投喂AI：人工智能产业的全球底层工人纪实

成为AI燃料的人类 推荐等级：★★★★ 有多少人工，就有多少智能。这或许是人们对于人工智能的调侃，然而在AI普遍化的当下，反过来说似乎也是成立的。当AI像火箭一样腾空而起，背后则是许许多多被当作燃料的人类。没有这些人的劳动和付出，所谓的AI不过是空中楼阁。 《投喂AI：人工智能产业的全球底层工人纪实》聚焦那些被迫成为AI燃料的人类群体。从数字审核员到数据中心的工作人员，从被AI操控的蓝领工人到被其全方位监视的都市白领，从底层工人到高层掌权者，全球视野下的调研和实地调查让我们清楚意识到这史无前例的剥削带来的巨大差异，涵盖财富等各个方面。在少数的特权阶级面前，我们每个人都像是大象面前的蚂蚁，随时都会被碾压，消失在无人注意的荒野。 1.剥削机器 时至今日，要说自己对AI不熟悉恐怕会被吐槽落伍。然而在铺天盖地的AI浪潮下，人们似乎总能说上几句，甚至指点江山。可要稍微细究一下，不难发现除了新闻和传言之外，往往是浮于表面，很难有准确的认知，更别提深刻的洞见。 在AI带来恐惧和AI造福人类的两派极端观点之中常常找不到其他的选项，可惜现实情况是如今的AI很难说可以对人类造成种族灭绝的风险，却也不敢说带来的改变都是好事。 借助本书作者的调查和研究，普通读者可以很容易理解到现实世界里的AI比预期中的还要复杂。借助7个不同的人类视角，我们可以更为全面详细了解到其对现实世界带来的诸多改变。 如果非要用一句话来概括的话，AI现在更像是一个巨大的剥削机器。更为准确来说，对于大多数像你我这样的普通人来说，其带来了前所未有的的剥削，我们都会变成了其不断腾飞过程中所消耗的燃料。 换个视角来看的话，相比于大多数被视为用完即弃的燃料，有那么一小撮人很明显是赚得盆满钵满。尽管最终结局尚未出现，但可以肯定的是资本和科技完美结合之后的少数人才会夺得一席之地。 有鉴于此，作为普通读者的我们，在了解AI在现实世界中的过程其实是为了更好关心我们的现状和未来。那些以为遥远的早已变成了现实，甚至成为了很多人不得不面对的日常。 2.用完即弃 站在普通人的角度上来说，每个人的命运和书中提到的数字审核员相差无异。在AI以及其背后的企业看来，每个人都是用完即弃的燃料，且源源不断。 这不光是出现在某些国家和地区的个别案例，更是在全球范围内的普遍现象。《幕后之人》对于社交媒体时代的内容审核有着更多的介绍，不过在全球外包的趋势下每个人都变成了新型的工具。 从以前的鉴黄师到如今的审核员，你可以将其视为净化互联网世界的英雄。可在高质量和效率的双重要求之下，既要平衡矛盾，又要不断挑战自身的极限，所能获得的不过是保住一份可以勉强糊口的工作。 《脏活》里那些干着道德脏活的群体，虽然更为偏向传统一些，可和书中这些新兴岗位有种太多的相似之处。拿着越来越少的报酬，干着越来越多的脏活累活，忍受着身心上的巨大伤害。 每个人俨然就是用完即弃的燃料。至于所谓的体面和福利，那更像是公关之举，在面对全球范围内的潜在竞争者每个人都必须拼命奔跑才勉强有一点生存下去的机会。 这些工作可能比《毫无意义的工作》里还要让人直面感受到工作的无意义。长期干下去，不仅个人没有一点点提升，反而在一身伤病之后被果断抛弃。从某种角度上来说这也是碗青春饭。年富力强的竞争稍占优势，却终究抵不过更为年轻的廉价劳力。 3.人形外挂 人们很熟悉游戏里的外挂，让机器成为人的工具。然而当AI出现之后，情况发生了反转。对于亚马逊旗下庞大的全球物流系统来说，每个人都变成了AI的人形外挂。 《履单》里提到了美国科技巨头亚马逊物流工厂里的蓝领工人一无所有，却让其掌控者贝索斯一次又一次获得巨额的回报，甚至可以说是不断刷新着应有尽有的现实含义。 本书中提到其借助AI的运转让整个系统看起来像一个不为人知的黑箱。不过在作者的细心调查之后发现，借助局内人的视角很容易知晓其不过是将人类作为外挂而保持高效运转。 你工作的时候背后有监工盯着肯定很不高兴，可对于这些人来说，但凡进入工作场地，一举一动都在监控之下。在一个又一个不间断的指令下，拼尽全力去满足AI的需求，所赢得的不过是暂时不被淘汰。 暂时没被淘汰的幸存者还没来得及享受获胜的喜悦，又不得不全力以赴拼搏直到最后一刻避免露出被视为淘汰的错误。累也好，痛也罢，为了养家糊口不得不为之，可惜付出再多依然难以改变现状，更无法从泥潭中走出。 