起這些光鮮亮麗的AI和明星科學家,這幫人的日子過得卻是相當牛馬。
前幾天有國外媒體曝光出來,在Google打工的AI評估員今年已經好幾次集體發牢騷了,原因也很簡單,你谷歌檯面上財大氣粗的,咋就給我們這些打工人這麼點錢,打發鬼呢?
要理解他們為啥鬧脾氣,就得先看看他們乾的活兒。
在以前訓練AI的時候,特別是視覺模型,乾的都是些純體力活。比如我們在兩年前為了做選題,就曾親身體驗過數據標註的兼職。工作內容很簡單:在一張照片里,把文字、車和人給框出來。有手有電腦就行,俗稱「拉框」「打點」。
聽著簡單,但實際上是「賽博流水線」上的計件工。一張圖片里的文字框,框好一個0.03元。手速快的話,一分鐘能框個5-8個,也就是毛利0.24元。如果想完成日入150的小目標,一天得框整整5000條文本。
這還不算甲方的奇葩規則,看上去都是貨車,你得精準區分「truck」和「van」;框要和標註物邊緣緊密貼合,誤差不能超過3個像素,否則就白乾。試標沒薪水,返工是常態,性價比極低。
但對於現在的大語言模型來說,評估就沒這麼簡單了。評估師要乾的,是評估AI生成的內容。比如,用戶問Gemini一個關於天體物理學的問題,Gemini給出的答案,對不對?引用的資料,準不準?說話的語氣,像不像個專家?
再比如,用戶讓AI寫一首莎士比亞風格的十四行詩,AI寫出來的東西,有沒有那股味兒?甚至,當AI遇到「在什麼情況下可以說謊?」這類倫理困境時,它的回答是否符合主流的道德觀?
這需要的就不只是眼力,而是判斷力、審美、領域知識和足夠高的文化素養。
所以能幹這活兒的,都不是一般人。
根據外媒報道,Google的承包商招來的這幫「AI老師」,很多都是經驗豐富的作家、有碩士學位的老師、甚至是物理學的博士。他們是AI的文學顧問、倫理審查官、專業知識教練。
那問題來了,這麼牛逼的一群人,干著給幾千億美金估值的AI「鑄魂」的活兒,工資得多少?
答案是,時薪16到21美元。一個月也就三千美金。
這個錢在美國有多低呢?我就這麼說,你今天啥也不幹,學流浪漢往大街上一躺,兩腿一蹬小被一蓋,聯邦政府發的救濟金都奔兩千去了。
而與此同時,在Google總部寫代碼的AI工程師,年薪10萬美刀都是低的。
所以人家出來鬧,也真不是矯情。大家都是碩博,憑什麼你寫代碼的年薪幾十萬美刀,我們這些連學生貸款都還不上?
這背後,其實就是矽谷精英們信奉的那套老思想在作祟:技術至上,文科無用。
在他們眼裡,工程師是改變世界的英雄,而那些學文學、歷史、哲學的,工作價值看不見摸不著,自然不受重視。這些思維在以前確實是能講通的,但是在AI這裡面,還真就不一定。
這就好比生孩子,工程師負責把孩子「生」出來,但孩子的三觀、談吐、品行,就不能只靠家長,得是學校和老師來教。
所以對這些精英來說,這就顯得很擰巴。一邊覺得學文學、學歷史、學哲學的人沒啥用,創造不了價值;另一邊,他們又不得不依賴這些「非計算機」的知識和認知,來保證他們的賽博生命,別變成糖人。
實際上別說美國,視線轉回國內,你會發現劇情也大差不差,甚至「賽博包工頭」們還玩得更花。
比如以前大專就能幹的數據標註工作,現在要求本科學歷,有些甚至明確要一本、全日制985/211以上,還需要特定領域的專業知識。某大廠外包的標註崗位要求,就恨不得把所有的大學專業名錄都給貼上去。
這就很奇怪了,既然門檻都提到985了,為啥工資不像演算法崗那麼高?
