投餵AI：人工智能產業的全球底層工人紀實

成爲AI燃料的人類 推薦等級：★★★★ 有多少人工，就有多少智能。這或許是人們對於人工智能的調侃，然而在AI普遍化的當下，反過來說似乎也是成立的。當AI像火箭一樣騰空而起，背後則是許許多多被當作燃料的人類。沒有這些人的勞動和付出，所謂的AI不過是空中樓閣。 《投餵AI：人工智能產業的全球底層工人紀實》聚焦那些被迫成爲AI燃料的人類羣體。從數字審覈員到數據中心的工作人員，從被AI操控的藍領工人到被其全方位監視的都市白領，從底層工人到高層掌權者，全球視野下的調研和實地調查讓我們清楚意識到這史無前例的剝削帶來的巨大差異，涵蓋財富等各個方面。在少數的特權階級面前，我們每個人都像是大象面前的螞蟻，隨時都會被碾壓，消失在無人注意的荒野。 1.剝削機器 時至今日，要說自己對AI不熟悉恐怕會被吐槽落伍。然而在鋪天蓋地的AI浪潮下，人們似乎總能說上幾句，甚至指點江山。可要稍微細究一下，不難發現除了新聞和傳言之外，往往是浮於表面，很難有準確的認知，更別提深刻的洞見。 在AI帶來恐懼和AI造福人類的兩派極端觀點之中常常找不到其他的選項，可惜現實情況是如今的AI很難說可以對人類造成種族滅絕的風險，卻也不敢說帶來的改變都是好事。 藉助本書作者的調查和研究，普通讀者可以很容易理解到現實世界裏的AI比預期中的還要複雜。藉助7個不同的人類視角，我們可以更爲全面詳細瞭解到其對現實世界帶來的諸多改變。 如果非要用一句話來概括的話，AI現在更像是一個巨大的剝削機器。更爲準確來說，對於大多數像你我這樣的普通人來說，其帶來了前所未有的的剝削，我們都會變成了其不斷騰飛過程中所消耗的燃料。 換個視角來看的話，相比於大多數被視爲用完即棄的燃料，有那麼一小撮人很明顯是賺得盆滿鉢滿。儘管最終結局尚未出現，但可以肯定的是資本和科技完美結合之後的少數人才會奪得一席之地。 有鑑於此，作爲普通讀者的我們，在瞭解AI在現實世界中的過程其實是爲了更好關心我們的現狀和未來。那些以爲遙遠的早已變成了現實，甚至成爲了很多人不得不面對的日常。 2.用完即棄 站在普通人的角度上來說，每個人的命運和書中提到的數字審覈員相差無異。在AI以及其背後的企業看來，每個人都是用完即棄的燃料，且源源不斷。 這不光是出現在某些國家和地區的個別案例，更是在全球範圍內的普遍現象。《幕後之人》對於社交媒體時代的內容審覈有着更多的介紹，不過在全球外包的趨勢下每個人都變成了新型的工具。 從以前的鑑黃師到如今的審覈員，你可以將其視爲淨化互聯網世界的英雄。可在高質量和效率的雙重要求之下，既要平衡矛盾，又要不斷挑戰自身的極限，所能獲得的不過是保住一份可以勉強餬口的工作。 《髒活》裏那些幹着道德髒活的羣體，雖然更爲偏向傳統一些，可和書中這些新興崗位有種太多的相似之處。拿着越來越少的報酬，幹着越來越多的髒活累活，忍受着身心上的巨大傷害。 每個人儼然就是用完即棄的燃料。至於所謂的體面和福利，那更像是公關之舉，在面對全球範圍內的潛在競爭者每個人都必須拼命奔跑才勉強有一點生存下去的機會。 這些工作可能比《毫無意義的工作》裏還要讓人直面感受到工作的無意義。長期幹下去，不僅個人沒有一點點提升，反而在一身傷病之後被果斷拋棄。從某種角度上來說這也是碗青春飯。年富力強的競爭稍佔優勢，卻終究抵不過更爲年輕的廉價勞力。 3.人形外掛 人們很熟悉遊戲裏的外掛，讓機器成爲人的工具。然而當AI出現之後，情況發生了反轉。對於亞馬遜旗下龐大的全球物流系統來說，每個人都變成了AI的人形外掛。 《履單》裏提到了美國科技巨頭亞馬遜物流工廠裏的藍領工人一無所有，卻讓其掌控者貝索斯一次又一次獲得鉅額的回報，甚至可以說是不斷刷新着應有盡有的現實含義。 本書中提到其藉助AI的運轉讓整個系統看起來像一個不爲人知的黑箱。不過在作者的細心調查之後發現，藉助局內人的視角很容易知曉其不過是將人類作爲外掛而保持高效運轉。 你工作的時候背後有監工盯着肯定很不高興，可對於這些人來說，但凡進入工作場地，一舉一動都在監控之下。在一個又一個不間斷的指令下，拼盡全力去滿足AI的需求，所贏得的不過是暫時不被淘汰。 暫時沒被淘汰的倖存者還沒來得及享受獲勝的喜悅，又不得不全力以赴拼搏直到最後一刻避免露出被視爲淘汰的錯誤。累也好，痛也罷，爲了養家餬口不得不爲之，可惜付出再多依然難以改變現狀，更無法從泥潭中走出。 