AI训练师的悲歌：时薪120美元，却亲手喂养取代自己的“AI怪兽”？

邵逸凡从普华永道离职后，收到一封看似完美的兼职邀约：时薪120美元，远程办公，时间自由。工作内容是“给AI出题”——不是让它答对，而是故意让它答错，再一步步教它如何像年薪百万的“资深职场人”那样做咨询。

面对高薪与自由，她却给出惊人评价：“在喂AI数据时，我不是牛马，而是牛马饲料。”

被AI取代之前，打工人正牺牲自己供养AI？

问题究竟出在哪？邵逸凡很快发现，要真正难住AI，光靠编数据远远不够。不能抄袭，也不能用网上公开案例，这实际在暗示：你必须把自己真实的项目经验喂给它。平台甚至会直接问：“是否愿意在隐去客户信息后，提供你过去的项目报告和模型？”但这些资料，是她和团队熬夜数月的心血，也是客户花几百万买断的资产。

最关键的是，看似丰厚的时薪，更像是对你过往经验的一次性“买断费”。她注意到，数据标注项目往往初期任务不断，但一旦连续工作十几个小时，任务就会消失，“AI需要你源源不断的经验，一旦你枯竭，它就不再分配新任务”。

因此她说：“喂AI数据时，我不是牛马，而是牛马饲料。AI吃完这些饲料，变成更强更不知疲倦的牛马，然后取代我。”

她拒绝了这份工作，但评论区却说，“最可怕的是，只要钱到位，你不干，总有人干”。

打工人现状如同“被骗了还帮人数钱”——被AI取代不是最惨，最惨的是燃烧职业生涯喂饱AI，再被无情踹开。

如今人们逐渐意识到，AI之所以无所不能，并非天生，而是一路被人“教”出来的。这些“老师”有个高级头衔：人工智能训练师。

自2020年起，“人工智能训练师”被纳入国家职业分类，其中基础却不可或缺的工作正是“数据标注”。报告显示，未来五年中国数据标注人才缺口或达百万。

数据标注，就是对文本、图像、音频等原始数据进行分类、标记，将人类模糊暧昧的经验，拆解成机器能理解的结构。最简单的例子，就像教AI识别验证码中的猫狗。

普通人从启蒙到大学毕业要十八年；AI从“啥都不懂”到能写论文、做咨询，可能只需一年。

随之水涨船高的，是对“老师”的要求——从“会上网就行”到“985硕士+金融/医学/法律等专业背景”。

“以前开玩笑说被裁了就干数据标注；现在发现，可能连门槛都够不上了。”

如今门槛有多卷？某“模型专家项目”招聘时薪100-400元，要求媲美大厂社招：985硕士、高壁垒专业、2年以上经验。

负责多家头部企业标注招聘的HR证实，近两年标注岗要求不断提高。早期高中/专科即可，今年本科及以上占比超一半，通过率仅约二进一。

为探清入行门槛，氢商业编辑在众包平台注册。正式接单前，需上传完整简历、选细分方向、通过专业测试。

以媒体方向为例，准入考试难度几乎对标高考语文。

这里你既是考生也是老师。一小时需完成约20题，不能AI辅助、不能复制粘贴，全凭手打，节奏紧凑。

考试分两部分：第一部分当阅卷老师——对比两个模型回答，判断优劣并说明原因，需考量文体、立意、逻辑；第二部分当出题老师——原创一道难题，要求“难度超过国内模型当前水平”，让AI得分低于40分。

出题人不仅要写参考答案或考点，还要将题投喂给两个模型，对比打分，像一对一辅导老师那样教会它们“错在哪”。

整个过程，平台反复强调「真实」：真实问题、情景、需求、经验。

因为真实数据最稀缺、最昂贵。专家型AI训练师，正是获取这类数据的“捷径”。

为此，OpenAI曾向至少300名医学、法律等专家“取经”，报酬100美元/小时，每个问题平均两小时。

从成本看，专家型标注员成本远低于模型出错代价：自动驾驶漏标行人可能让千万路测白费，法律合同理解偏差或引发上亿诉讼。

效率提升更明显：花两倍价钱雇一人，能让他干四人活。比如医学博士判读CT远超普通标注员，还能优化标准体系。

标注工作也在升级，从判断题到修改题再到示范课，从评估正确性到完整呈现专家决策过程。

国内大厂也走相似路径：阿里晓天睿士、腾讯AI Expert、字节Xpert，纷纷打出“专家标注，驱动AI进化”旗号。

不只兼职，正式岗薪资也可观。字节给AI训练岗开出月薪2-4万、15薪，小红书也对“AI标注产品”岗开2-4万、16薪。

一时间，求职博主纷纷号召“文科生大胆投AI”，各类速成班应运而生。

AI热下，数据标注被描绘成文科生转行AI的跳板，最常提的例子是小红书与复旦合作录用哲学博士。

“月薪三万，文科友好，但这一切真像听上去那么‘自由而有用’吗？”