一個有211本985碩背景的土木應屆生小夏,接了一份AI數據標註的offer,工作內容主要是對AI給出的題目答案進行糾正,但實習沒多久她就跑路了。
根本原因在於,公司看重的是你腦子裡的專業知識,好用來幫模型學習進化,這個崗位本身不會讓你學到太多新東西,也很難有什麼職業上的發展。
說白了,就是把你的知識一次性榨乾,注入到AI里。雖然有些崗位薪資能到7-10k,聽起來還行,但改變不了這是「賽博流水線」的事實。
你說它沒有含金量吧,但又是AI發展必須的燃料,畢竟大模型是經典的Garbage in,Garbage
out。這麼重要的東西,為啥大廠不組建一個自己的數據標註團隊呢?
理由很簡單:需求量大、項目時間緊、任務重,一下子招這麼多正式員工,划不來,外包出去是最省時省力的方法。
於是,一個龐大的金字塔產業就此誕生。頂層是少數幾個演算法天才,而構成它龐大塔身的,是這些被當作小時工的高材生們。維持這條流水線運轉的,就是專門承接外包項目的「AI時代的包工頭」。
實際上,這些外包公司的鏈條遠比想像中的更長:甲方包給乙方供應商,供應商再轉手給二包、三包甚至四包。項目經過層層轉包,下游的小工作室為了利潤,更談不上什麼規範。
漢語言文學專業的彤彤,幹了四五年數據標註,每個月到手4-6k。公司想要拿績效,不光看正確率,還得超出公司規定的任務量,她後來就很少能拿到了。
更離譜的是,今年2月份,因為甲方的項目調整,整個項目組說沒就沒了,直接原地失業。
而這種不穩定的工作狀態,在這反而是常態。
有員工反映,項目期間瘋狂加班,項目一結束,公司就讓他們自己請假調休,調休沒工資。等新項目來了,可能還得重新面試。工資少就算了,績效還跟正確率掛鉤,低於90%當月績效直接取消。碰上項目驗收有問題,工資都可能發不出來。
在他們眼裡,員工可以隨時替換,反正門檻低,你不幹總會有人干。
這種層層轉包、壓榨到底的模式,到今天已經成了全球AI產業的「路徑依賴」。
比起國內這些數據民工,在這座金字塔真正最底層的勞動者,獻祭的早已不只是時間和知識,而是自己的精神健康。
比如為了讓ChatGPT學會拒絕暴力、色情等內容,OpenAI把互聯網下水道里最污穢的玩意兒——謀殺、虐童、自殘——打包外包給了肯亞的工人。他們拿著不到2美元的時薪,一篇篇地閱讀和標註這些內容,不少人因此留下了嚴重的心理創傷。
亞馬遜吹上天的無人超市Amazon
Go,號稱頂尖計算機視覺,結果背後是1000多個印度員工盯著攝像頭手動確認。多倫多街上的網紅送餐機器人,背後也是菲律賓打工人在半夜操控。
說白了,對很多科技公司來說,讓人類表現得像個機器人,遠比讓機器人表現得像個人類,要便宜得多。
說了這麼多,咱也不是說AI不好,AI毫無疑問是一座偉大的奇觀。但偉大不應該建立在一片看不見的廢墟之上。
我們讚美人工智慧,卻往往對背後的人工,視而不見。
這事兒說白了,就跟古代修金字塔、挖大運河差不多。東西是好東西,是人類智慧的結晶,但支撐起這些奇觀的,是無數被消耗、被磨損、甚至被犧牲的底層勞動者。
要讓AI實現它應該做的事——解放生產力,解放人類,首先人類自己要學會尊重自己人。最起碼,尊重知識和勞動。
沒有愛的家庭,不會養出會愛人的小孩,AI亦是如此。別讓高科技,最終變成了壓榨勞動力的工具。