可信的股票抵押融资
被 AI 抢走工作后，她又去训练 AI
那条 LinkedIn 帖子看起来又像是一则招聘骗局，但 Katya 已经绝望到愿意点开看看。大学毕业后，她当过自由撰稿记者，艰难谋生。后来，她读了研究生，再转向内容营销，希望找到一份更稳定的职业。结果却发现，AI 已经把其中很大一部分工作自动化了。
这家名叫 Crossing Hurdles 的公司，承诺提供时薪 45 美元起的文案工作。
Katya 点进去，被带到了另一家名叫 Mercor 的公司页面。页面要求她打开摄像头，与一个名叫 Melvin 的 AI 面试。“这看起来简直可疑到了极点。”Katya 说。她关掉了标签页。
但几周之后，仍然失业的她收到一条消息，邀请她申请 Mercor 的工作。这一次，她查了查这家公司。看起来，Mercor 销售用于训练 AI 的数据，而招聘她，就是为了让她生产这些数据。
“我的工作因为 ChatGPT 没了，现在却有人邀请我去训练模型，让它用能想象到的最糟糕的方式做这份工作。” 她说。这个念头让她沮丧。但她的经济状况越来越糟，又急着找一个新住处，于是她打开摄像头，对 Melvin 说了声“你好”。
那是一次奇怪、但总体还算愉快的体验。Melvin 在 Katya 的笔记本电脑上以一个没有形象的男声出现。它似乎真的读过她的简历，还针对简历问了具体的问题。
几周后，Katya 收到了 Mercor 发来的工作邀请邮件。和这篇报道中的大多数劳动者一样，她因为担心遭到报复，要求使用化名。邮件说，如果接受这份工作，她需要签合同、接受背景调查，并在电脑上安装监控软件。她立刻签了。
她被加入一个 Slack 频道，显然，这是一个已经开展了一段时间的项目。几百个人正忙着编写用户可能向聊天机器人提出的问题示例。他们先为这些问题撰写理想回答，再列出一份详尽的标准清单，说明什么样的回答才算理想。
每项任务都要花几个小时完成，之后，数据会被送到这条数字流水线下游某个环节的工作人员那里，接受进一步审核。
没有人告诉 Katya，她训练的是谁的 AI——管理人员只称对方为“客户”——也没有人告诉她项目的用途。但她喜欢这份工作。和模型打交道很有意思，报酬也很不错。“感觉就像有了一份真正的工作。”她说。
Katya 开工两天后，项目突然暂停了。又过了几天，一名主管在频道里露面，告诉大家项目已经取消。“我一直以为自己可以围绕这份工作做计划。我正在攒租公寓时要付的首月和末月房租，”Katya 说，“结果一下子又被打回原形。没有预警，没有保障，什么都没有。”
几天后，Mercor 又发来一份工作邀请。这次的任务似乎是按照各种标准，评估聊天机器人与真实用户之间的对话。其中很多对话，看起来是马来西亚和越南的用户在练习英语。评估内容包括聊天机器人遵循指令的程度，以及语气是否合适。
邮件说，签完合同，45 分钟后就参加 Zoom 入职说明会。那是一个周日的傍晚 6 点半。上一份零工骤然消失的经历让她心有余悸，于是她接受了邀请，一直干到实在撑不住、必须睡觉为止。
人类的专业知识，正在被批量收购
机器学习系统通过在海量数据中寻找规律来学习，但这些数据首先得由人来整理、标注和生产。ChatGPT 之所以能如此流畅地表达，离不开 Scale AI、Surge AI 等公司雇用的数千名劳动者。他们编写一个有用的聊天助手会说的话，并为它最好的回答打分。
一年多以前，行业内开始越来越担心，这项技术的进步会进入平台期。基于这类评分训练出来的聊天机器人，很擅长让自己听起来聪明，却仍然不够可靠，难以真正派上用场。
软件工程是个例外。在这个领域，模型可以自动检验一段代码能否运行——代码能不能编译，是否打印出了 HELLO WORLD——因此能够通过反复试错，真正掌握相应能力。
问题在于，其他人类活动很少能提供如此明确的反馈。一份财务分析或一段广告文案“好不好”，并没有客观测试可以判断。AI 公司并未因此退缩，而是着手创造这样的测试，累计支付数十亿美元，请各类专业人士写出严格、全面的标准，定义怎样才算把一份工作做好。