隨時都會被辭退就像一把高高懸起的達摩克利斯之劍。每個人都拼命表現，只爲了保住這份飯碗。不光是藍領工人，曾經被視爲衣食無憂的打工白領又何嘗不是如此。即便個人在拼搏，在疫情等意外出現的時候，不僅得不到應有的保障，反而因此變成了被拋棄的負擔。 4.逐利遊戲 當我們站在大多數視角下看的的是藉助AI進行殘酷剝削的慘狀之後，切換到另一個視角之後情況就大爲不同。儘管這些人只有極少數，可其所擁有的財富和權力超乎我們的想象。更爲重要的是其所具有的影響力會對全球帶來難以預料的影響。 《博帕爾的災難》用一場震驚世界的大屠殺讓人們再一次清醒意識到商業世界裏企業都是逐利的。在這種瘋狂的逐利遊戲中，AI以及其背後的那些企業和資本自然是概莫能外。 不管是對於冰島的數據中心進行所謂的環保包裝，還是給《走向無限》裏被加密貨幣摧毀的硅谷尋找新的增長點，其背後無疑都是爲了讓這種逐利遊戲繼續下去。暫時的虧損或許可以接受，但也是爲了更大的利益。 在AI崛起的時候，與其說這些人看好的是其喜人的發展前景，倒不如說是想將未來的巨大收益在短時間內進行收割。更爲具體一點可能就是藉助股市等現有的金融工具進行利益的瓜分。 在這場分蛋糕的狂歡之中，那些付出一切的人自然不被邀請，只有一小撮所謂的科技和商界精英。然而就像硅谷的發跡和壯大是私有企業將美國政府的投資和成果收入囊中一樣，如今的做法不過是將過去的常規操作延續下去。 當我們看着各種富豪榜的排名再創新高，似乎爲這些少數人的成功而歡呼雀躍，卻忘記了其正如《埃隆·馬斯克傳》裏的瘋王馬斯克一樣。不過是將以全世界爲賭注的現實遊戲裏贏得之後獨佔成果的戲碼再次上演。 5.蚍蜉撼樹 哪裏有壓迫，哪裏就有反抗。這句話確實有一定的道理。不幸的是對於很多人來說，我們甚至不能像《巨獸》裏被裁剪的盧德主義那樣通過毀掉機器來進行對抗。 儘管如作者所言，AI不是憑空出現的，它依然像數據中心等實物以及現實世界裏的人而存在。對於水和電的巨大消耗，更是撕破了其所謂環保的謊言，哪怕是與掙扎在生存線上的民衆爭奪資源，也很難進行有效的反抗。 傳統的工會雖被屢次禁止，可歷經艱辛建立之後發現來到了無人區。史無前例的現實，讓人們意識到曾經的罷工和談判很難取得理想的效果。毫不誇張地說，不僅沒有正面反饋，還會帶來嚴重的負面影響。 用更爲直白一點的話來說，這些少數既得利益者不僅進行着前所未有的的剝削，還站在他人的勞動成果上對其進行全方位的踐踏。好在一次次的嘗試之後，在巨大的現實網絡中還是尋得了一些成功的案例。 現實是不平等的，在被AI全方位改造過的更是如此。同樣是被剝削的羣體，底層的工人可能就沒有相對高級的工程師那樣有話語權。可即便如此，這不太多的優勢也只是暫時的。 顯而易見，任由AI以及其背後的企業和資本繼續發展下去，未來每個人都沒法與之對抗。不管是自詡有多大的影響力和話語權，最後都會發現是蚍蜉撼樹。 6.寫在最後 閱讀本書的過程就像是再次聽到了末日的喪鐘。作者敲響警鐘，可喪鐘早已響起。喪鐘爲誰而鳴？自然是我們每一個人。不過敲響它的可能也是我們自己。 或許是一些看似細微的舉動，或許是出於合理的行動，在全球範圍內的複雜網絡中都變成了AI以及其操縱者的工具。正如AI對於打工人的全方位監視一樣，見人下菜碟的各個擊破讓每個人都被迫參與其中的。 你可能是受害者，也可能同時是加害者。我們與其擔憂遙不可及的AI將人類滅絕，倒不如想想在看似科技向善的背後所帶來的剝削機器。或許在不遠的未來，我們每個人都會有一個無處不在的賽博監工。 看不見摸不着，卻無處不在。每個人的一舉一動都必須按照其給出的指令進行。個體進行的反抗激不起一點浪花，集體的抱團也未必能取暖，甚至可能讓自身的情況更爲糟糕。 那些指望着通過罷工反抗以期待待遇有所改善的南非貧民卻忘記了其早已被這些AI背後的企業和資本所拿捏。民衆要更好的工作，可政府在失業和當下的選擇中寧願保持現狀。 “與無人剝削的痛苦相比，被資本家剝削的痛苦微不足道。”經濟學家瓊·羅賓遜如今聽起來別有一番深意。當AI產業在剝削性、不公正性和殘酷性的特點中繼續發展壯大，書中的案例就不再只是他人的故事，會變成我們每個人的日常噩夢。 《過勞死》向人提出了那個發人深省的問題，難道工作比命還重要？在《精英陷阱》裏少數精英把持好工作的同時大多數人變成了《朝不保夕的人》裏沒有明天的打工人。現實似乎用一種頗有諷刺意味的方式在進行回答。

