AI背后的隐形力量：那些支撑智能时代的人与劳动

最近两年，AI几乎渗透到各行各业的讨论中。

我们借助AI撰写文稿、制作演示文稿、生成图像、剪辑视频、处理数据、响应客户需求。它日益呈现出一种“自动化产能”的面貌：仅需输入一条指令，屏幕另一端便会即时输出结果。

然而《投喂AI：人工智能产业的全球底层工人纪实》这部著作向我们揭示：AI并非凭空崛起。它并非一台完全自主运行的装置，而是由资本、数据、平台、工程师、外包服务商以及众多不可见的劳动者共同构建的全球产业生态。

该书英文原名为Feeding the Machine: The Hidden Human Labor Powering A.I.，作者James Muldoon、Mark Graham与Callum Cant长期专注于数字劳动与平台经济领域的研究。

此书于2024年问世，核心聚焦于AI产业链中长期被忽略的人工环节，涵盖数据标注、内容审查、仓储自动化、语音采集、图像归类、模型训练等方面。

它抛出了一个关键命题：

当AI被塑造为“智能变革”时，我们是否也应关注那些隐匿于机器背后的人？

许多人对AI最普遍的误解，是认为AI的发展意味着“人”的边缘化。

事实上，AI产业并非一个完全自动化的世界。恰恰相反，越是看似智能的系统，其背后往往越依赖于海量的人工投入。

无人驾驶车辆要辨别交通信号灯、行人、道路标识、行车线道，这背后需要众多人员为图像添加标注；

大型语言模型要降低错误率、过滤暴力与不良内容，这背后需要大量人员执行内容审查与结果反馈；

AI绘图、AI语音、AI视频要更贴近现实世界，同样需要无数人的创作、音视频素材、图片、文本及行为数据作为训练基底。

书中最具影响力的观点之一，是打破“AI自然生成智能”的迷思。

AI并非单纯由算法、芯片和算力堆砌而成。它更像一条庞大的全球供应链：上游涵盖数据、能源、芯片与云计算，中游是模型训练与平台分发，下游则是分布在全球各地的使用者与劳动者。

只是，在这套供应链中，最底层、最分散、最脆弱的一群人，往往最难进入公众视野。

《投喂AI》最具冲击力之处，并非技术层面的剖析，而是将镜头聚焦于具体的人。

他们可能是东非的数据标注员，日复一日地为图片、文本和视频进行归类；

他们可能是内容审查员，每日直面暴力、仇恨、色情、血腥与极端内容；

他们可能是仓储工人，在所谓“智能调度系统”的操控下，以更高强度完成拣货、搬运与打包任务；

他们也可能是配音演员、插画师、文字工作者，在不知情或难以抗争的情况下，发现自己的作品和声音被用于训练模型，并反过来成为自己的竞争者。

《卫报》在采访三位作者时提到，这本书源于他们在肯尼亚、乌干达等地区的田野调查，聚焦全球南部数据标注员的工作状态；报道还指出，部分数据标注工人收入微薄、合同缺乏稳定性，且工作环境堪忧。