Katya 偶然发现的 Mercor，由三名来自湾区、当时都是 19 岁的年轻人 Brendan Foody、Adarsh Hiremath 和 Surya Midha 于 2023 年创办。
它最初是一家招聘平台，通过 AI 面试，为科技公司匹配海外工程师。后来，大量 AI 开发商前来询问：能否帮忙寻找专业人士生产训练数据？这类需求太多，公司决定转型。
去年，Mercor 的估值达到 100 亿美元，三位创始人因此成为全球最年轻的白手起家亿万富豪。OpenAI 曾是它的客户，Anthropic 也是。
这些数据公司无不强调自己麾下专家的亮眼履历。Mercor 表示，每周约有 3 万名专业人士在其平台上工作；Scale AI 则声称拥有超过 70 万名“硕士、博士和大学毕业生”。
Surge AI 宣传的专家包括在最高法院出庭的诉讼律师、麦肯锡资深项目负责人，以及获得白金唱片认证的音乐人。这些公司正在招聘有法律、金融和编程经验的人——这些都是 AI 正迅速渗透的领域。
但它们也在为几乎所有你能想到的职业招人生产数据。招聘岗位包括厨师、管理顾问、野生动物保护科学家、档案管理员、私家侦探、警队警长、记者、教师和租赁柜台工作人员。
最近一则招聘广告甚至在寻找“北美青少年早期至中期年龄段幽默”的专家。要求之一是能够“用清晰、合乎逻辑的语言解释幽默，包括引用北美俚语、潮流和社会规范”。正如一位行业资深人士所说，这是一场迄今规模最大的人类专业知识采集。
受过高等教育却就业不足的人越来越多，为这些公司提供了庞大的招聘对象。除去 2008 年金融危机和疫情期间，招聘活动正处于数十年来的最低水平。
去年 8 月，面向职业生涯早期人群的求职平台 Handshake 发现，网站上的职位发布量同比下降超过 16%，而每个职位收到的申请增加了 26%。
与此同时，Handshake 去年推出一项计划，把求职者与生产 AI 训练数据的岗位连接起来。公司在宣布这项计划时写道：“随着 AI 重塑工作的未来，我们有责任重新思考、开展教育，并帮助我们网络中的人做好准备，规划职业道路、参与 AI 经济。”
人们预测，通用智能系统将取代大量人类认知劳动。但 AI 实验室实际在做的，是花钱购买数据，逐项实现任务自动化。两者之间存在一种内在张力。
这对应着两种不同的未来：一种是大规模失业突然到来；另一种更不易察觉，却可能同样具有颠覆性——越来越多的人找到的新工作，是教 AI 做自己从前的工作。
第一批走上这条路的，是软件工程师、平面设计师、写作者，以及其他一些领域的专业人士；新的训练方法正在这些领域展现成效。他们陷入了一种荒诞的境地：争抢着不稳定的零工，在其中模拟表演自己曾经憧憬的职业生涯。
给 AI 演一遍，人类是怎么工作的
我采访了 30 多名劳动者，每个人都处于一条庞大且不断扩张的数据供应链的某个位置上。
有的人编写清单，界定聊天机器人的好回答应满足哪些要求。这类清单通常称为“评分细则”（rubrics）。另一些人则给这些评分细则打分。还有人按照评分细则评判聊天机器人的回答，也有人拿着评分细则，写出通常所说的“标准答案”（golden output），也就是理想的聊天机器人回答。
另一些人则被要求，用聊天机器人自言自语思考时的口吻，解释自己得出标准答案的每一个步骤。这就生成了所谓的“推理轨迹”（reasoning trace），让 AI 日后在真实世界遇到类似任务时可以参照。
有时，实验室只想要针对模型尚不能完成的问题的评分细则。这意味着，Mercor 这样的公司会要求劳动者编写“难题”（stumpers），也就是能让模型失败的请求。“听起来容易，做起来真的很难。”一名劳动者说，她正试图通过让模型制作库存管理仪表盘来难倒它们。
模型出错的方式常常有悖直觉。它们也许能解答高等物理考试题，但如果你问公共交通路线，它们却会建议你在两条根本不相交的轨道线路之间换乘。找到这些弱点，需要时间和创造力。