随时都会被辞退就像一把高高悬起的达摩克利斯之剑。每个人都拼命表现，只为了保住这份饭碗。不光是蓝领工人，曾经被视为衣食无忧的打工白领又何尝不是如此。即便个人在拼搏，在疫情等意外出现的时候，不仅得不到应有的保障，反而因此变成了被抛弃的负担。 4.逐利游戏 当我们站在大多数视角下看的的是借助AI进行残酷剥削的惨状之后，切换到另一个视角之后情况就大为不同。尽管这些人只有极少数，可其所拥有的财富和权力超乎我们的想象。更为重要的是其所具有的影响力会对全球带来难以预料的影响。 《博帕尔的灾难》用一场震惊世界的大屠杀让人们再一次清醒意识到商业世界里企业都是逐利的。在这种疯狂的逐利游戏中，AI以及其背后的那些企业和资本自然是概莫能外。 不管是对于冰岛的数据中心进行所谓的环保包装，还是给《走向无限》里被加密货币摧毁的硅谷寻找新的增长点，其背后无疑都是为了让这种逐利游戏继续下去。暂时的亏损或许可以接受，但也是为了更大的利益。 在AI崛起的时候，与其说这些人看好的是其喜人的发展前景，倒不如说是想将未来的巨大收益在短时间内进行收割。更为具体一点可能就是借助股市等现有的金融工具进行利益的瓜分。 在这场分蛋糕的狂欢之中，那些付出一切的人自然不被邀请，只有一小撮所谓的科技和商界精英。然而就像硅谷的发迹和壮大是私有企业将美国政府的投资和成果收入囊中一样，如今的做法不过是将过去的常规操作延续下去。 当我们看着各种富豪榜的排名再创新高，似乎为这些少数人的成功而欢呼雀跃，却忘记了其正如《埃隆·马斯克传》里的疯王马斯克一样。不过是将以全世界为赌注的现实游戏里赢得之后独占成果的戏码再次上演。 5.蚍蜉撼树 哪里有压迫，哪里就有反抗。这句话确实有一定的道理。不幸的是对于很多人来说，我们甚至不能像《巨兽》里被裁剪的卢德主义那样通过毁掉机器来进行对抗。 尽管如作者所言，AI不是凭空出现的，它依然像数据中心等实物以及现实世界里的人而存在。对于水和电的巨大消耗，更是撕破了其所谓环保的谎言，哪怕是与挣扎在生存线上的民众争夺资源，也很难进行有效的反抗。 传统的工会虽被屡次禁止，可历经艰辛建立之后发现来到了无人区。史无前例的现实，让人们意识到曾经的罢工和谈判很难取得理想的效果。毫不夸张地说，不仅没有正面反馈，还会带来严重的负面影响。 用更为直白一点的话来说，这些少数既得利益者不仅进行着前所未有的的剥削，还站在他人的劳动成果上对其进行全方位的践踏。好在一次次的尝试之后，在巨大的现实网络中还是寻得了一些成功的案例。 现实是不平等的，在被AI全方位改造过的更是如此。同样是被剥削的群体，底层的工人可能就没有相对高级的工程师那样有话语权。可即便如此，这不太多的优势也只是暂时的。 显而易见，任由AI以及其背后的企业和资本继续发展下去，未来每个人都没法与之对抗。不管是自诩有多大的影响力和话语权，最后都会发现是蚍蜉撼树。 6.写在最后 阅读本书的过程就像是再次听到了末日的丧钟。作者敲响警钟，可丧钟早已响起。丧钟为谁而鸣？自然是我们每一个人。不过敲响它的可能也是我们自己。 或许是一些看似细微的举动，或许是出于合理的行动，在全球范围内的复杂网络中都变成了AI以及其操纵者的工具。正如AI对于打工人的全方位监视一样，见人下菜碟的各个击破让每个人都被迫参与其中的。 你可能是受害者，也可能同时是加害者。我们与其担忧遥不可及的AI将人类灭绝，倒不如想想在看似科技向善的背后所带来的剥削机器。或许在不远的未来，我们每个人都会有一个无处不在的赛博监工。 看不见摸不着，却无处不在。每个人的一举一动都必须按照其给出的指令进行。个体进行的反抗激不起一点浪花，集体的抱团也未必能取暖，甚至可能让自身的情况更为糟糕。 那些指望着通过罢工反抗以期待待遇有所改善的南非贫民却忘记了其早已被这些AI背后的企业和资本所拿捏。民众要更好的工作，可政府在失业和当下的选择中宁愿保持现状。 “与无人剥削的痛苦相比，被资本家剥削的痛苦微不足道。”经济学家琼·罗宾逊如今听起来别有一番深意。当AI产业在剥削性、不公正性和残酷性的特点中继续发展壮大，书中的案例就不再只是他人的故事，会变成我们每个人的日常噩梦。 《过劳死》向人提出了那个发人深省的问题，难道工作比命还重要？在《精英陷阱》里少数精英把持好工作的同时大多数人变成了《朝不保夕的人》里没有明天的打工人。现实似乎用一种颇有讽刺意味的方式在进行回答。