自動駕駛流暢避開行人，AI繪畫瞬間生成傑作，客服聊天機器人對答如流。我們在享用這些智能盛宴時，很少有人問：這場盛宴的食材從何而來？是誰在深夜標註血腥圖片訓練算法？是誰在重複點擊驗證自己是人類？《投餵AI》揭開了這個時代最隱祕的產業鏈：在每一行智能代碼背後，都站着全球數百萬計的數字勞工。他們用最廉價的勞動力，餵養着最昂貴的未來。 這不是科幻，這是全球化的新血汗工廠。 在肯尼亞內羅畢的審覈中心，員工每天觀看八小時暴力、色情、仇恨內容，爲AI過濾數據。有人因反覆觀看斬首視頻患上嚴重PTSD。 在烏干達坎帕拉的標註基地，工人盯着模糊的街景圖片，爲自動駕駛系統標出行人、車輛、信號燈。時薪1.16美元，低於當地最低工資標準。 在菲律賓的數據農場，數百萬用戶輸入的驗證碼，正被轉化爲訓練AI識別物體的標註數據。你每證明一次自己不是機器人，就在免費爲科技巨頭打工。 產業鏈最底層的，是“人類作爲基礎設施”。 當AI需要學習識別貓，就僱傭人類標註數百萬張貓的圖片。 當AI需要理解人類對話，就僱傭人類轉錄、分類、標註海量語音。 當AI需要價值觀對齊，就僱傭人類編寫、審覈、修正它的回答。 這些工作被包裝成“微任務”，通過平臺分發全球，按件計酬，沒有福利，沒有保障。 更隱蔽的剝削髮生在知識產權領域。 插畫師、作家、配音演員的作品被未經許可地抓取，成爲AI的訓練數據。 他們的風格被算法學習、模仿、複製，最終取代他們自己。 當你用AI生成一張“莫奈風格”的畫作時，真正的藝術家沒有收到一分錢版權費。 這是數字時代的新型圈地運動：將人類數千年創造的文化成果，無償徵收爲AI的養料。 心理創傷成爲新興產業職業病。 內容審覈員長期暴露於人類最黑暗的網絡角落，心理傷害被系統性地低估和忽視。 他們被告知“要專業”“別代入”，卻沒有足夠的心理支持和合理的輪崗制度。 在硅谷公司市值屢創新高的同時，他們在第三世界的承包商員工，正默默承受着技術發展的全部心理毒素。 我們正陷入巨大的認知悖論。 我們讚歎AI的創造力，卻忽視它吞噬的是人類創造者的生計。 我們享受算法的精準，卻無視背後是無數人在重複機械勞動的麻木。 我們期待自動駕駛解放雙手，卻對訓練它的人每小時收入不足兩美元視而不見。 技術越“智能”，其人類成本越被精心隱藏。 勞動法在數字時代全面失效。 平臺將勞動者定義爲“獨立承包商”，逃避醫療保險、帶薪休假、失業保險等所有僱主責任。 AI訓練工作常被拆分爲碎片化任務，使工人難以組織、難以維權。 全球勞動力套利讓科技巨頭能在最貧困的地區，以最低價格購買最痛苦的人類勞動。 這不是技術進步必然的代價，這是資本選擇的成本轉嫁。 科技公司完全有能力支付合理薪酬、提供心理支持、尊重知識產權。 但他們選擇將成本外部化——轉嫁給全球最脆弱的勞動者，轉嫁給無法發聲的創作者。 當企業財報炫耀AI帶來的效率提升和成本節約時，節約的正是本應付給人類的尊嚴報酬。 《投餵AI》的意義在於它完成了關鍵的“看見”。 它讓我們看見智能幻象背後的真實人類。 看見算法決策背後的人類判斷。 看見流暢體驗背後的人類痛苦。 這種看見本身就是一種抵抗——抵抗技術發展對人類價值的系統性抹除。 改變必須從多個層面發生。 科技公司必須承擔倫理責任，爲數字勞工提供合理報酬、心理支持和勞動保障。 法律制度必須跟上技術發展，承認數字勞動的價值，保護創作者的權利。 消費者需要意識到，每一次點擊、每一次使用AI服務，都在參與這個全球系統。 我們可以選擇支持尊重倫理的公司，要求算法透明，爲數字公平發聲。 最終，我們要回答一個根本問題： 我們想要的未來，是一個由少數精英設計、建立在全球血汗勞動基礎上的智能烏托邦？ 還是一個技術發展不犧牲人類尊嚴、增長紅利由創造者共享的公正世界？ 智能不應成爲剝削的新工具，而應成爲解放人類創造力的真正翅膀。 翻開這本書，你會明白：每一次AI的完美應答，都浸透着遠方某個陌生人的疲憊與創傷。技術革命的光鮮表面下，是時候關注那些正在付出真實代價的、沉默的大多數了。他們的故事，定義着這個時代的道德底線。 📖延伸閱讀 《銷聲匿跡：數字化工作的真正未來》瑪麗·L.格雷& 西達爾特·蘇里 《監視資本主義時代》肖莎娜·祖博夫 《落腳城市》道格·桑德斯 《貧窮的質感》王梆 《疲憊的真相》索菲·莫特 《廉價勞動力：全球化與不穩定的工作》蓋伊·斯坦丁 《注意力經濟》吳修銘

