深夜的灯光下,一群身影俯身于屏幕前,指尖在键盘上敲击出单调的节奏。他们不是程序员,也不是数据分析师,而是数据标注员——数字时代最庞大的隐形 workforce。他们的工作是将海量的图像、文本、语音打上标签:框出图片里的行人,标记文本中的情绪,分割视频中的物体。这些看似机械的劳动,实则是人工智能的“认知母乳”。每一张被精准标注的图片,都让自动驾驶汽车多一分识别能力;每一条被分类的评论,都让推荐算法更懂人心。 这些工人散落在全球各地的共享办公空间、家庭书房,甚至偏远小镇的网咖里。他们中有人为补贴家用,有人视其为过渡,也有人在这里找到了某种存在感——通过处理千万条数据,他们模糊地感知着世界的轮廓。但很少人真正理解,自己标注的“行人”可能训练出监控系统,自己分类的“负面评论”可能固化社会偏见。数据如流水般穿过他们的双手,流向科技公司的服务器,最终凝结成我们日常使用的智能服务。而他们,往往拿着按件计费的微薄报酬, anonymity 在“数据加工”的模糊职位描述里。 更深刻的悖论在于:数据工人用劳动赋予机器“看”世界的能力,自己却活在算法的阴影中。平台用算法分配任务、评估效率、控制节奏,他们的劳动过程被进一步数据化监控。当AI开始模仿人类的判断,这些最初教会AI“何为人”的人,反而最先被剥夺了劳动的主体性。他们的现实,成了数据链条上最易磨损的一环。 我们谈论元宇宙、大模型、智能革命时,常忘记所有“智能”都始于最原始的标记。这些看不见的工人,像数字时代的矿工,挖掘着信息洪流中的“意义矿石”,却很少分享到技术红利的矿藏。他们的存在提醒我们:任何塑造现实的宏大叙事,都离不开最基层的、具体的人。当我们在手机上滑动由算法推荐的内容时,不妨片刻沉思——那些在数据深渊中默默点灯的人,他们标注的不只是信息,更是我们共同未来的底色。他们值得被看见,不仅作为“数据”,更作为有温度、有诉求的劳动者。