賽博“擰螺絲”的數據標注員：在風口訓練AI，但月入3000

作者｜肆夕

編輯｜路子甲

4月以來，成都氣溫已經有了初夏的跡象，天府三街沿線的寫字樓里，空調冷氣足到和室外像兩個季節。

其中不少科技公司的平層里，百臺亮著瑩白光的電腦屏幕前，一律坐滿二十出頭，目光聚焦的年輕人。他們對準屏幕上被放大的每一處細節，鼠標點擊、拖拽、松手。

AI時代的滾滾襲來，已經開始讓大量普通人的就業產生改變。

新行業的興起，一種被稱為的“AI數據標注員”的群體也在迅速擴張。這份工作簡單來說，就是教會人工智能看懂世界的基礎工作，接近兒童識物的原理，需要人為通過不斷在屏幕上點選、拉框的形式，教會AI什么是房子、汽車和大樹。

通過人為喂料的形式，不斷積累起龐大的“有標簽的數據”，AI模型就會在訓練中不斷成熟。

人工喂養人工智能

“文科就業新方向”“零基礎入行”“居家辦公”“時間靈活”是眼下伴隨這份工作最為常見的標簽。

一面是發展如火如荼的AI行業，另一面是門檻不高的求職條件，讓無數人產生一種加入時代浪潮只需要一個合適入口的求職幻覺。

當一頭扎進訓練AI大模型的流水線上之后，才能看清這場狂歡之下，普通人最真實的生存截面。

上流水線，渡過無數焦慮的年輕人

面試AI數據標注員的當天，吳伶原本沒報什么希望。在她記憶里，整個面試過程都很草率。

“面試那天我還遲到了，負責人簡單講解下工作內容，因為是兼職所以不用每天都到公司，接著就讓我們在電腦上跟著文檔里的步驟試著做一下，我看了一下覺得看不懂，就說我還有事先走了。”

AI時代人人都或多或少擔心的自己的飯碗，起初吳伶在BOSS直聘上看到“AI數據標注員”的崗位時，也只是抱著對AI行業的好奇心，和想拓展更多職業可能性的初衷投遞。

漢語言專業的吳伶，最初在找兼職時只抱著一切隨緣的心態，錄用自己就做，不用就再找其他兼職，沒想到仍在面試當天收到第二天入職的邀請。

雖然數據標注員這份工作已經存在很多年，但不挑經驗，不挑年齡且入職率高的工作，在眼下的求職市場仍顯得格外突出。

入職的早上，吳伶和另外7個人一起被分配到訓練大模型的崗位上，整個線上打螺絲的流水線上，都是準備過渡的年輕人。

自由且簡單，是很多像吳伶一樣的零經驗新手，給予這份工作的核心印象。

數據標注員的工作環境

這些在各個寫字樓中，毛坯裝修，擺滿機器，獨占一個大平層的科技公司主營業務，就是承接大廠項目做數據標注的兼職外包。

外包公司不那么注重兼職人員是什么學歷和專業。只要坐得住凳子，加上細心，就能勝任這份多勞多得制的工作。

《數據標注產業發展研究報告》顯示，四川成都、遼寧沈陽、安徽合肥、湖南長沙、海南海口、河北保定和山西大同建立了7個數據標注基地，總數據規模達到17282TB，從業人員達5.8萬人。

吳伶在經過一次粗篩后，也成為了其中的一員。

AI數據標注發展到今天，工作內容上也迎來了新的細分和升級，數據標注員的工作早已不局限于框選紅綠燈、行人和電動車，開始向3D建模人物、建筑、器械上拓展。

被分配到動畫人物類的吳伶，開始日復一日把建模中的頭發絲、眼睛、鼻子層層拆分再歸類。原理是通過人工將建模人物進行拆分，把一切存在數據庫里供AI識別，當數據庫存儲到一定量級后，AI大模型就會自動識別。