深夜的標註工廠裏，實習生盯着屏幕上的模糊圖像：這是貓還是狗？點擊確認後，這條數據將餵養出更智能的識別算法。這種機械勞動，正是AI產業最真實的底色——在技術神話背後，是無數勞動者的血汗印記。 當我們驚歎於AI的智能奇蹟時，很少有人追問：那些精準識別圖像的算法、流暢對話的模型，其背後支撐性的勞動究竟由誰完成？又以怎樣的方式被計價？本文揭示，AI產業的高端神話始終建立在對底層勞動的系統性剝削之上。這種剝削並非技術革命的新生物，而是資本主義剩餘價值規律在數字時代的延續與升級。透過技術光環，我們會發現：人工智能的進化史，本質上仍是一部底層勞動的剩餘價值掠奪史。 一、隱形的地基：被技術光環遮蔽的勞動價值 AI的智能，本質是對人類勞動的統計歸納。 AI產業的價值敘事中，底層勞動始終處於被遺忘的角落。數據標註、內容審覈等基礎工作被視爲低技能、可替代的存在，其價值被技術光環徹底掩蓋。這種遮蔽並非偶然，而是資本邏輯與技術崇拜共同作用的必然結果。 從勞動形態來看，底層勞動的基礎性使其天然具有隱形特質。就像建造摩天大樓時，人們讚美設計的精妙與建材的堅固，卻很少想起地基挖掘者的付出。AI模型的訓練需要海量馴化數據——模糊圖像需要人工標註邊界，歧義文本需要人工校準語義，有害內容需要人工識別過濾。這些勞動是算法迭代的剛需原料：沒有標註員對雨天玻璃倒影是否爲障礙物的精準判斷，自動駕駛系統可能陷入致命誤判；沒有審覈員對暴力內容的篩查，大模型可能成爲有害信息的傳播器。但這種基礎性反而成了價值被低估的理由：社會默認越基礎的勞動越廉價，就像工業革命時期，紡織工人的紡紗勞動被視爲機器的附屬，其價值遠低於工廠主的經營決策。 資本對低技能的刻意定義，進一步強化了價值遮蔽。AI產業的底層勞動被拆解爲標準化的微任務：給圖片中的貓打標籤、判斷文本是否違規，這些任務通過衆包平臺分發，單條報酬常低於0.1元。資本通過這種去技能化操作，將複雜的判斷勞動簡化爲機械重複，進而合理化低薪。但實際情況是，優秀的標註員需要積累大量經驗才能處理邊緣案例——區分流浪貓與家貓需要生活常識，識別諷刺性言論需要語境理解能力，這些勞動包含的腦力消耗並不亞於所謂的高端工作。資本卻通過算法將勞動流程固化，讓勞動者淪爲數據處理機器，其個體經驗與判斷價值被徹底抹殺。 更深刻的遮蔽來自技術崇拜的意識形態馴化。社會對AI的智能神話想象，讓底層勞動被預設爲過渡性存在。媒體熱衷於報道AI將取代多少崗位，資本則宣揚自動化標註技術即將成熟，這種敘事潛移默化地傳遞着底層勞動無長期價值的認知。人們相信，當下的基礎勞動終將被機器取代，因此不必重視其價值與權益。但現實是，AI的進化永遠需要人類勞動的投餵：即使是最先進的大模型，也需要人工修正偏見、標註例外情況。底層勞動不是過渡品，而是AI產業的永久地基，只是這地基被技術敘事刻意埋入地下，不見天日。 馬克思在《資本論》中揭示的商品拜物教在此顯現：人們被AI模型的神祕形式迷惑，忘記了其背後凝結的人類勞動。當一套圖像識別算法以百萬美元的價格成交時，沒有人會將利潤與標註員的時薪掛鉤——這種價值關聯的斷裂，正是底層勞動被系統性遮蔽的核心機制。 據國際勞工組織統計，全球AI底層勞動者已超過300萬人，其中70%爲女性，且平均年齡不足25歲。這種年輕化、女性化的勞動羣體特徵，進一步加劇了價值遮蔽——社會對青春飯的偏見，讓人們更難正視其勞動價值的可持續性。 二、剛需的悖論：高端產業的低端勞動依賴 AI越想突破侷限性，就越需要人類勞動填補算法盲區。 AI產業的高端形象與低端勞動的剛需性之間，存在着深刻的悖論。技術的數據依賴症決定了基礎勞動的不可替代性，而資本對成本壓縮的無限追求，將基礎勞動推向低薪高強度的絕境。 技術的數據依賴症決定了基礎勞動的不可替代性。AI的智能本質是對數據的統計歸納，而原始數據的可用性必須經過人類勞動的馴化。就像人類通過閱讀書籍學習知識，AI則通過閱讀標註數據掌握規律，但未經處理的數據對AI而言，如同亂碼的書籍對人類——無法直接吸收。以自然語言處理模型爲例，它需要人工標註同義詞、歧義句、情感傾向等特徵，才能理解語言的微妙性；自動駕駛系統需要人工標註行人、車輛、信號燈的數百萬樣本，才能在複雜路況中做出判斷。