AI训练数据行业兴起：高学历劳动者陷入零工经济困局

近日，全球AI训练数据生产行业快速发展，吸引大量高学历专业人士参与。平台如Mercor、Scale AI和Surge AI通过AI面试和自动化评估招聘数万名专家，涵盖法律、金融、教育、创意写作、工程等多个领域，为大型AI公司如OpenAI和Anthropic提供训练数据。

这些工作内容包括撰写AI提示词、设计评分标准（rubrics）、生成“黄金输出”（golden output）以及创建“推理轨迹”（reasoning trace）。尽管部分岗位初期薪酬较高，如Mercor曾提供每小时45美元，但随后普遍出现任务中断、薪酬下降、工作时间延长及突然解雇现象。工人被要求在Insightful等监控软件下工作，系统记录每一秒操作，非生产时间可能被扣薪。

工人普遍反映工作不稳定，项目常以“scope changes”为由突然终止。Mercor的Meta项目曾从每小时21美元降至16美元，引发上千名工人抗议，但公司未提供解释。部分工人被迫在社交媒体上匿名发帖，因公司监管严格，真实项目代号被进一步伪装。一些工人在项目中被要求录制敏感内容，面临精神压力和伦理困境。

行业内部存在严重保密协议，禁止员工透露客户信息或工作细节，导致工人无法建立职业连续性或集体谈判。即使拥有硕士或博士学位，工人仍被视为可替代的“数据生产者”，面临“挖自己坟墓”的困境。部分工人转而从事咖啡店、餐厅等传统服务行业，寻求更稳定的工作环境。

目前，美国加州已对Mercor、Scale AI等公司提起三起集体诉讼，指控其将工人错误归类为独立承包商，实际施加“非凡控制”。法律界担忧，若无有效监管，该行业可能引发全球范围内“数据劳工”的系统性剥削。

行业背景与趋势

AI模型进步依赖大量高质量训练数据。2023年，Mercor由三位19岁创始人创立，最初为海外工程师求职平台，后转型为AI数据供应商，估值达100亿美元，成为全球最年轻亿万富翁团队。Scale AI宣称拥有70万硕士、博士及本科毕业生，Surge AI则招聘麦肯锡专家、最高法院律师及格莱美获奖音乐人。

数据供应链高度复杂，包括撰写评分标准、评估模型输出、生成理想答案、模拟企业环境（“世界构建”）及制作语音对话等任务。部分项目要求工人在虚拟公司环境中协同创作数百份文档，如财务预测、会议记录和项目提案，用于测试AI在模拟场景中的表现。

工人困境与社会影响

工人普遍经历心理压力和家庭关系紧张。一位单亲母亲Mimi表示，因工作需随时响应Slack消息，导致无法陪伴孩子，甚至因孩子找不着学习用品而情绪崩溃。她称：“工作正在把我变成恶魔。”另一位工人Lindsay在项目被突然取消后，被邀请加入同质化新项目，薪酬却下降24%，且失去团队沟通渠道，工作环境陷入“绝对混乱”。

行业采用“9-9-6”工作模式，即每日早9点至晚9点，每周工作6天。年轻管理层（多为20多岁）缺乏管理经验，对高级专业人士缺乏尊重，常以“使用你的判断”等模糊指令回复，引发不满。部分工人因压力转向AI辅助，但公司严格禁止AI生成内容，以防“模型坍塌”（model collapse）。

法律与监管挑战

目前，美国加州已对Mercor等公司提起集体诉讼，指责其通过严密监控和非正式解雇机制，实质上将工人当作雇员管理，却规避雇佣责任。类似诉讼已针对Surge AI和Scale AI提起，后者正在和解中。

MIT经济学家Daron Acemoglu将该现象比作工业革命前的织工，技术不仅夺走工作，更重塑劳动组织方式，使资本拥有绝对控制权，直到劳工组织和监管介入。他呼吁建立“数据工会”式组织，以防止大公司通过“分而治之”策略压低数据价格，保护数据生产者的合法权益。

未来展望

AI训练数据行业在推动技术进步的同时，也暴露出深刻的社会问题。随着AI模型能力提升，任务难度增加，工人面临“被抽取知识”的困境。一位语言学硕士表示，他已无法再“难倒”模型，因为模型能准确检索其提出的冷门理论或原住民语言，最终项目结束，他失业五个月，不知何去何从。

当前，数据生产者承受着“技术进步的代价”，而政策制定者尚未有效回应。若不建立合理监管框架，该行业可能加剧社会不平等，使高学历劳动者陷入前所未有的不稳定零工经济之中。