本文来自微信公众号： Fast Company中文版 ，作者：Stokel-Walker，原文标题：《最聪明的人，正在亲手训练取代自己的 AI》
世界上最聪明的人，正把自己训练成可被取代的人，而且乐在其中。
那是九月的一个凌晨，大约1点30分，Lazaros-Antonios Chatzilazarou收到了一条领英消息。他正熬夜打电子游戏——这是他在攻读博弈论博士学位、同时兼顾安永（EY）的工作和伦敦政治经济学院教职之余，允许自己享受的一点放纵。他暂停游戏，打开领英，读那条消息。
消息来自一位为Mercor工作的招聘人员。Mercor是一家三年前成立、总部位于旧金山的AI训练公司。消息说，Mercor正在寻找博弈论专家，问他有没有感兴趣。
Chatzilazarou觉得值得了解一下。于是他回复了“有”，关掉游戏，几天后参加了Mercor的在线技能评估。一周后，他开始为Mercor合作的主要实验室训练AI系统。这是一份副业，让他开发提示词，测试AI模型如何应用博弈论，然后给它们的回答打分。每周的工作内容都不一样，但他说Mercor给的工作量可能相当于一份全职工作。虽然他不愿透露具体收入，但Chatzilazarou说这是“一份非常有竞争力的薪水，我对此非常满意”。
Chatzilazarou属于一支新兴且快速增长的白领零工劳动力群体，从事着三年前几乎不存在的工作：运用学术和行业专长，探查最先进的AI模型，找出它们失败的地方，并教它们表现得更好。但这样做，有些人担心，这些工作者最终可能让自己变得多余。
随着前沿实验室竞相构建具备领域专长的模型，像Mercor这样的初创公司已成为不可或缺的中间人，提供它们所需的专业人才。Scale AI是这个领域的主要老牌玩家，运营着承包商网络Outlier，其网站邀请潜在工作者“成为AI从中学习的专家”。另一家AI服务公司Turing则有视频内容创作者的岗位，要求在公共场所拍摄简短的“边走边聊”片段，自然地谈论公园、地标和文化景点。
根据岗位描述，目标是训练AI系统更好地理解和描述世界，但这同样可以用来描述一位旅行YouTuber的工作。伦敦初创公司Ethos于5月从Andreessen Horowitz融资2275万美元，打造一个以语音为基础的专家网络，由AI面试和评估潜在专家。它自己的说法是，AI实验室正在“把一支巨大的资本之枪对准世界上每一个有经济价值的职业”。
Wirestock多年来帮助摄影师授权库存图片，2023年将业务转向AI数据供应，并于5月从包括Sheryl Sandberg风投基金在内的投资者名单中融资2300万美元。它现在声称拥有超过70万创作者，并将自己定位为一种让艺术家将自己的手艺变现、而不是眼看它被免费抓取的方式。这些工作可能涉及执行照片编辑或设计任务，让AI系统看到什么发生了变化以及如何变化。AI训练甚至正在进入你的厨房：一家名为Shift的初创公司正在向纽约市民提供免费家庭保洁，条件是允许保洁员佩戴固定摄像头，为具身AI系统创建训练数据。
学术好奇心，以及参与一项改变世界的技术的渴望，是吸引Chatzilazarou从事这份工作的原因。我交谈过的另外六位从事类似训练工作的专业人士也表达了同样的观点。（钱当然也不无关系。）正如Chatzilazarou所说，如果Christopher Nolan提出给你展示他是如何拍摄《星际穿越》的，你会答应，哪怕你从未踏入过电影院。
那些被招募的人，包括医生、律师、银行家、研究数学家，似乎很少思考这对他们未来的影响。他们的工作，正是AI最常被说成会威胁到的那类。国际货币基金组织曾表示，生成式AI将触及全球约40%的岗位（在发达国家高达60%），包括白领行业。从这个角度看，专家训练AI有点像火鸡为感恩节投票。他们交给模型的每一个问题，他们帮助它弥补的每一个盲点，都让机器更有能力在没有他们的情况下工作；而花费整个职业生涯获得的专长，变得更容易按小时雇佣，或者最终根本不需要雇佣。