自动驾驶流畅避开行人，AI绘画瞬间生成杰作，客服聊天机器人对答如流。我们在享用这些智能盛宴时，很少有人问：这场盛宴的食材从何而来？是谁在深夜标注血腥图片训练算法？是谁在重复点击验证自己是人类？《投喂AI》揭开了这个时代最隐秘的产业链：在每一行智能代码背后，都站着全球数百万计的数字劳工。他们用最廉价的劳动力，喂养着最昂贵的未来。 这不是科幻，这是全球化的新血汗工厂。 在肯尼亚内罗毕的审核中心，员工每天观看八小时暴力、色情、仇恨内容，为AI过滤数据。有人因反复观看斩首视频患上严重PTSD。 在乌干达坎帕拉的标注基地，工人盯着模糊的街景图片，为自动驾驶系统标出行人、车辆、信号灯。时薪1.16美元，低于当地最低工资标准。 在菲律宾的数据农场，数百万用户输入的验证码，正被转化为训练AI识别物体的标注数据。你每证明一次自己不是机器人，就在免费为科技巨头打工。 产业链最底层的，是“人类作为基础设施”。 当AI需要学习识别猫，就雇佣人类标注数百万张猫的图片。 当AI需要理解人类对话，就雇佣人类转录、分类、标注海量语音。 当AI需要价值观对齐，就雇佣人类编写、审核、修正它的回答。 这些工作被包装成“微任务”，通过平台分发全球，按件计酬，没有福利，没有保障。 更隐蔽的剥削发生在知识产权领域。 插画师、作家、配音演员的作品被未经许可地抓取，成为AI的训练数据。 他们的风格被算法学习、模仿、复制，最终取代他们自己。 当你用AI生成一张“莫奈风格”的画作时，真正的艺术家没有收到一分钱版权费。 这是数字时代的新型圈地运动：将人类数千年创造的文化成果，无偿征收为AI的养料。 心理创伤成为新兴产业职业病。 内容审核员长期暴露于人类最黑暗的网络角落，心理伤害被系统性地低估和忽视。 他们被告知“要专业”“别代入”，却没有足够的心理支持和合理的轮岗制度。 在硅谷公司市值屡创新高的同时，他们在第三世界的承包商员工，正默默承受着技术发展的全部心理毒素。 我们正陷入巨大的认知悖论。 我们赞叹AI的创造力，却忽视它吞噬的是人类创造者的生计。 我们享受算法的精准，却无视背后是无数人在重复机械劳动的麻木。 我们期待自动驾驶解放双手，却对训练它的人每小时收入不足两美元视而不见。 技术越“智能”，其人类成本越被精心隐藏。 劳动法在数字时代全面失效。 平台将劳动者定义为“独立承包商”，逃避医疗保险、带薪休假、失业保险等所有雇主责任。 AI训练工作常被拆分为碎片化任务，使工人难以组织、难以维权。 全球劳动力套利让科技巨头能在最贫困的地区，以最低价格购买最痛苦的人类劳动。 这不是技术进步必然的代价，这是资本选择的成本转嫁。 科技公司完全有能力支付合理薪酬、提供心理支持、尊重知识产权。 但他们选择将成本外部化——转嫁给全球最脆弱的劳动者，转嫁给无法发声的创作者。 当企业财报炫耀AI带来的效率提升和成本节约时，节约的正是本应付给人类的尊严报酬。 《投喂AI》的意义在于它完成了关键的“看见”。 它让我们看见智能幻象背后的真实人类。 看见算法决策背后的人类判断。 看见流畅体验背后的人类痛苦。 这种看见本身就是一种抵抗——抵抗技术发展对人类价值的系统性抹除。 改变必须从多个层面发生。 科技公司必须承担伦理责任，为数字劳工提供合理报酬、心理支持和劳动保障。 法律制度必须跟上技术发展，承认数字劳动的价值，保护创作者的权利。 消费者需要意识到，每一次点击、每一次使用AI服务，都在参与这个全球系统。 我们可以选择支持尊重伦理的公司，要求算法透明，为数字公平发声。 最终，我们要回答一个根本问题： 我们想要的未来，是一个由少数精英设计、建立在全球血汗劳动基础上的智能乌托邦？ 还是一个技术发展不牺牲人类尊严、增长红利由创造者共享的公正世界？ 智能不应成为剥削的新工具，而应成为解放人类创造力的真正翅膀。 翻开这本书，你会明白：每一次AI的完美应答，都浸透着远方某个陌生人的疲惫与创伤。技术革命的光鲜表面下，是时候关注那些正在付出真实代价的、沉默的大多数了。他们的故事，定义着这个时代的道德底线。 📖延伸阅读 《销声匿迹：数字化工作的真正未来》玛丽·L.格雷& 西达尔特·苏里 《监视资本主义时代》肖莎娜·祖博夫 《落脚城市》道格·桑德斯 《贫穷的质感》王梆 《疲惫的真相》索菲·莫特 《廉价劳动力：全球化与不稳定的工作》盖伊·斯坦丁 《注意力经济》吴修铭