还有一种项目会把律师、人力资源经理、教师、顾问或银行业人士组织起来，做 Mercor 所谓的“世界构建”（world-building）。培训材料写道：“你和你的团队将通过角色扮演，模拟本专业中一支真实团队的工作。”
每个团队会获得专用的电子邮箱、日历和聊天应用，并被要求制作一百份乃至更多文件，围绕某项企业业务活动展开——例如，一家虚构的矿业公司正在分析是否应该进入数据中心业务。
一名劳动者回忆，他们连续几天每天花 16 个小时生产这些虚构文件，随后，做出的演示文稿、会议记录和财务预测会被交给另一个团队。那个团队用这些材料，设法难倒在这个模拟企业环境中运行的模型。成功之后，他们再写出更细致的新评分细则、标准答案，等等。
劳动者只能猜测客户是谁，或者还有多少人在参与这个项目。从“管理咨询世界第 133 号”这样的团队名称来看，可能有几百人，也可能有几千人。
有人受雇评估图像模型遵循提示词的能力，也有人极其细致地描述视频片段，大概是用来训练视频模型。为了改善 AI 的语音对话能力，市场对配音人员的需求也激增。一则招聘启事称，他们可能会被要求录制“真实、能引发情感共鸣”的讲话。
“我就告诉别人我是 AI 训练师，这样听起来比我实际上做的事情更专业。”一名有志成为编剧的人说。他曾被要求录下自己假装向聊天机器人索要健身计划的声音，同时让厨房里的锅碗瓢盆叮当作响。另一次，他被要求录下自己通过电话向一拨又一拨人提供理财建议的过程；他猜那些人也是其他劳动者。
这些音频随后可能会被拆分，交给 Ernest 这样的人。他过去靠在线辅导谋生，直到雇他的公司用聊天机器人取代了他。我们交谈时，他正在以 0.1 倍速听一段段约一分钟长的随机对话，并把说话者开始、停止说话的时间标记到毫秒。
很多片段里，一个人正在和聊天机器人对话，不时插入“嗯”或“明白了”之类的话。所以他猜测，自己是在帮助 AI 改善自然、流畅对话的能力，但他其实并不知情。
按照这个行业的惯例，项目只以代号称呼，客户也永远只是“客户”。整套系统的设计，让劳动者对自己身处的供应链所知甚少。即便他们发现了客户是谁，合同也禁止他们告诉任何人，连自己的同事都不行。
根据 Mercor 的一份协议，他们也不得描述具体工作内容，只能笼统地说，自己在“提供某某领域的专业知识，帮助一家顶尖 AI 实验室改进模型”。
劳动者很怕不慎违反保密协议而被解雇。因此，在公共论坛讨论工作时，他们还会给本就使用代号的项目再取一层代号。例如，把名为“Raven”（乌鸦）的项目称作“Poe”（坡）。
他开始免费加班
“有人递给我一把铲子，让我给自己挖坟。”
Katya 在 Mercor 做的第二个项目，压力大得多。可分配的工作更少，而且时有时无。管理人员会在 Slack 频道里发消息，说半小时后有新任务。她说，随后“Slack 里的所有人都会放下手头的事，像食人鱼一样扑上去”，拼命加快速度，眼看着显示剩余任务数量的进度条一路降到零。
之后，他们又回到 Slack，客客气气地恳求主管多给点工作、多给些工时。他们会说起孩子的生日、自己要交的房租，或者告诉任何可能在听的人：如果还有活，自己随时都有空。
很快，Katya 也变成了只要听到 Slack 提示音，就会放下所有事情的人。“有时候我在上厕所或者吃晚饭，Slack 通知一来，我就说：‘不好意思，我现在得干活了。’”
那个项目很快结束了，接着又来了一个。它和她喜欢的第一个项目几乎一模一样，但现在，除了编写评分细则，她还得难倒模型，在同样的时间内完成更难的任务。她的时薪还少了 8 美元。
这种情况在 Mercor 很常见。几乎每一位接受我采访的劳动者都说，随着项目推进，要求越来越多，规定时间越来越短，薪酬越来越低。无法满足新要求的人会被“移出项目”，由新招来的人取代。
Chris 去年加入 Mercor，此前几个月，他一直艰难地寻找影视工作。很多人只是怀疑自己成了自动化的受害者，而他确定自己就是。
他过去有一份长期承接的工作，为一档非剧本类电视节目撰写每集的内容：做前期采访、设计场景，写出真人秀版本的剧本。但到了 2024 年底，他被告知节目将以“最低限度的人员配置”运行，不再需要他的工作。