而在數據標注員一端，通常看不到那么遠的未來，大家都只有眼前的每個組包，未完成的工作，等到提交進行校驗，祈求沒有誤差不用返工，等待著提交給甲方公司等待著結算。

AI數據標注的工作說明指南

耐心、用心是做這份工作的核心競爭力。原理上來說，在經歷過足夠多的點選后，肌肉記憶就會開始接管一切。

工作不久后，吳伶開始體會到這份無門檻工作的殘酷之處。

眼睛、腰椎、肩頸，都是這份工作的硬損傷，對數據標注員來說，這種重復性極高的工作，枯燥的流程，為心理和情緒帶來的麻木感似乎更難以量化。

“像我做的人物就很復雜，看得久了頭就會開始痛。說起來算是沒什么門檻的工作，但如果不理解這個原理工作就會產生很大誤差，返工都不知道從哪開始，焦慮也是潛移默化的。”

過勞多得制的另一面，還有更嚴苛的驗收標準，工作制度的確是來去自由，但也要通過校驗才能成功拿到收入。

以完成項目中一組包120元計算，熟練的人一天能完成三個，客觀來說熟手也有月入過萬的計劃，但人工那些隱形的消耗，始終無法明確計量。

吳伶兼職結束后，仍有一部分沒通過校驗的工作，扣下了一部分永遠無法結算的工資。

體驗過后，吳伶決定永遠不再從事這個行業

在吳伶入職一周的后，同批入職的年輕人就開始陸續離職。

觀察下來，公司里做得最久的人也不過半年左右。這條線上流水線，更像一個臨時收容所。擠滿對未來不確定、想抓住風口、又缺乏技術通道的年輕人。

他們用時間換取微薄收入，用身體損耗支撐著AI進化，卻很少意識到，自己只是產業里最易被替換的人力耗材。

教AI看世界年輕人，被困于方寸之間

從宏觀角度來看，我們無法否定數據標注工作在AI發展進程的重要程度。但對切身處這些崗位中的年輕人來說，很難從這份工作中看到什么實際意義。

石陽做數據標注員之前，在沈陽的求職市場已經走到窮途陌路的程度。

大專畢業，文科專業，無工作經驗，性格內向連銷售都無法勝任，在入行數據標注員之前，他的備選方案是去搖奶茶作為求職困境的過渡。

最初看到數據標注員的職位詳情時，他最初一直當作詐騙處理。

在眼下的求職環境里，能居家辦公，只需掌握基礎的理論操作，還有明確的晉升渠道，無經驗也能勝任，一切看起來都美好到不太現實。

面試時，公司負責人畫的餅從AI的前景說起，先說這個行業 的未來發展，再說大模型訓練的原理，在最后告訴他：你做了這份工作，就是這個宏大時代的建造者之一。

石陽原本想用這份工作當生活的過渡，聽得多了看得久了，也開始抱著想入局AI的決心。

沈陽向來不缺不斷冒頭的數據標注工作室，坐在這里打螺絲的從業者也大致分為兩類：

一類和石陽一樣，當作就業緩沖帶，先有份收入，再慢慢找方向。另一類則真心相信，普通人想在東北老家闖出一片天，AI是最好的機會，AI數據標注員就是零基礎入局的最佳跳板。

石陽剛入職的時候也滿心期待，覺得靠近AI，起碼成為這個行業里的從業者，將來就會有機會進入更核心的位置。

但真正開始做這份工作，都會經歷一個共同的過程：好奇、熟練、懷疑、離開。

所有補貼和績效，都建立在能完成任務的前提下

入職兩個月后，石陽發現公司里的數據標注員職位永遠缺人。招聘的職位名稱從他最早加入時的“數據標注專員”到后來“AI訓練師deepseek方向”到“openclaw訓練師”，流動的職位名稱，吸引了一波又一波有雄心壯志的年輕人。

對面總有人新人來了又走，沒人能同時達成月薪5000以上和干滿一個月的成就，入職第一課，就是先要打破AI相關=高端、有發展的幻覺。

“我算我們公司里做得時間比較久的人，老板只要察覺到我積極性不強，就開始說我工作踏實，有機會成為公司的項目經理，隱隱暗示我未來可以不做一個小小標注員，做好了還能幫我內推進大廠，不想去大廠就留在公司當合伙人。”