深夜的标注工厂里，实习生盯着屏幕上的模糊图像：这是猫还是狗？点击确认后，这条数据将喂养出更智能的识别算法。这种机械劳动，正是AI产业最真实的底色——在技术神话背后，是无数劳动者的血汗印记。 当我们惊叹于AI的智能奇迹时，很少有人追问：那些精准识别图像的算法、流畅对话的模型，其背后支撑性的劳动究竟由谁完成？又以怎样的方式被计价？本文揭示，AI产业的高端神话始终建立在对底层劳动的系统性剥削之上。这种剥削并非技术革命的新生物，而是资本主义剩余价值规律在数字时代的延续与升级。透过技术光环，我们会发现：人工智能的进化史，本质上仍是一部底层劳动的剩余价值掠夺史。 一、隐形的地基：被技术光环遮蔽的劳动价值 AI的智能，本质是对人类劳动的统计归纳。 AI产业的价值叙事中，底层劳动始终处于被遗忘的角落。数据标注、内容审核等基础工作被视为低技能、可替代的存在，其价值被技术光环彻底掩盖。这种遮蔽并非偶然，而是资本逻辑与技术崇拜共同作用的必然结果。 从劳动形态来看，底层劳动的基础性使其天然具有隐形特质。就像建造摩天大楼时，人们赞美设计的精妙与建材的坚固，却很少想起地基挖掘者的付出。AI模型的训练需要海量驯化数据——模糊图像需要人工标注边界，歧义文本需要人工校准语义，有害内容需要人工识别过滤。这些劳动是算法迭代的刚需原料：没有标注员对雨天玻璃倒影是否为障碍物的精准判断，自动驾驶系统可能陷入致命误判；没有审核员对暴力内容的筛查，大模型可能成为有害信息的传播器。但这种基础性反而成了价值被低估的理由：社会默认越基础的劳动越廉价，就像工业革命时期，纺织工人的纺纱劳动被视为机器的附属，其价值远低于工厂主的经营决策。 资本对低技能的刻意定义，进一步强化了价值遮蔽。AI产业的底层劳动被拆解为标准化的微任务：给图片中的猫打标签、判断文本是否违规，这些任务通过众包平台分发，单条报酬常低于0.1元。资本通过这种去技能化操作，将复杂的判断劳动简化为机械重复，进而合理化低薪。但实际情况是，优秀的标注员需要积累大量经验才能处理边缘案例——区分流浪猫与家猫需要生活常识，识别讽刺性言论需要语境理解能力，这些劳动包含的脑力消耗并不亚于所谓的高端工作。资本却通过算法将劳动流程固化，让劳动者沦为数据处理机器，其个体经验与判断价值被彻底抹杀。 更深刻的遮蔽来自技术崇拜的意识形态驯化。社会对AI的智能神话想象，让底层劳动被预设为过渡性存在。媒体热衷于报道AI将取代多少岗位，资本则宣扬自动化标注技术即将成熟，这种叙事潜移默化地传递着底层劳动无长期价值的认知。人们相信，当下的基础劳动终将被机器取代，因此不必重视其价值与权益。但现实是，AI的进化永远需要人类劳动的投喂：即使是最先进的大模型，也需要人工修正偏见、标注例外情况。底层劳动不是过渡品，而是AI产业的永久地基，只是这地基被技术叙事刻意埋入地下，不见天日。 马克思在《资本论》中揭示的商品拜物教在此显现：人们被AI模型的神秘形式迷惑，忘记了其背后凝结的人类劳动。当一套图像识别算法以百万美元的价格成交时，没有人会将利润与标注员的时薪挂钩——这种价值关联的断裂，正是底层劳动被系统性遮蔽的核心机制。 据国际劳工组织统计，全球AI底层劳动者已超过300万人，其中70%为女性，且平均年龄不足25岁。这种年轻化、女性化的劳动群体特征，进一步加剧了价值遮蔽——社会对青春饭的偏见，让人们更难正视其劳动价值的可持续性。 二、刚需的悖论：高端产业的低端劳动依赖 AI越想突破局限性，就越需要人类劳动填补算法盲区。 AI产业的高端形象与低端劳动的刚需性之间，存在着深刻的悖论。技术的数据依赖症决定了基础劳动的不可替代性，而资本对成本压缩的无限追求，将基础劳动推向低薪高强度的绝境。 技术的数据依赖症决定了基础劳动的不可替代性。AI的智能本质是对数据的统计归纳，而原始数据的可用性必须经过人类劳动的驯化。就像人类通过阅读书籍学习知识，AI则通过阅读标注数据掌握规律，但未经处理的数据对AI而言，如同乱码的书籍对人类——无法直接吸收。以自然语言处理模型为例，它需要人工标注同义词、歧义句、情感倾向等特征，才能理解语言的微妙性；自动驾驶系统需要人工标注行人、车辆、信号灯的数百万样本，才能在复杂路况中做出判断。