這些勞動無法被完全自動化：算法可以處理標準化數據，但面對模糊、邊緣、需要常識判斷的場景，必須依賴人類的主觀認知。技術越想突破侷限性，就越需要人類勞動填補算法盲區，這種剛性需求讓基礎勞動成爲AI產業的生命線。 資本對成本壓縮的無限追求，將基礎勞動推向低薪高強度的絕境。在AI產業的價值鏈中，基礎勞動被視爲可壓縮的成本項，而非價值創造的核心環節。資本通過三重手段實現成本壓制：一是碎片化拆分，將標註任務拆分爲無數微任務，單個任務報酬低至幾分錢，迫使勞動者爲維持收入不得不每天處理數千條數據，形成用時間換生存的高強度勞動；二是全球化外包，將任務轉移至人力成本更低的地區，如印度、菲律賓的標註員時薪僅爲歐美同崗位的1/10，資本通過全球勞動力價格差賺取超額利潤；三是去保障化，以靈活就業名義規避勞動合同與社會保障，將工傷、醫療等風險完全轉嫁給勞動者。數據顯示，國內數據標註員的平均時薪不足15元，卻要承擔70%以上的視覺疲勞率，這種低報酬-高損耗的失衡，正是資本成本壓縮邏輯的直接產物。 產業分工的金字塔結構，固化了基礎勞動的低端定位。AI產業的價值鏈呈現嚴格的等級制：頂端是掌握算法專利與資本的科技巨頭，中層是技術研發與運營人員，底層則是基礎數據勞動者。這種結構與工業時代工廠主-工程師-流水線工人的分層如出一轍——頂端通過控制生產資料（數據平臺、算法工具）壟斷利潤分配，底層因缺乏生產資料所有權，只能以出賣勞動力爲生。更關鍵的是，資本通過價值敘事強化這種分層的合理性：將算法研發定義爲創造性勞動，將數據標註定義爲重複性勞動，用技能差異掩蓋剝削本質。但事實上，沒有底層勞動的數據餵養，再先進的算法也只是無米之炊。這種分工即等級的敘事，本質上是爲資本掠奪剩餘價值製造的遮羞布。 某AI公司財報顯示，其數據服務收入年增長率達400%，而同期標註員的薪資漲幅不足5%。這種利潤與勞動報酬的嚴重脫節，印證了馬克思勞動創造的價值與勞動者所得不成正比的剩餘價值理論。 三、精細化掠奪：資本的數字時代剝削術 算法不會疲憊，不會同情，能24小時無死角地榨取勞動潛能。 AI產業的資本擴張，本質上是剩餘價值掠奪的精細化升級。與工業時代的工廠集中剝削不同，數字時代的資本通過全球化佈局、技術控制與敘事馴化，構建了一套更隱蔽、更高效的壓榨體系，讓底層勞動的剩餘價值以數據資產的形式持續流向資本頂端。 全球化的梯度剝削網絡，讓剩餘價值掠奪突破地域邊界。資本如同嗅覺敏銳的獵手，在全球範圍內尋找勞動力成本窪地：歐美企業將數據標註外包給印度班加羅爾的工作室，那裏的大學生時薪僅2美元；國內平臺則將任務派往三四線城市，退休人員與家庭主婦成爲主力，日薪不足80元。這種全球飛地式的佈局，利用地域發展差異製造薪資剪刀差——同一批數據的標註勞動，在發達國家可能產生100美元的價值，在發展中國家卻只需支付5美元的成本，差價被資本盡收囊中。更殘酷的是，分散在不同時區的勞動者被算法系統無縫銜接：印度團隊下班後，菲律賓團隊接續工作，24小時不間斷的勞動流水線上，底層勞動者連反抗的時間與空間都被壓縮。 算法技術的數字監工角色，實現了對勞動過程的精準控制。資本借鑑泰勒制的精細化管理理念，將AI技術轉化爲剝削工具：通過計時系統記錄每一條數據的處理時長，用效率排名製造勞動者間的惡性競爭，甚至用錯誤率罰款變相剋扣工資。某數據標註平臺的規則顯示：單條數據處理超時3秒扣0.01元，錯誤率超過5%扣當日30%報酬。在這種算法規訓下，勞動者被迫犧牲精度追求速度，形成自我剝削——爲避免罰款，他們壓縮休息時間，甚至用藥物提神。這種技術賦能的剝削比傳統監工更高效：算法不會疲憊，不會同情，能24小時無死角地榨取勞動潛能，將每一分鐘的勞動都轉化爲可量化的剩餘價值。 數據壟斷與勞動異化，讓底層勞動者陷入越勞動越貶值的困境。標註員處理的數據被資本整合爲訓練數據集，以高價賣給AI企業，成爲模型迭代的核心資產。但勞動者既不擁有數據所有權，也不分享數據增值收益——他們標註的貓的圖像被用於訓練寵物識別算法，算法盈利後與他們無關；他們審覈的暴力內容讓大模型更安全，但這種安全的價值從未回饋給承受精神創傷的審覈員。更諷刺的是，勞動者的勞動成果最終會成爲替代自身的工具：當標註數據積累到一定規模，部分簡單任務會被自動化工具接管，勞動者因技能過時被拋棄。