后来他发现，这家公司正在用 ChatGPT 起草新一集的内容。所以，到了 10 月，当他收到邀请，要为一家大型 AI 公司写一整部科幻剧本时，尽管前景让人沮丧，他还是答应了。
此后，他接了一个又一个零工。“这是我目前唯一的收入来源。”他说，“我认识一些获过奖的制片人和导演，他们不会到处说自己在做这种工作，但他们就是靠这个养家糊口。”
和 Katya 一样，他最初在 Mercor 接到的几份工作都还算愉快，报酬也不错。但很快，每到傍晚 6 点，Slack 上就会出现带着碰拳表情的打气消息：“加油，团队，我们一起挺过去。”接着，工作突然中止，再然后，是长达数月的沉寂。
“你就是一直等着发令枪响，随时随地都可能响。”Chris 说。然后，赶工期又开始了。随着截止时间逼近，越来越慌乱的管理人员开始威胁劳动者：如果完成任务不够快，就把他们移出项目。
他的工作时间由一款名叫 Insightful 的软件精确记录到秒，软件会监控他在电脑上的一切操作。被软件判定为“没有产出”的时间，可能会从他的薪酬中扣除；如果连续几分钟没有打字，系统就会弹出提示，询问他是否一直在工作。
有时，Chris 会看到有人在 Slack 里说，某项特别棘手的任务超出了规定时间，希望不会有问题；到了第二天，那个人就不见了。
他越来越担心自己也会被移出项目，于是开始在不计工时的情况下工作：读任务说明时关掉 Insightful，好让计时中的自己显得更快。如果超过了规定时间，他就关掉计时器，继续免费干活。
公司表示，这类软件对于准确记录工时、防止劳动者作弊是必要的。这里所谓的“作弊”，指的是使用 AI——所有数据公司都严格禁止这种行为。
这些公司出售的是经过验证的人类专业知识，作为可靠的真实标准。而当 AI 使用 AI 生成的数据训练时，就会逐渐退化。研究人员把这种现象称为“模型崩塌”。数据公司的员工说，筛除 AI 生成的劣质内容是一场持续不断的战斗。
对劳动者而言，压力越大，AI 的诱惑就越强。那位试图用分析仪表盘难倒模型的零售专家，每项任务的规定时间从 8 小时减到 5 小时，再减到 3 个半小时后，关掉了 Insightful，开始寻求外援。
“说实话，我打开 Copilot 和 ChatGPT，把提示词放进去问：‘我要怎么改，才能让你们回答不上来？’”然后，她又去问另一个聊天机器人，这段提示词听起来是否像 AI 生成的；如果像，就请它改得更像人写的。
“它对人的心理影响，真的糟糕透了。”Mimi 说。她是一名参与过多部流媒体剧集的编剧，已经为 Mercor 训练 AI 好几个月了。她是从一位编剧同行那里知道 Mercor 的——对方在美国编剧工会的一个 Facebook 群组里，发了一条这家公司的招聘链接。
和很多从事这类工作的人一样，Mimi 很矛盾。“一位拿过艾美奖的纪录片导演给我发消息，说：‘有人递给我一把铲子，让我给自己挖坟。’大家的感觉就是这样。”她说。但作为单亲妈妈，她需要这笔钱。
一开始，她很感激有这份工作。随后，项目暂停、重启，又暂停。连续五个星期，她都被告知项目马上就要启动了。等项目终于开始，要求却增加了，预计完成时间缩短了，她只得在 Insightful 的监视下拼命跟上。
她觉得 Slack 上有人形容得很贴切：大家就像生活在鱼缸里，等着人类主人投食，只有足够快地游到上面的鱼才能吃到。
“昨晚我他妈的压力大到不行。孩子回家了，已经晚上 7 点，我收到一条消息：‘任务放出来了！’我就开始干活，只想在睡觉之前尽量多攒一点工时。”Mimi 哽咽着说。
“我根本没时间陪孩子。有一会儿，他找不到上学要用的东西，我就开始冲他大吼。这份工作正把我变成一个他妈的恶魔。”
尤其令她不安的是监控：“有人能这样衡量你的时间，把你作为一个人所需要的所有细枝末节都剥夺掉，因为这些事不能带来利润。上厕所不能计费，因为那不是工作时间；泡杯咖啡不能计费；背疼了伸个懒腰，也不能计费。”
“工会之所以成立，就是为了让人们有保障的工时、午休、假期和病假工资。这是把零工经济推到了极端。”