石陽很長時間里相信里這套說辭，又堅持了幾個月后，發現不僅工作強度越來越滿，到手的工錢不升反降。

標注員、質檢、組長、管理的職業路徑，聽起來向上渠道清晰，但無人能算出實現的具體概率。

真與假只能靠經驗并不豐富的年輕人自己分辨

3月初，石陽在全網抓龍蝦勁頭最足的時候選擇離職。

“我覺得這份工作應該被歸為體力活，都是出賣時間和體力，沒有上升空間，AI行業變成什么樣的風口都和我們沒關系，我們是比token更廉價的勞動力。”

缺乏技術壁壘的工作，讓行業中多數從業者都難以積累什么競爭力和獨占優勢，這點在時薪均攤下來不到10元的年輕人身上尤其明顯。

一份對AI發展很關鍵的工作，教會AI看世界的工作，落實在無數個微小的個體身上，成為將他們困于方寸之間的桎梏，青春成為宏大事件中被不著痕跡燒掉的耗材。

焦慮時代下，總有人在收割“AI夢”

在人人都想進入AI行業時，面對焦慮的各個群體都在苦尋“AI入口”。

AI數據標注工作的好處，是能不限時間，不限地點，不限經驗，加有官方政策扶持的信任背書，理所當然成為很多人的首選。

然而大眾對這個行業的發展方向仍舊只停留在一知半解。

當AI行業飛速發展的同時，AI數據標注員工作的特性導致崗位流動性大，需求越大，亂象就更容易變得密集，AI標注員這份工作本身，也成為不少培訓機構的必爭之地。

比如AI數據標注員和AI訓練師兩個崗位，在外包公司招聘時常被混為一談，但實際有本質差別。

如果說AI數據標注員的工作，是負責教AI走路把AI喂飽，AI訓練師就更接近給AI開智，一步步提升AI的學習能力。

招聘信息模糊導致的結果，衍生出很多培訓機構放出“先培訓，再考證，后上崗”的口風。

需求越大，焦慮越旺盛，亂象越密集的情況，會平等出現在每個新型行業的發展期。

招聘端發布的職位本質就具有一定誤導性

關于售賣AI課程的培訓平臺，有自己的一套蒙太奇式謊言。

AI行業迅猛發展是事實，AI數據標注員一向緊缺也是事實，國家推出數據標注規范化發展也是事實，包括廣東確實在2025年已經將數據標注等級證書納入補貼目錄。

但不意味著做一個一天100元熟能生巧的數據標注工作，也要先學上幾個月的AI理論。

培訓機構會通過先造門檻，再搭梯子付費通過的框架，精準斬殺了不少就業困難的年輕人和渴望靈活就業居家辦公的寶媽。

市面充斥不明情況的預備入行者

AI數據標注員職位的分流之下，是已經入行的老人疲憊不堪；而等待入行的新人，在AI時代換了一套時髦的外衣后選擇付費祛恐慌。

十年前的“打字員兼職先交培訓費”，和今天的“AI數據標注師培訓費”，收割的都是那些最需要改變生活狀態、最容易被風口故事吸引的普通人。

這份本就處在產業鏈下游的工作，卻承載了最多的“AI夢”，當AI被神話，每一個與之相關的崗位都被鍍上金邊，大眾卻忽略了這些工作的技術核心、利潤、話語權，都掌握在更上端的人手里。

未來的發展也只能因人而異，這是一個可以學到東西的崗位，但不意味著處于這個崗位就能半只腳踏進風口。

普通人日復一日用最樸素的勞動，支撐起最宏大的產業，卻只能分到微薄的收益。

也很少有人會談及那個終極問題，從業者都在發展時期帶AI看世界，等到教會AI后，這個事職位又該何去何從。

目前的AI需要人為投喂，等待AI成長會自動覓食的那天，這些簡單重復性極高的勞動是否會被AI取代？

AI時代，數字礦山還在開采，線上流水線還在運轉，無數年輕人還在涌入。

他們坐進寫字樓的格子間，日復一日地框選、拖拽、分類，教會AI認識這個世界，卻越來越看不清自己未來的坐標。