這種勞動產品反對勞動者的異化，正是馬克思在《1844年經濟學哲學手稿》中揭示的勞動異化在數字時代的極致表現。 意識形態的意義包裝，則從精神層面消解了反抗可能。資本將底層勞動美化爲AI訓練師、數字文明守護者，用參與科技革命的敘事賦予其虛假意義。某招聘平臺的廣告語寫道：你的每一次點擊，都在推動人工智能的進步。這種包裝讓勞動者在低薪高強度的現實中獲得虛幻的價值感，甚至認同自己的勞動本就廉價的認知。同時，資本渲染自動化替代焦慮，讓勞動者在有份工作已屬幸運的恐懼中接受剝削。這種精神層面的馴化，比物理控制更有效——當底層勞動者從內心認同自身價值的低端性時，資本的掠奪便失去了阻力。 據《自然》雜誌研究，AI審覈員因長期接觸暴力、色情內容，其創傷後應激障礙（PTSD）發生率是普通人羣的3倍。這種精神損耗從未被納入勞動價值覈算體系，成爲資本掠奪的隱性成本。 結語 當我們穿透AI產業的技術光環，會發現一個熟悉的身影——資本對剩餘價值的貪婪追求，從未因技術迭代而改變。那些被稱爲低技能的底層勞動者，實則是AI產業的隱形基石，他們的勞動價值不該被技術敘事淹沒；那些被算法規訓的高強度勞動，不應成爲資本利潤的墊腳石，而應獲得對等的尊重與回報。 馬克思曾說：歷史總是驚人地相似，只是換了一件外衣。在AI產業的狂飆突進中，我們看到的不是技術烏托邦的降臨，而是資本剝削邏輯的變奏。唯有撕破技術神話的僞裝，正視底層勞動的價值，才能讓人工智能的發展迴歸人的尺度——不是資本增殖的工具，而是服務於全人類解放的力量。這或許是我們在驚歎於AI智能時，最該保持的清醒與追問。

這本書非常一般，不值得一讀。AI領域是發展迅速的，這本書是兩三年前寫的，現在的AI早就不是書中所講的那樣。想要了解AI還不如看最新的AI資訊。而且作者是以AI有害論去寫這本書的，所以會出現很多有偏見的地方，以偏概全。

這本書其實是很好的，因爲這本書將AI產業鏈拆解的比較清楚，田野調查也很充分。 但這本書太過情緒化，觀點有些偏激，過分渲染AI所帶來的負面影響，極其造成的勞動不平等，而忽視了AI所帶來的積極作用。 這本書整體的論點是延續了馬克思對資本主義的批判，只是把資本主義從工業化大生產擴展到了全球資本主義，即發達國家對不發達國家的壓迫。所謂AI只是一個殼子而已，因此這並非一本寫科技的書，而是一本寫社會與政治的書。如果將其歸入這個類別，這本書是不錯的。 但我卻不得不把它歸爲是一本有着鮮明“白左”標籤的書，書裏充滿了看不慣、提出抗議，卻無法得出最終解決方案。所謂“白左”正是如此，充滿正義感的高談闊論與大聲疾呼。 在書的結尾章節，作者的情緒儼然已經失控，彷彿成了走上街頭搖旗吶喊的遊行隊伍中的學生代表，徹底失去了理性與客觀，着實給這本書減分不少。 然而，即便如此，本書的核心內容還是值得一讀的。市面上寫建設AI體系的勞動者關係與勞動者反抗的書並不多，這本算是其中不錯的一本。

《投餵AI》微信讀書會員評分不及格的核心原因 核心前提：微信讀書的核心付費會員用戶，以一二線城市20-35歲的白領、互聯網從業者、在校大學生爲主，他們有基礎人文素養，看不起無腦爽文，同時被996、職場內卷榨乾了精力，沒有深度閱讀的時間與心力，閱讀這類紀實讀物的核心需求是「情緒優先，認知爲輔」——要的是無負擔的放鬆、內卷焦慮的消解、道德感的自我滿足、僞成長的虛假成就感，而非嚴肅的學術研究。 《投餵AI》的評分崩盤，本質是它和同賽道爆款《我在ICU》《我在精神病院》《我在監獄》系列的精準適配完全相反，在用戶在意的所有核心維度上全面踩空，具體如下： 1. 要情緒沒情緒：完全踩反了用戶的核心閱讀需求，徹底失去了大衆讀者的基本好感 同賽道的《我在XX》系列，核心邏輯就是情緒優先，用第一人稱的親歷視角，把細節拉滿的生離死別、人生百態講給讀者，讓用戶瞬間共情，完成壓力的宣泄，同時通過“他人的極致絕境”給用戶帶來“我已經足夠幸運”的安心感，完美消解內卷焦慮。 而《投餵AI》全程用冰冷的第三人稱學者旁觀視角，核心案例全是萬里之外、和國內用戶毫無生活關聯的陌生人，剛用一個工人的故事勾起一點情緒波動，立刻就被大段的注水科普打斷，閱讀節奏稀碎，甚至還會隱隱給用戶帶來“你用AI就是這套剝削體系的幫兇”的負罪感，不僅沒幫用戶解壓，反而給用戶添了新的心理負擔，用戶讀完沒有任何正向的情緒滿足，自然不會給高分。 