比起 AI 本身，这更让她担忧：AI 正在把那种已经改变了出租车和外卖行业的不稳定平台劳动，带入知识工作。与此同时，她惊恐地看着同事们带着绝望般的感激，为晚上 7 点发布的开工通知欢呼。
“这些任务预计会持续多久？”一名劳动者在 Slack 里问。
“我也想知道，我想知道自己能不能睡觉。”
迟迟没有人答复，他们便互相交流起如何撑着不睡的办法。
时薪眨眼少了 24%
“没人知道发生了什么，所有人都很困惑。”
去年，Mercor 开始大举招聘时，把自己塑造成比此前那些平台更善待劳动者的选择。Mercor 首席执行官 Foody 在一档播客中批评竞争对手 Scale AI 时说：“拥有出色的人，并且对他们特别好，是这个市场里最重要的事情。”
那段时间加入的劳动者确实表示，自己受到的待遇不错：报酬比其他地方更高，管理他们的也不是行业里常见的不透明算法，而是真正的人类主管，有问题可以去问。
但曾在数据公司担任管理人员的人说，这些公司起步时往往都是如此：承诺更好的待遇，把劳动者从已有平台吸引过来。
随后，它们开始争夺八位数美元的合同。发放这些合同的，是批量采购数据的五六家 AI 公司。在这场竞争中，工作条件就会恶化。
在 Mercor，情况还多了一层复杂性：管理层主要是一群二十来岁、工作经验很少的年轻人，投资者却给了他们数亿美元，要求他们追求高速增长。
“我的经理只有 21 岁，我并不在乎。”真人秀制片人 Chris 说，“但他们从来没做过这种规模的工作。”
“你在 Slack 上寻求指导，很成熟、很清楚地解释情况，收到的回复却是一张翻白眼的柯基表情包，上面写着‘自行判断’。但实际意思是：‘你自行判断，搞砸了就滚蛋。’你读了哈佛，去年才毕业，面对一群人——其中很多都是经验丰富的专业人士——你给出的指导就是一张表情包？”
律师、设计师、制片人、写作者、科学家，所有人都在抱怨缺乏经验的管理人员。他们下达互相矛盾的指令，要求长时间工作，或者给所谓灵活的工作安排强制 Zoom 会议。他们还威胁说，动作太慢就会被移出项目。
这种威胁尤其令职业生涯中期的专业人士愤怒，因为他们觉得，自己二十来岁的老板几乎不了解他们正试图实现自动化的那些领域。
“创始人以‘996’为荣。”一位律师说。这个词源自中国，用来描述每周工作 72 小时的制度，与职业倦怠乃至自杀联系在一起，却被硅谷拿来当作一种令人向往的工作方式。
“你必须全天候能联系上。他们早上 6 点就开始不停地发消息，你最好马上行动，因为大家都觉得，不这么做就会被移出项目，由另一个人顶上。”
“不只是团队负责人年轻、项目经理年轻、高级项目经理年轻。连那些更高一级、负责整个项目的高级项目经理都很年轻。我猜这是从上面一路传下来的，毕竟创始人自己就年轻，对吧？”Lindsay 说。
她是一名五十多岁的平面设计师和插画师。在过去一年里，她 85% 的工作消失了，她认为原因是生成式 AI 的进步；之后，她来到了 Mercor。
她越来越急于找到工作，翻遍了招聘网站。看起来，唯一符合她专长的职位，都是让她帮助开发那种她认为摧毁了自己职业生涯的技术。“我咽下了憎恶，报名了。”她说。
最初，她做了一些平面设计数据生产的工作，后来受邀参加一个为 Meta 服务的项目：从 Instagram Reels 上找视频，给视频中的各种内容打标签。
工作很无聊，每小时 21 美元的报酬也算不上好，但 Lindsay 需要这笔钱。被加入项目 Slack 后她发现，另外大约 5000 人也一样。
11 月初，Mercor 的一位代表宣布，由于“工作范围变化”，Lindsay 参与的项目即将结束。此前，劳动者却被告知，项目会一直持续到年底。Lindsay 和其他数千人发现，自己被移出了公司的 Slack。
很快，一封邮件出现在他们的收件箱里，邀请他们加入一个名叫 Nova 的新项目，时薪 16 美元。
数千名劳动者涌入新的 Slack，才发现工作内容完全没变，报酬却少了 24%。Slack 频道被删得只剩两个，包括闲聊区、支持区和求助区在内的其他频道全部消失。大家互相发私信的功能也被关闭了。团队负责人一个都找不到。