这些劳动无法被完全自动化：算法可以处理标准化数据，但面对模糊、边缘、需要常识判断的场景，必须依赖人类的主观认知。技术越想突破局限性，就越需要人类劳动填补算法盲区，这种刚性需求让基础劳动成为AI产业的生命线。 资本对成本压缩的无限追求，将基础劳动推向低薪高强度的绝境。在AI产业的价值链中，基础劳动被视为可压缩的成本项，而非价值创造的核心环节。资本通过三重手段实现成本压制：一是碎片化拆分，将标注任务拆分为无数微任务，单个任务报酬低至几分钱，迫使劳动者为维持收入不得不每天处理数千条数据，形成用时间换生存的高强度劳动；二是全球化外包，将任务转移至人力成本更低的地区，如印度、菲律宾的标注员时薪仅为欧美同岗位的1/10，资本通过全球劳动力价格差赚取超额利润；三是去保障化，以灵活就业名义规避劳动合同与社会保障，将工伤、医疗等风险完全转嫁给劳动者。数据显示，国内数据标注员的平均时薪不足15元，却要承担70%以上的视觉疲劳率，这种低报酬-高损耗的失衡，正是资本成本压缩逻辑的直接产物。 产业分工的金字塔结构，固化了基础劳动的低端定位。AI产业的价值链呈现严格的等级制：顶端是掌握算法专利与资本的科技巨头，中层是技术研发与运营人员，底层则是基础数据劳动者。这种结构与工业时代工厂主-工程师-流水线工人的分层如出一辙——顶端通过控制生产资料（数据平台、算法工具）垄断利润分配，底层因缺乏生产资料所有权，只能以出卖劳动力为生。更关键的是，资本通过价值叙事强化这种分层的合理性：将算法研发定义为创造性劳动，将数据标注定义为重复性劳动，用技能差异掩盖剥削本质。但事实上，没有底层劳动的数据喂养，再先进的算法也只是无米之炊。这种分工即等级的叙事，本质上是为资本掠夺剩余价值制造的遮羞布。 某AI公司财报显示，其数据服务收入年增长率达400%，而同期标注员的薪资涨幅不足5%。这种利润与劳动报酬的严重脱节，印证了马克思劳动创造的价值与劳动者所得不成正比的剩余价值理论。 三、精细化掠夺：资本的数字时代剥削术 算法不会疲惫，不会同情，能24小时无死角地榨取劳动潜能。 AI产业的资本扩张，本质上是剩余价值掠夺的精细化升级。与工业时代的工厂集中剥削不同，数字时代的资本通过全球化布局、技术控制与叙事驯化，构建了一套更隐蔽、更高效的压榨体系，让底层劳动的剩余价值以数据资产的形式持续流向资本顶端。 全球化的梯度剥削网络，让剩余价值掠夺突破地域边界。资本如同嗅觉敏锐的猎手，在全球范围内寻找劳动力成本洼地：欧美企业将数据标注外包给印度班加罗尔的工作室，那里的大学生时薪仅2美元；国内平台则将任务派往三四线城市，退休人员与家庭主妇成为主力，日薪不足80元。这种全球飞地式的布局，利用地域发展差异制造薪资剪刀差——同一批数据的标注劳动，在发达国家可能产生100美元的价值，在发展中国家却只需支付5美元的成本，差价被资本尽收囊中。更残酷的是，分散在不同时区的劳动者被算法系统无缝衔接：印度团队下班后，菲律宾团队接续工作，24小时不间断的劳动流水线上，底层劳动者连反抗的时间与空间都被压缩。 算法技术的数字监工角色，实现了对劳动过程的精准控制。资本借鉴泰勒制的精细化管理理念，将AI技术转化为剥削工具：通过计时系统记录每一条数据的处理时长，用效率排名制造劳动者间的恶性竞争，甚至用错误率罚款变相克扣工资。某数据标注平台的规则显示：单条数据处理超时3秒扣0.01元，错误率超过5%扣当日30%报酬。在这种算法规训下，劳动者被迫牺牲精度追求速度，形成自我剥削——为避免罚款，他们压缩休息时间，甚至用药物提神。这种技术赋能的剥削比传统监工更高效：算法不会疲惫，不会同情，能24小时无死角地榨取劳动潜能，将每一分钟的劳动都转化为可量化的剩余价值。 数据垄断与劳动异化，让底层劳动者陷入越劳动越贬值的困境。标注员处理的数据被资本整合为训练数据集，以高价卖给AI企业，成为模型迭代的核心资产。但劳动者既不拥有数据所有权，也不分享数据增值收益——他们标注的猫的图像被用于训练宠物识别算法，算法盈利后与他们无关；他们审核的暴力内容让大模型更安全，但这种安全的价值从未回馈给承受精神创伤的审核员。更讽刺的是，劳动者的劳动成果最终会成为替代自身的工具：当标注数据积累到一定规模，部分简单任务会被自动化工具接管，劳动者因技能过时被抛弃。