2025年10月，三位前高中辩论搭档成为世界上最年轻的白手起家亿万富翁，比Mark Zuckerberg早大约一年赚到第一个十亿。Brendan Foody、Adarsh Hiremath和Surya Midha，当时都22岁，都是大学辍学生，他们创立了Mercor，一家估值100亿美元的AI训练公司，押注于一件事：实验室会为人类专长付出高价。
他们赌对了。Mercor首席执行官Foody说，公司现在每天向其名册上的专家支付高达500万美元。根据美国劳工统计局的数据，平均时薪约为125美元，大致相当于一名医生，几乎是普通高管的两倍。Foody说，Mercor名下有超过10万人，包括软件工程师、科学家、建筑师、电影摄影师等。即便有这么多世界级专家，也不够Mercor合作的AI实验室使用。Foody说，需求是公司供应能力的三到四倍。
AI训练并不一直如此。从历史上看，这个行业曾经依赖非洲和亚洲经济欠发达国家数百万低薪的合同工。外包公司让他们在停车标志上画框，给猫和狗的照片打标签，训练系统区分两者，以及，在最糟糕的层面，观看并描述难以想象的恐怖血腥视频，以训练AI模型不复制它们，或拒绝与它们互动的请求。
那个时代的工作，本质上就是日复一日地机械标注，比如一遍又一遍地框出“这是手肘、这是手肘”。，Lauren Vogel说。她是法医心理学博士，在AI训练公司Surge AI担任数据运营和项目管理专家。这份工作被商品化，报酬低廉，与其说是“训练”，不如说是“AI数据标注”。
Edwin Chen于2020年创立Surge AI，在没有接受风险投资的情况下自力更生，将其发展到超过10亿美元的收入。他对“数据标注”这个词感到不满。他说，他从一开始的愿景就是“我们应该利用人类大脑的全部力量来训练AI”，但是一种特定的AI，有朝一日可能帮助治愈癌症或发表突破性数学成果，而不是画矩形。据报道，Surge估值在150亿至250亿美元之间，客户包括OpenAI、Google、Anthropic和Meta。Chen更愿意将其“数十万”零工工作者的网络，视为挑战学生思维方式的专家教师，在这里学生就是AI。该公司称这些工作者获得了有竞争力的报酬。
图片来源：Inc.com
AI零工工作者大致分为三个阵营。有些人感到一种更高的使命：一位在急诊室工作了二十年的医生，可能希望模型给出更好的医疗建议，因为他知道患者越来越多地在走进急诊室之前先求助于ChatGPT。也有些专业人士感到AI正在重塑他们的领域，想从内部理解它，趁它还没有重塑自己之前。一些人看到了用已有知识实现收入多元化的机会。Sessini说，大多数人的动机是这三者的混合。
Luca Sessini一位通过Mercor做合同的意大利律师，他见证了这些新AI训练公司的兴起，先是作为训练模型的人，然后成为围绕它冒泡的生态系统的中心人物。他运营着一个论坛，面向想进入AI训练领域的人，还有自己的建议平台Aitrainingjobs.it。“关于公司、项目机会和薪酬水平，当时严重缺乏可用信息，”他说，他从事的法律工作报酬起薪约为每小时80美元。
Stefanos Aretakis是多伦多大学一位终身广义相对论研究员，有一个黑洞现象以他的名字命名。他对自己为Surge AI训练AI模型解决数学难题的工作持务实态度。AI已经来了，为它的发展做贡献是“一种责任，而不是我为了好玩才做的事”，他说。他的部分任务是发明数学奥林匹克风格和研究级别的、模型尚无法解决的问题，然后教它们如何解决。