无人可求助，劳动者只好在主频道里不断发出请求和愤怒的质问。
“没人知道发生了什么，所有人都很困惑。”Lindsay 说，“那个频道里的消息刷得飞快，完全乱成一团。‘求求你，帮帮忙。我该怎么办？我应该做什么？去哪里？现在能开始做任务吗？以前做过的测试，还得全都重新做一遍吗？’”
有人给客服发邮件求助，不知为什么，这封邮件被发给了项目里的一千多个人。大家抓住这个机会，开始点“回复全部”，表达自己的困惑与愤怒。
“那简直是一场大混战。”Lindsay 说，“没有别的词能形容。”
劳动者开始在 Mercor 的 Reddit 社区发帖抱怨，但帖子很快就被负责管理社区的 Mercor 代表删除。于是，两个未经公司认可的 Mercor 社区被创建出来，劳动者可以在那里自由表达这样的情绪：“这家公司就是一群小孩在管，他们迟早要付出代价。”
“这真的很让人难过。”Lindsay 说，“对这里的一些人来说，这真的决定了他们能不能养活家人。”
“我讨厌生成式 AI。”她补充道，“我觉得 AI 应该用来治疗癌症，用来探索太空，而不是用在创意行业。但我得付得起房租。然后，Mercor 这样的人又来这么一出，把你当成一只实验室里的小白鼠。我工作了这么多年，从来、从来没有被这样恶劣地对待过。”
让人一直等着。
工作断断续续、极端保密、突然解雇，是整个数据行业的常态。在 Surge AI 旗下名叫 Data Annotation Tech 的工作平台上，劳动者不仅经常被无缘无故终止合作，甚至常常根本没人告诉他们，自己已经被解雇了。
他们只是在某天登录后，发现仪表盘上的任务全空了。这种现象太普遍，人们干脆把它叫作“死亡仪表盘”。
去年，一名拥有神学硕士学位的得克萨斯州劳动者，正在教语音模型用恰当的情绪回应不同问题。例如，用户说自己的狗去世了，与用户请模型规划行程，应该使用不同的语气。
一天早上，他登录准备工作，却发现仪表盘空了。他把页面滚动到底部，想点击客服支持按钮，却发现按钮已经失效。他这才知道，自己被终止合作了。
他的脑海里飞快地闪过各种可能的原因：是工作得太多？还是质量下降了？他知道，自己永远不会得到答案。“我感觉自己被扔下，任由漂流。”他说。
他担心该怎么付账单、照顾生病的狗，先是变得抑郁，继而感到恐惧。他想到那些当教师的朋友，他们已经无法让学生自己动笔写作；也想到那些刚毕业的人，拿着如今似乎已经不值钱的计算机科学学位。
“这项技术让我们把一切都看作工具，看作可以拿来用的东西。”他说。在他看来，这也包括像他一样被丢弃的数据劳动者。他决心成为一名提供精神关怀的牧师，因为他觉得，无论 AI 带来什么样的未来，人们总会需要另一个人陪在身边。
这份工作时停时开的特点，并不只是企业文化造成的，也源于 AI 开发本身的节奏。
行业中不同的人都描述过这种模式：OpenAI 或 Anthropic 这样的模型开发商，发现自己的模型在化学方面能力不足，于是付钱给 Mercor 或 Scale AI 这样的数据供应商，让它们找化学专家生产数据。
化学专家们不断做任务，等数据量足够凑成一批交回实验室，工作就暂停，直到实验室看清这些数据对模型产生了什么影响。实验室也许会决定继续，但这一次，想要的数据类型又有了一点变化。
工作重启后，供应商发现，新指令让任务变得更耗时。此前报给实验室的成本估算因此不再成立。于是，供应商要么降薪，要么想办法让劳动者干得更快。
新一批数据交付，工作又暂停。也许实验室再次调整数据要求，或者发现数据已经够了，于是结束项目；又或者干脆换一家供应商。也许实验室现在只想要有机化学专家，所有不具备相关背景的人都被移出项目。再往后，需求可能变成生物学数据、建筑草图，或者从小学到高中的课程大纲设计。
为了竞争，数据公司会把一切安排成这样：始终有人随时待命，同时保留随时甩掉他们的自由。“每家供应商都会有某种安排，实质上就是不对人们作出真正的承诺。”一家大型数据公司的资深员工说。
这些变化，公司自己通常也得不到多少提前通知。有时是因为 AI 开发商一开始就不确定自己到底需要什么数据，有时则是因为它们正在货比三家，寻找最划算的交易。