这种劳动产品反对劳动者的异化，正是马克思在《1844年经济学哲学手稿》中揭示的劳动异化在数字时代的极致表现。 意识形态的意义包装，则从精神层面消解了反抗可能。资本将底层劳动美化为AI训练师、数字文明守护者，用参与科技革命的叙事赋予其虚假意义。某招聘平台的广告语写道：你的每一次点击，都在推动人工智能的进步。这种包装让劳动者在低薪高强度的现实中获得虚幻的价值感，甚至认同自己的劳动本就廉价的认知。同时，资本渲染自动化替代焦虑，让劳动者在有份工作已属幸运的恐惧中接受剥削。这种精神层面的驯化，比物理控制更有效——当底层劳动者从内心认同自身价值的低端性时，资本的掠夺便失去了阻力。 据《自然》杂志研究，AI审核员因长期接触暴力、色情内容，其创伤后应激障碍（PTSD）发生率是普通人群的3倍。这种精神损耗从未被纳入劳动价值核算体系，成为资本掠夺的隐性成本。 结语 当我们穿透AI产业的技术光环，会发现一个熟悉的身影——资本对剩余价值的贪婪追求，从未因技术迭代而改变。那些被称为低技能的底层劳动者，实则是AI产业的隐形基石，他们的劳动价值不该被技术叙事淹没；那些被算法规训的高强度劳动，不应成为资本利润的垫脚石，而应获得对等的尊重与回报。 马克思曾说：历史总是惊人地相似，只是换了一件外衣。在AI产业的狂飙突进中，我们看到的不是技术乌托邦的降临，而是资本剥削逻辑的变奏。唯有撕破技术神话的伪装，正视底层劳动的价值，才能让人工智能的发展回归人的尺度——不是资本增殖的工具，而是服务于全人类解放的力量。这或许是我们在惊叹于AI智能时，最该保持的清醒与追问。

这本书非常一般，不值得一读。AI领域是发展迅速的，这本书是两三年前写的，现在的AI早就不是书中所讲的那样。想要了解AI还不如看最新的AI资讯。而且作者是以AI有害论去写这本书的，所以会出现很多有偏见的地方，以偏概全。

这本书其实是很好的，因为这本书将AI产业链拆解的比较清楚，田野调查也很充分。 但这本书太过情绪化，观点有些偏激，过分渲染AI所带来的负面影响，极其造成的劳动不平等，而忽视了AI所带来的积极作用。 这本书整体的论点是延续了马克思对资本主义的批判，只是把资本主义从工业化大生产扩展到了全球资本主义，即发达国家对不发达国家的压迫。所谓AI只是一个壳子而已，因此这并非一本写科技的书，而是一本写社会与政治的书。如果将其归入这个类别，这本书是不错的。 但我却不得不把它归为是一本有着鲜明“白左”标签的书，书里充满了看不惯、提出抗议，却无法得出最终解决方案。所谓“白左”正是如此，充满正义感的高谈阔论与大声疾呼。 在书的结尾章节，作者的情绪俨然已经失控，仿佛成了走上街头摇旗呐喊的游行队伍中的学生代表，彻底失去了理性与客观，着实给这本书减分不少。 然而，即便如此，本书的核心内容还是值得一读的。市面上写建设AI体系的劳动者关系与劳动者反抗的书并不多，这本算是其中不错的一本。

《投喂AI》微信读书会员评分不及格的核心原因 核心前提：微信读书的核心付费会员用户，以一二线城市20-35岁的白领、互联网从业者、在校大学生为主，他们有基础人文素养，看不起无脑爽文，同时被996、职场内卷榨干了精力，没有深度阅读的时间与心力，阅读这类纪实读物的核心需求是「情绪优先，认知为辅」——要的是无负担的放松、内卷焦虑的消解、道德感的自我满足、伪成长的虚假成就感，而非严肃的学术研究。 《投喂AI》的评分崩盘，本质是它和同赛道爆款《我在ICU》《我在精神病院》《我在监狱》系列的精准适配完全相反，在用户在意的所有核心维度上全面踩空，具体如下： 1. 要情绪没情绪：完全踩反了用户的核心阅读需求，彻底失去了大众读者的基本好感 同赛道的《我在XX》系列，核心逻辑就是情绪优先，用第一人称的亲历视角，把细节拉满的生离死别、人生百态讲给读者，让用户瞬间共情，完成压力的宣泄，同时通过“他人的极致绝境”给用户带来“我已经足够幸运”的安心感，完美消解内卷焦虑。 而《投喂AI》全程用冰冷的第三人称学者旁观视角，核心案例全是万里之外、和国内用户毫无生活关联的陌生人，刚用一个工人的故事勾起一点情绪波动，立刻就被大段的注水科普打断，阅读节奏稀碎，甚至还会隐隐给用户带来“你用AI就是这套剥削体系的帮凶”的负罪感，不仅没帮用户解压，反而给用户添了新的心理负担，用户读完没有任何正向的情绪满足，自然不会给高分。 