高级牛马，正在成为AI饲料？

“数据标注不值得”——一边是培训招募如火如荼，一边是劝退避雷大张旗鼓。

太多的Dirty work是首要原因。宣传里，AI训练师是教机器理解人类；现实中，它是高度工业化的数据流水线。

复旦小亚告诉媒体，当用户说“失恋了想去旅行”，未经训练的AI只会甩路线价格，而AI人文训练师要教它像闺蜜一样先安抚情绪，再推荐能大哭的海边。听起来高级，但执行极其消耗：7小时下50-100条指令，每条常要生成六七次才能选出一个“像人说的”。

挫败感还源于产业链弱势地位。985硕士刘到闲在大厂做AI训练师，自嘲像“包工头”，承接需求负责交付，缺乏创造性，数据质量有问题时，专业判断常被忽视，反而替模型背锅。

钱也可能没想象的多。拿到兼职前，常要经历免费试标，可能只是一场低成本数据采集。

真正拿offer的人不多，而被骗稿、被扣钱、被以“质量不达标”拒付报酬的经历却频频发生。

即便上岗，工作界面自带计时器，实时监测屏幕，带薪摸鱼几乎不存在。

不同项目报价差异大，基础兼职日薪百元到几百元，正式岗低于同级别技术岗。

问题不在于数据标注不重要，而在于它缺乏技术壁垒。每条数据像玩偶的一针一线，难以单独识别价值，重复劳动难沉淀不可替代能力，议价空间被压缩。

真正让人不安的是职业前景。训练师一边工作，一边怀揣“教会徒弟，饿死老师”的不安，担心自己是AI进化的一次性耗材。

更残酷的是，训练师亲手训练的“替代者”正逐步上场。训练师Jackson告诉媒体，在一些成熟文本模型中，AI合成数据已替代80%人工标注。

行业在向上狂奔，同时冷静清退早期“基建者”。过去数据标注为农村妇女、残障人士带来就业，如今这些基础岗位在消失。贵州某数据基地，原本担任标注主力的“妈妈工人”比例被要求降到25%以下。

同时，AI数据公司的商业模式放大职业脆弱性。2024年以来，大模型走过“堆量训练”阶段，标注边际收益递减。

高端标注成重点，但客户群体狭窄，围着几家头部大模型公司转，一旦客户更换供应商或自建团队，订单缩水。行业无护城河：业务同质化，需求零散，经验难复用，流失率高。

但没有门槛的另一面是“谁都能入场”，新玩家有机会，仍有年轻公司缔造财富神话。

2025年6月，扎克伯格143亿美元收购Scale AI，28岁创始人成百亿富豪；给邵逸凡发邮件的Mercor估值百亿美元，23岁创始人Brendan Foody。

Brendan解释生意逻辑：传统行业不愿把数据给AI公司自动化核心工作，于是他高薪吸引这些企业前员工，榨干经验训练AI。他相信，任何企业无法拒绝又专业又便宜又孜孜不倦的AI牛马。他设想未来ChatGPT将胜过最好咨询公司、投行和律所。

Mercor官网印着口号——“塑造未来的工作”。

这场“未来工作”的重塑正不可逆地进行。问题在于，这套新体系里，人类究竟是长期合作者，还是一次性耗材？

至少此刻，在点击“提交答案”时，人类仍要为判断负责。只是，没人能确定这个位置还能维持多久。

参考资料： 

1.AI故事计划，《我，文科生，教AI回答没有标准答案的问题》，2025.05 

2.Vista看天下，《这届文科生抢疯的“顶级offer”，“年薪40万，教AI说情话”》，2026.07 

3.财经天下WEEKLY，《月薪3万文科友好，“AI训练师”真有那么赚？》，2025.05 

4.定焦One，《给AI打工的人，迷失在数据标注里》，2025.06 

5.镜相工作室，《985硕士进厂做数据标注，自嘲像个「包工头」》，2025.02 

6.冷杉RECORD，《AI标注流水线上，被抛弃的“妈妈工人”》，2024.04 

7.吴晓波频道，《时薪上千，大模型公司抢985文科生给AI当老师》，2025.12 

8.星途旗航，《数据标注：AI产业的“核心基建”》，2025.12