“他们想让我们蒙在鼓里，”这名员工继续说，“所以我们也就不可避免地让数据贡献者蒙在鼓里。然后，一笔采购泡汤了，你培训过、建立起关系的上千个人就会说：‘他妈的，怎么回事？为什么没活了？’从运营者的角度，这种感觉也很糟糕，但显然，对他们来说要糟糕得多。”
位于这条供应链底端的劳动者，身处极度不稳定、竞争极其激烈的环境之中。尤其是那些严格的保密协议，让他们无法积累任何能延续到某个项目之外的资历或关系。
“所有权力都在一边，因为他们不能谈论自己的工作。”战略与运营高管 Matthew McMullen 说。自 2010 年代中期的自动驾驶热潮以来，他一直在这个行业工作。
“你无法在市场上利用自己的经验，而实验室从中获益。这种沉默，就像是它们的定价权。正是这种沉默，让它们能够从人们那里提取海量信息，却不给人们反对、组织工会或者自己开公司的力量。只要这些评估人员无法证明自己做过什么，就无法要求得到与自身价值相匹配的报酬。”
“人们提出要求的唯一办法，就是证明自己能继续顶上，接下更多工作。他们唯一拥有的力量，就是继续干下去，重新回到队伍里排队。”
他们也确实只能这么做。Mercor 的一个项目结束时，管理人员往往会贴出平台上其他项目的链接，鼓励大家申请。
“但又是几千个人一起申请，所以你就像把申请扔进一个洞里，然后盼着在某个不知道什么时候的时刻收到回复。”Katya 说。等待期间，劳动者又去注册 Handshake、Micro1、Alignerr，或者其他不断涌现的数据供应商平台。
这些公司一直在招人。和 Mercor 一样，许多公司使用 AI 面试官和自动化评估，因此没有动力限制面试数量。Mercor 提供数百美元的推荐奖金，让一些人如此卖力地推广公司，以至于多个 Reddit 社区已经禁止提及它。
Katya 申请了几十份工作，拿到了三份。这样的比例并不罕见。
公司也不需要承担超额招聘的成本。由于劳动者名义上是独立承包人，公司不必为他们提供带薪休假、休息时间、医疗保障、加班费或失业福利。
让这些人一直等着，不花公司一分钱。经过审核、等待开工的人越多，就越能确保他们会迅速抢在别人前面完成任务。所有这些因素叠加，形成了一种安排：雇主可以像拧水龙头一样，随时打开或关闭劳动力的供给。
（回应采访时，Mercor 发言人 Heidi Hagberg 表示：“这种工作的性质是以项目为基础的合同工作，这意味着它可以在任何时候延期、暂停或结束，尤其是当客户的项目范围和需求发生变化时。”她还说，许多劳动者的抱怨“集中在把项目制工作当成全职工作来期待，两者之间存在错位”。）
这一切终将消逝。
如果你动作够快、运气够好，恰好拥有所需的专业技能组合，还能一直满足各个平台独特而神秘的生产力指标，就能挣到不错的钱。我采访过一名每月赚 1 万美元的剧作家，也采访过一名多才多艺的化学专家；后者在不同时期，接到过为 AI 示范扑克玩法和唱歌的零工。
但即便如此，也无法摆脱一种感觉：这一切终将消逝。
因为生产训练数据，就意味着正在促成自己的过时。即使从事数据工作的人数继续增加，每一份具体的零工，也只会持续到机器成功模仿它为止。人要花很多年才能掌握专业知识，而迟早，他们将不再有技能可以出售。
一名拥有语言学硕士学位的劳动者，曾连续一年接到稳定的评分细则编写工作。但到了 2025 年底，他发现，想难倒模型正变得越来越难。无论他问多么冷门的理论，或者哪种原住民语言，模型都能找到正确的论文。过去，他每周可以交出三四份评分细则，现在，能交出一份就算走运。
项目上的其他人也都经历着同样的变化，所以项目结束时，他并不意外。他们的专业知识已经被提取走了。
过去，他总能找到一份新零工，但现在环顾四周，看到的招聘需求只剩医学专家、人力资源经理和教师。他已经五个月没有工作，也不知道接下来该怎么办。
“还不如网约车司机”
这些平台让人想起十年前的 Uber 和 Lyft。但从某些方面看，这些劳动者的处境更糟：即便拥有高学历，他们也更容易被替代。