2. 要雞湯沒雞湯：連最基本的情緒閉環都沒完成，給用戶留下了糟糕的收尾體驗 《我在XX》系列的雞湯從來不是多餘的廢話，是給用戶的情緒收尾與道德臺階：每章結尾都有適配故事的短共情雞湯，全書結尾用“珍惜當下、尊重每一個認真生活的普通人”的溫暖內容收尾，給用戶一個完美的情緒閉環，讓用戶帶着安心感合上書，哪怕故事內容並不新鮮，用戶也會覺得“讀完很治癒、有收穫”。 而《投餵AI》的結尾，全是空泛的、和普通用戶毫無關係的呼籲，既沒有給用戶任何情緒安慰，也沒有給用戶任何道德豁免的臺階，反而把問題拋給了讀者，讓用戶帶着負罪感和不適感結束閱讀，連最基本的“讀完舒服”的體驗都做不到，自然只會收穫差評。 3. 要乾貨沒幹貨：高不成低不就，兩頭的讀者都徹底得罪 《我在XX》系列從一開始就定位清晰，就是面向大衆的情緒讀物，從來沒打算做嚴肅的學術乾貨，僅有的行業常識也只是故事的點綴，完全不影響閱讀體驗，用戶不會對它有“乾貨”的預期，自然也不會因此苛責。 而《投餵AI》端着牛津學者的學術架子，打着“全球底層工人紀實”的旗號，卻沒有任何獨家的田野調研、沒有成體系的尖銳批判，核心觀點與案例全是現成的媒體報道、學術論文裏早就被講爛的內容，想找深度乾貨的專業讀者覺得它空洞、沒銳度、不入流；同時它又塞了大量晦澀、冗餘的內容，想輕鬆閱讀的普通讀者覺得它難讀、囉嗦，兩頭不討好，所有讀者都無法獲得滿足。 4. 要科普沒科普：注水科普完全反用戶需求，既沒用又破壞閱讀體驗 《我在XX》系列裏的科普內容，永遠是服務於故事的：講完抑鬱症患者的故事，補一段簡短易懂的診斷常識；講完ICU的搶救案例，補一段基礎的急救知識，內容簡短、不打斷情緒節奏，還能給用戶一點“學到了”的小滿足，用戶完全不反感。 而《投餵AI》裏的科普，全是和核心主題弱相關甚至無關的注水內容：福特流水線發展史、泰勒制管理學、海底電纜建設史、基礎AI原理，全是百度百科就能免費查到的廢話，不僅對理解核心故事沒有任何幫助，還硬生生打斷了本就不強的情緒節奏，用戶讀得又累又煩，滿腦子都是“全是灌水”，自然只會給低分。 5. 要優越感/分享價值沒分享價值：連最基本的社交貨幣都沒提供，徹底浪費了微信的生態優勢 《我在XX》系列能爆，很大程度上是適配了微信的社交生態：每章都預埋了好記、有溫度、適合分享的金句，比如“除了生死，都是小事”，用戶讀完既能獲得“我瞭解了一個陌生行業的真相”的社交談資，又能靠分享金句打造自己“有溫度、有深度、有同理心”的社交形象，同時獲得“我關注弱勢羣體”的道德優越感，自然願意給好評、主動分享。 而《投餵AI》既沒有好記、適合傳播的金句，也沒有能拿來當日常談資的內容，甚至還會讓用戶產生負罪感，根本沒法分享到社交平臺。用戶讀完既沒有“我比別人懂的更多”的認知優越感，也沒有“我關注了弱勢羣體”的道德滿足感，什麼正向的價值都沒得到，自然不會給高分。 6. 結構完全反碎片化閱讀規則，完讀率極低，進一步拉低了評分 《我在XX》系列的結構，完全是爲微信讀書的碎片化閱讀場景量身定做的：每章都是完全獨立的小故事，沒有連貫的主線，隨便翻開哪一頁都能讀，通勤、摸魚的10分鐘就能看完一章，完讀率遠高於普通書籍，而高完讀率又會帶動用戶的好評意願。 而《投餵AI》結構混亂，章節之間沒有清晰的邏輯，大段的科普內容完全不適合碎片化閱讀，用戶讀幾頁就忍不住跳着看，甚至直接放棄閱讀，完讀率極低。沒讀完的用戶自然不會給高分，堅持讀完的用戶更是覺得全是灌水、毫無收穫，只會給出更低的評分。

資本家通過剝奪工人階級的剩餘價值來攫取利潤 看到書中數據標記員爲了省幾美元的路費，走路兩個小時上班。 菲律賓爲了保障外包工作者的權益，制定了多個法案，害怕把企業主們逼得太緊，讓外包工作者丟了飯碗🥣都未能真正實行 曾經做過幾年外包勞動派遣，也幹過一年臨時工，都是牛馬🐴中的牛馬 臨時工不交社保，醫保交居民醫保，工資三千，不包喫住 勞動派遣，五險最低交，公積金不交，幹不完的活，每天走路至少一萬步，下班累的倒頭就睡。有段時間上24h班，一晚上沒停沒睡，上的頭皮發麻 把握當下，剛看到北京買房限購也放開了，有工作有工資發很不錯了，之前看到打鐵花欠薪，網上討薪好多天才發薪水 📖📖📖書摘 正如19世紀美國廢奴運動領袖弗雷德裏克·道格拉斯（Frederick Douglass）所說：“權力從不主動讓步。過去不會，將來也不會。不施壓，無所得。” 哲學家恩斯特·布洛赫寫道：“最悲哀的不是失去安全感，而是我們無法想象事情可以變得更好或變得不同。” 經濟學家瓊·羅賓遜（Joan Robinson）說過：“與無人剝削的痛苦相比，被資本家剝削的痛苦微不足道。