2. 要鸡汤没鸡汤：连最基本的情绪闭环都没完成，给用户留下了糟糕的收尾体验 《我在XX》系列的鸡汤从来不是多余的废话，是给用户的情绪收尾与道德台阶：每章结尾都有适配故事的短共情鸡汤，全书结尾用“珍惜当下、尊重每一个认真生活的普通人”的温暖内容收尾，给用户一个完美的情绪闭环，让用户带着安心感合上书，哪怕故事内容并不新鲜，用户也会觉得“读完很治愈、有收获”。 而《投喂AI》的结尾，全是空泛的、和普通用户毫无关系的呼吁，既没有给用户任何情绪安慰，也没有给用户任何道德豁免的台阶，反而把问题抛给了读者，让用户带着负罪感和不适感结束阅读，连最基本的“读完舒服”的体验都做不到，自然只会收获差评。 3. 要干货没干货：高不成低不就，两头的读者都彻底得罪 《我在XX》系列从一开始就定位清晰，就是面向大众的情绪读物，从来没打算做严肃的学术干货，仅有的行业常识也只是故事的点缀，完全不影响阅读体验，用户不会对它有“干货”的预期，自然也不会因此苛责。 而《投喂AI》端着牛津学者的学术架子，打着“全球底层工人纪实”的旗号，却没有任何独家的田野调研、没有成体系的尖锐批判，核心观点与案例全是现成的媒体报道、学术论文里早就被讲烂的内容，想找深度干货的专业读者觉得它空洞、没锐度、不入流；同时它又塞了大量晦涩、冗余的内容，想轻松阅读的普通读者觉得它难读、啰嗦，两头不讨好，所有读者都无法获得满足。 4. 要科普没科普：注水科普完全反用户需求，既没用又破坏阅读体验 《我在XX》系列里的科普内容，永远是服务于故事的：讲完抑郁症患者的故事，补一段简短易懂的诊断常识；讲完ICU的抢救案例，补一段基础的急救知识，内容简短、不打断情绪节奏，还能给用户一点“学到了”的小满足，用户完全不反感。 而《投喂AI》里的科普，全是和核心主题弱相关甚至无关的注水内容：福特流水线发展史、泰勒制管理学、海底电缆建设史、基础AI原理，全是百度百科就能免费查到的废话，不仅对理解核心故事没有任何帮助，还硬生生打断了本就不强的情绪节奏，用户读得又累又烦，满脑子都是“全是灌水”，自然只会给低分。 5. 要优越感/分享价值没分享价值：连最基本的社交货币都没提供，彻底浪费了微信的生态优势 《我在XX》系列能爆，很大程度上是适配了微信的社交生态：每章都预埋了好记、有温度、适合分享的金句，比如“除了生死，都是小事”，用户读完既能获得“我了解了一个陌生行业的真相”的社交谈资，又能靠分享金句打造自己“有温度、有深度、有同理心”的社交形象，同时获得“我关注弱势群体”的道德优越感，自然愿意给好评、主动分享。 而《投喂AI》既没有好记、适合传播的金句，也没有能拿来当日常谈资的内容，甚至还会让用户产生负罪感，根本没法分享到社交平台。用户读完既没有“我比别人懂的更多”的认知优越感，也没有“我关注了弱势群体”的道德满足感，什么正向的价值都没得到，自然不会给高分。 6. 结构完全反碎片化阅读规则，完读率极低，进一步拉低了评分 《我在XX》系列的结构，完全是为微信读书的碎片化阅读场景量身定做的：每章都是完全独立的小故事，没有连贯的主线，随便翻开哪一页都能读，通勤、摸鱼的10分钟就能看完一章，完读率远高于普通书籍，而高完读率又会带动用户的好评意愿。 而《投喂AI》结构混乱，章节之间没有清晰的逻辑，大段的科普内容完全不适合碎片化阅读，用户读几页就忍不住跳着看，甚至直接放弃阅读，完读率极低。没读完的用户自然不会给高分，坚持读完的用户更是觉得全是灌水、毫无收获，只会给出更低的评分。

资本家通过剥夺工人阶级的剩余价值来攫取利润 看到书中数据标记员为了省几美元的路费，走路两个小时上班。 菲律宾为了保障外包工作者的权益，制定了多个法案，害怕把企业主们逼得太紧，让外包工作者丢了饭碗🥣都未能真正实行 曾经做过几年外包劳动派遣，也干过一年临时工，都是牛马🐴中的牛马 临时工不交社保，医保交居民医保，工资三千，不包吃住 劳动派遣，五险最低交，公积金不交，干不完的活，每天走路至少一万步，下班累的倒头就睡。有段时间上24h班，一晚上没停没睡，上的头皮发麻 把握当下，刚看到北京买房限购也放开了，有工作有工资发很不错了，之前看到打铁花欠薪，网上讨薪好多天才发薪水 📖📖📖书摘 正如19世纪美国废奴运动领袖弗雷德里克·道格拉斯（Frederick Douglass）所说：“权力从不主动让步。过去不会，将来也不会。不施压，无所得。” 哲学家恩斯特·布洛赫写道：“最悲哀的不是失去安全感，而是我们无法想象事情可以变得更好或变得不同。” 经济学家琼·罗宾逊（Joan Robinson）说过：“与无人剥削的痛苦相比，被资本家剥削的痛苦微不足道。