即便有人讨论如何从政策上应对 AI 自动化，讨论的重点也大多是：当 AI 让大批职业失去存在价值时，该怎么办。也许这种情况确实会发生，但还有另一种可能：特定任务被自动化，人类则被重新分配到生产流程的其他部分，有的人修改质量平平的 AI 输出，有的人编写评分细则来改善它。
这类工作中的很大一部分，天然就是间歇性的，也就是说，它们将由独立承包人来完成，而现行法规几乎完全没有保护这些劳动者。
研究自动化问题的麻省理工学院经济学教授 Daron Acemoglu，把这种处境比作织工的遭遇。工业革命之前，织工“就像劳动者中的贵族”。他们是自雇的手艺人，可以掌控自己的时间。
后来织布机出现。为了生存，他们被迫进入工厂，在管理人员的严密监督下，工作更久，收入更少。
问题并不只是技术抢走了他们的工作，而是技术催生了一种新的劳动组织方式，把所有权力都交到了资本所有者手中。资本所有者让工作变成一场噩梦，直到劳动者组织起来、监管设下界限，这种局面才受到约束。
早期的劳资冲突已经开始出现，主要发生在加利福尼亚州；在如何认定平台劳动者的用工身份方面，加州的规则属于最严格的一类。过去六个月里，Mercor 遭到了三起集体诉讼。（此前，Surge AI 和 Scale AI 也遭遇过类似诉讼，Scale AI 正在和解。）
这些诉讼都指控公司对劳动者实施了“极大程度的控制”，却错误地把他们归类为独立承包人。这是“一种全新的工作”，需要由公司培训，而且只能在公司平台上完成。
劳动者对自己究竟在做什么知之甚少。去年 12 月提起的一宗诉讼指称，一名劳动者接受 Mercor 的一个项目后，才被要求录下自己朗读露骨性描写脚本的声音。等他发现任务内容，如果中途退出，又可能遭到账号停用，迫使他“在拿到报酬与遭受羞辱之间作出选择”。
Clarkson 律师事务所合伙人 Glenn Danas 说，这些公司让人想起十年前的 Uber 和 Lyft。他所在的律所正在起诉 Mercor 和其他几家数据平台。但从某些方面看，这些劳动者的处境更糟：即便拥有高学历，他们也更容易被替代。
Uber 司机必须身处某座城市，才能在那里工作，因此他们可以在当地组织起来，推动监管。如果数据劳动者也这样做，公司却可以直接到别的地方招人，那里的人愿意接受更低的报酬。
Mercor 把 Meta 项目的时薪降到 16 美元时，已经低于加州和其他一些州的最低工资标准，但这些地方的劳动者依然继续工作，因为他们需要这笔钱。
至少有一名主管承认了这一点，在 Slack 上写道：“虽然我们不会主动在最低工资高于项目时薪的州招聘，但如果你已经在这个项目上工作，并愿意接受每小时 16 美元的报酬，我们希望让你能够继续。”
Acemoglu 说，公司可以让劳动者彼此竞争，逼得每个人都抢着出售自己的数据，以免别人先以更低的价格卖出去。如果这种局面形成，整个职业群体都可能陷入类似的逐底竞争。
“我们或许也需要类似工会的组织，实行某种形式的集体所有权，防止大公司用简单的分而治之策略压低数据价格。”他说，“如果没有适合这种数据经济的法律基础，许多生产数据的人就会报酬不足；用一个更有分量的词来说，就是受到剥削。”
Katya 也是受邀加入时薪 16 美元的 Nova 项目的数千人之一。如此低的报酬让她震惊。“我觉得那是 Mercor 的一次实验，看看在不损害所获取数据的前提下，究竟能把报酬压到多低。”她说。
她主要参与的那个项目已经暂停了好几个星期，可能明天就恢复，也可能再也不会恢复。
最终，她决定，这点钱不值得。她申请了当地一家咖啡店的工作。这并不是她读研究生时想象的职业转型；她只是希望，做咖啡师会更稳定一些。
“至少，在咖啡店拿最低工资，你还能有几个朋友可以说说话，有个至少会假装关心你的老板。你会有某种保障，知道自己每周的工时会是什么样。”她说。
但这时可信的股票抵押融资，她听见手机叮了一声。她的一个项目又开工了。
文章为作者独立观点，不代表联华证券-专业炒股配资门户-炒股交易软件观点
- 上一篇：莆田股票配资 69岁老母亲的24㎡小宅，服了！
- 下一篇：没有了