“我們節省了時間，卻失去了時間” · “效率的悖論”——技術進步在強化誰的利益？又由誰承擔成本？ · Ai的強大，給我的啓發是「它在企圖重組世界的權利分配」你不是AI的“主人”，你可能是它的“飼料” · 反思是，你我志在何方？逃不掉的變革浪潮裏什麼決定你我的沉浮？ · 《投餵AI》由牛津大學學者詹姆斯·馬爾登、馬克·格雷厄姆、卡勒姆·坎特合著，2025年10月出版。三位學者跨越六大洲，訪問兩百餘人，聚焦被數字浪潮吞噬的底層勞動者。 · 讀者中有不少反差 反對派學者逐條反駁： 1. 反駁“選擇性曝光” ：書中只報道最極端的案例（肯尼亞審覈員、烏干達標註員），用極端個案代表整個行業，有失公允 · 2. 反駁“忽視AI的積極面” ：全書只講剝削不講賦能——AI也在創造新崗位、提升效率 · 3. 反駁“結構性解決方案缺失” ：指出了問題，但沒有給出可行的替代方案——“全供應鏈管理”太模糊 · 4. 反駁“把複雜問題簡單化” ：把AI產業簡化爲“剝削機器”，忽視了技術發展的複雜性和多樣性 · 5. 反駁“紀實與論述脫節” ：有評論指出本書“紀實和論述像油和水一樣分離開來，結合度不夠緊密 · 或者我識圖從作者視角辯護： · 針對“選擇性曝光”——正因爲這些極端案例最容易被忽視，才最需要被看見。不是用極端代表全部，是用極端揭示系統性問題 · · 針對“忽視積極面”——本書定位是“揭露被隱藏的真相” 。AI積極面已有太多人歌頌，不缺這一本 · · 針對“方案缺失”——“看見問題”本身就是行動的第一步 · · 針對“複雜問題簡單化”——把複雜問題簡化不是錯誤，是讓公衆理解的必要手段 · · 針對“紀實與論述脫節”——本書是紀實報告，不是學術論文。讓故事說話，本身就是力量 · 所以我個人覺得《投餵AI》最適合想理解AI產業鏈真相的普通讀者、政策制定者、科技從業者。不適合尋求AI技術教程的人、期待“AI賦能”正能量敘事的人。

沒有人工，就沒有人工智能。AI生產的國際分工把數字勞工進行了分層，從全球南方參與數據清洗、內容審查的賽博奴工，到在跨國高科技公司拿高薪的機器學習工程師，通過追蹤全產業鏈條，揭示AI像一架榨取機器，一架通過在全球吸收資本、消耗能源、殖民勞動力與私有化集體智慧並將其轉化爲利潤的機器。AI常被營銷爲一種基於機器自主學習的數據處理系統，具體含義隨技術發展而演變；現實不僅是把低薪和繁重的人類勞動隱藏起來，人類變成投餵系統成長的反饋變量。勞動與技術在連續的微調與反饋中馴化世界的邊界，AI圈地下的人類生活被更精細隱祕地管理，更別提現有社會的分層與偏見在數字秩序中大行其道。算力、數據中心的壟斷競爭成爲新一輪重點，地緣政治競爭還是老觀點：通過數字秩序輸出影響力更爲便捷，對上利用政治流程技術性地獲得權力，向下則通過編碼將異見人士輕鬆排除在社會之外。數字秩序的競爭跳不出能源政治的邏輯，選擇性的秩序輸出需要持續的資源消耗。 ➡️大塊文化給這本翻的名字是《血汗AI》！！！

一般來說，對AI的關注，看的是AI的行業應用帶來的影響。而AI能夠如此智能，則是被默認是常識，不受關注。這本書則從AI爲什麼如此智能的視角，用數據標註員、工程師、技術員、創意工作者、倉庫員工、投資人的第一視角，帶我們理解這些角色如何被整個AI系統影響。本書使用資本主義剝削剩餘價值以及殖民主義的框架來分析AI產業，並探討了普通勞動者維護自己權益的方法。 公司是逐利的，AI的發展則深受幾個頭部AI公司的影響。近來已經聽到了AI協助工作導致工作更累的一些聲音，在數據監控日益精密的系統中，我們都有被系統困住沒有喘息空間的風險。如何避免技術作惡，避免資本驅動的AI發展偏航，是我們每個人都需要思考的問題。 雖然我對本書探討的理論框架和方法存疑，但這幾個角色的故事確實幫助我更好地理解了這些“隱形”的角色，更好地理解了普通人被困在體系中的可能性，因此值得一讀。