Arshom Foroutan是一位医生，大约一年前刚完成住院医师培训就加入了Mercor。他喜欢这份训练工作让他以日常工作所没有的方式解决问题，也喜欢报酬。这大约相当于他作为医生的收入，如果全职做，可能使他的收入翻倍，不过他目前没有全职做。他的任务是构建足够棘手的临床场景，让模型失败，然后纠正它。他指出，医学充满细微差别和相互竞争的变量，教科书案例里没有这些。而这正是那些在教科书上训练出来的机器会失足的地方。
Foroutan和Aretakis都不特别担心，他们围绕主业零星工作几小时获得的短期金钱收益，可能导致长期的失业。Foroutan认为AI会扩大他能提供的照护量，而不是关闭他的职业。Aretakis说，教学的意义“在于我的学生变得比我更好”。如果一个AI模型成为比他更好的数学家，整个社会就继承了一位杰出的导师。
Mercor的Foody同意这种说法，他说，自动化摧毁工作的恐惧只是19世纪初卢德分子的现代版本。“卢德分子的假设并不正确，”他说，“因为作为一个经济体，我们能做的事情并不短缺。”Foody坚持认为，在5到10年的视野内，“工作只会比今天更多”。
用人类专长换取AI能力，这笔交易值得吗？这个问题不仅仅是潜在的工作流失；而是一整个经济体正在被建立起来，去依赖一种在设计上就向后看的技术。牛津大学人工智能伦理研究所的哲学副教授Carissa Véliz担心，训练AI变得更好会鼓励我们接受“足够好，而不是雄心勃勃、重视尽可能最好的产品”。我们最终会在真实甚至美感都重要的领域，用卓越换取生产力。她警告说，一种建立在预测之上的技术，倾向于重复过去，压缩人的能动性，也压缩真正创新的空间。
与此同时，尽管有那么多关于更高使命的谈论，这份工作对每个人来说都不充实，甚至报酬也不可靠。对于响应公开招募而非因专长被招募的通才承包商来说，这笔交易更不稳定。在Reddit的远程工作论坛，以及由意大利律师Sessini等人运营的社区中，声称“AI训练工作是骗局”的帖子数不胜数。许多投诉遵循相似的模式，发帖人分享关于冗长无偿“评估”的血泪故事，这些评估看起来可疑地像免费劳动；面试毫无结果；或者平台账户在数千美元收入被支付之前就被停用。在消费者评论平台Trustpilot上，一位AI训练公司的员工描述自己因未经证实的欺诈指控被封号，尚有价值3000美元的工作未获报酬。
即便处于领域顶端的工作者，也想知道他们能领先自己所教的东西多久。Bogdan Grechuk是莱斯特大学的数学家，为Surge训练AI系统，也曾被竞争对手Epoch AI接触。由于AI，他目睹了自己脚下的地面在移动。他会设计一个他确信两年内没有模型能破解的问题，把它喂给最新版本的ChatGPT，然后看着它在半小时内返回答案。他认为，像他这样的专家，是受雇站在机器能力的边缘，而边缘不断向他们移动。
未来几年，可能会有更多人站在那个边缘。Foody预计Mercor的承包商名册将从数十万增加到数亿。“如果我必须把事态向前推演10年，”他说，“经济中的大多数工作都将在很大程度上以某种形式训练代理。”在那个未来世界里，专家们将一直有价值，直到有一天他们再也无法提出一个自己的AI学生回答不了的问题。
至少一些专家对这一前景持乐观态度。我们以前经历过类似的剧变，黑洞研究员Aretakis说。以前的巨大技术变革仍然让大量人每天工作12小时，每年休两周假，几乎见不到孩子。如果这些工具能通过外包繁重工作来消除其中一部分，为工作者腾出更多时间，那么被自己的学生超越，是他乐意付出的代价。他说，即便为那个未来做出微小的贡献，也会让他“非常乐意去做”。他希望的结果是一个“人类变得更像人”的世界。
这是一个充满希望的想法。但无论专家们最终是变得富有还是被抛弃，无论我们其他人发现自己的工作生活是变轻松了还是被掏空了，有一件事已经确定。那些把别人的专长卖给实验室的创始人，Foody和他的同行们，将在边缘越过他们雇佣的每一个人很久之后，依然舒舒服服地坐着。