“我们节省了时间，却失去了时间” · “效率的悖论”——技术进步在强化谁的利益？又由谁承担成本？ · Ai的强大，给我的启发是「它在企图重组世界的权利分配」你不是AI的“主人”，你可能是它的“饲料” · 反思是，你我志在何方？逃不掉的变革浪潮里什么决定你我的沉浮？ · 《投喂AI》由牛津大学学者詹姆斯·马尔登、马克·格雷厄姆、卡勒姆·坎特合著，2025年10月出版。三位学者跨越六大洲，访问两百余人，聚焦被数字浪潮吞噬的底层劳动者。 · 读者中有不少反差 反对派学者逐条反驳： 1. 反驳“选择性曝光” ：书中只报道最极端的案例（肯尼亚审核员、乌干达标注员），用极端个案代表整个行业，有失公允 · 2. 反驳“忽视AI的积极面” ：全书只讲剥削不讲赋能——AI也在创造新岗位、提升效率 · 3. 反驳“结构性解决方案缺失” ：指出了问题，但没有给出可行的替代方案——“全供应链管理”太模糊 · 4. 反驳“把复杂问题简单化” ：把AI产业简化为“剥削机器”，忽视了技术发展的复杂性和多样性 · 5. 反驳“纪实与论述脱节” ：有评论指出本书“纪实和论述像油和水一样分离开来，结合度不够紧密 · 或者我识图从作者视角辩护： · 针对“选择性曝光”——正因为这些极端案例最容易被忽视，才最需要被看见。不是用极端代表全部，是用极端揭示系统性问题 · · 针对“忽视积极面”——本书定位是“揭露被隐藏的真相” 。AI积极面已有太多人歌颂，不缺这一本 · · 针对“方案缺失”——“看见问题”本身就是行动的第一步 · · 针对“复杂问题简单化”——把复杂问题简化不是错误，是让公众理解的必要手段 · · 针对“纪实与论述脱节”——本书是纪实报告，不是学术论文。让故事说话，本身就是力量 · 所以我个人觉得《投喂AI》最适合想理解AI产业链真相的普通读者、政策制定者、科技从业者。不适合寻求AI技术教程的人、期待“AI赋能”正能量叙事的人。

没有人工，就没有人工智能。AI生产的国际分工把数字劳工进行了分层，从全球南方参与数据清洗、内容审查的赛博奴工，到在跨国高科技公司拿高薪的机器学习工程师，通过追踪全产业链条，揭示AI像一架榨取机器，一架通过在全球吸收资本、消耗能源、殖民劳动力与私有化集体智慧并将其转化为利润的机器。AI常被营销为一种基于机器自主学习的数据处理系统，具体含义随技术发展而演变；现实不仅是把低薪和繁重的人类劳动隐藏起来，人类变成投喂系统成长的反馈变量。劳动与技术在连续的微调与反馈中驯化世界的边界，AI圈地下的人类生活被更精细隐秘地管理，更别提现有社会的分层与偏见在数字秩序中大行其道。算力、数据中心的垄断竞争成为新一轮重点，地缘政治竞争还是老观点：通过数字秩序输出影响力更为便捷，对上利用政治流程技术性地获得权力，向下则通过编码将异见人士轻松排除在社会之外。数字秩序的竞争跳不出能源政治的逻辑，选择性的秩序输出需要持续的资源消耗。 ➡️大块文化给这本翻的名字是《血汗AI》！！！

一般来说，对AI的关注，看的是AI的行业应用带来的影响。而AI能够如此智能，则是被默认是常识，不受关注。这本书则从AI为什么如此智能的视角，用数据标注员、工程师、技术员、创意工作者、仓库员工、投资人的第一视角，带我们理解这些角色如何被整个AI系统影响。本书使用资本主义剥削剩余价值以及殖民主义的框架来分析AI产业，并探讨了普通劳动者维护自己权益的方法。 公司是逐利的，AI的发展则深受几个头部AI公司的影响。近来已经听到了AI协助工作导致工作更累的一些声音，在数据监控日益精密的系统中，我们都有被系统困住没有喘息空间的风险。如何避免技术作恶，避免资本驱动的AI发展偏航，是我们每个人都需要思考的问题。 虽然我对本书探讨的理论框架和方法存疑，但这几个角色的故事确实帮助我更好地理解了这些“隐形”的角色，更好地理解了普通人被困在体系中的可能性，因此值得一读。