这促使我们重新审视“AI降本增效”这一说法。

从企业层面看，AI确实可能降低成本、提升效率。但从产业链底层审视，所谓“降本”，有时只是将成本转嫁给更弱势、更分散、更难发出声音的群体。

这并非否定AI本身的价值，而是提醒我们不能只看到AI带来的便利与增长，也应关注增长背后的成本由谁承担。

过去我们探讨AI，最常提出的问题是：

AI是否会取代我的岗位？

哪些职业最容易被淘汰？

普通人应如何学习AI技能？

这些问题固然重要，但《投喂AI》提出了更为深刻的命题：

AI并非简单替代人类，而是在重新塑造人类劳动的形态。

在许多应用场景中，AI并非让工作消失，而是使工作更加碎片化、外包化、平台化和隐蔽化。

例如，

过去一位创作者可能拥有完整的创作流程和议价能力；但在AI时代，他的作品可能被拆解为训练数据的组成部分。

过去一位仓储工人按照人的节奏工作；但在算法系统下，他可能受到实时监控、实时评分、实时调度。

过去一项服务由完整团队完成；现在可能被拆分成大量微任务，分发给全球不同地区的低成本劳动力。

这意味着，AI对劳动市场的影响，并非仅是“消灭工作”，而是改变工作的结构、价值分配和议价权。

少数掌控算力、模型、平台和资本的人，可能获得更大的规模效应；大量提供数据、反馈、标注、审查和边缘劳动的人，则可能被进一步压低价格。

这也是该书将AI称为“提取机器”的原因——它不仅提取数据，也提取劳动、注意力、创意、能源和社会资源。

Kirkus Reviews对该书的评论也指出，作者将AI置于人类劳动、海底电缆、数据存储能源等具体物质条件中分析，并将其视为可能加剧既有全球不平等结构的“提取机器”。

许多科技叙事告诉我们：技术本身是中立的，关键在于人如何运用。

这句话有一定道理，但并不全面。

因为任何技术都不是在真空中诞生的。技术背后必然存在资本结构、商业模式、监管环境、劳动关系和权力分配。

同样是AI，

它可以帮助医生更快速识别病灶，也可能让内容审查员长期暴露在创伤性信息中；它可以帮助中小企业降低运营成本，也可能让平台进一步集中资源和流量；它可以帮助普通人提升生产力，也可能让大量创作者失去作品定价权。

因此，真正需要探讨的，不是“AI好不好”，而是：

谁掌控AI？

谁训练AI？

谁从AI中获益？

谁承担AI的成本？

谁拥有对AI规则的解释权和修改权？

这才是《投喂AI》真正希望读者关注的核心。AI不是单纯的工具，而是一套新兴的产业秩序。它不仅改变工作效率，也改变财富分配格局。

阅读这本书的意义，不仅在于了解科技伦理。更重要的是，它提醒我们：AI带来的并非单一机遇，而是一场更为复杂的结构性分化。

首先，AI将持续推高头部平台和基础设施公司的价值。算力、芯片、云服务、模型、数据中心、电力系统、网络基础设施，都将成为AI时代的核心资产。

其次，AI也将加速传统行业的效率重构。金融、法律、医疗、教育、咨询、内容、制造、物流等行业，都可能因AI而改变成本结构和服务模式。

再次，AI会扩大人与人之间、企业与企业之间、国家与国家之间的差距。熟练运用AI的人，效率可能大幅提升；拥有数据和平台的人，议价能力可能更强；缺乏技术、资本和组织能力的人，则可能被进一步边缘化。

最后，AI投资不能只看“故事”，更要看底层现金流和治理结构。许多AI公司表面估值很高，但其商业模式可能仍依赖巨额算力投入、数据合规风险、版权争议、劳动外包争议和监管不确定性。

这本书对财富管理行业也有一个很重要的提醒：越是在技术高速发展的时代，越不能忽视人的价值。

AI可以帮助财富顾问提升内容生产效率、客户分析效率和方案整理效率；

AI可以帮助家族办公室更快完成资料研究、跨境法规比较和产品筛选；

AI也可以帮助客户更容易理解复杂的保险、信托、税务和资产配置问题。

但AI不能替代真正的责任判断。

客户的家庭结构、身份规划、税务居民身份、代际传承、企业风险、婚姻安排、资产所在司法辖区，这些问题都不是简单的信息检索，而是需要专业判断、经验沉淀和长期陪伴。

如果财富管理行业只是把AI当作“降本工具”，最终可能会把服务变成更廉价、更标准化、更缺乏责任感的产品。

但如果把AI当作“专业增强工具”，它反而可以帮助从业者把更多时间留给真正重要的事情：理解客户、识别风险、设计结构、陪伴决策。

AI时代，真正有价值的不是“会不会使用工具”，而是能否在工具之上建立更高质量的判断力。

《投喂AI》并非一本反对AI的书。它真正反对的，是将AI神化、去人化、去责任化的叙事。

AI当然会继续发展，也必定会深刻改变社会。我们不可能回到没有AI的时代。但我们至少应该在拥抱AI的同时，保留几个基本判断：

第一，AI不是魔法，它有真实的物质成本和劳动成本。第二，AI不是天然公平，它可能放大已有的不平等。第三，AI不是完全自动化，它背后仍然有大量被隐藏的人。第四，AI不是单纯技术问题，它也是商业、伦理、监管和财富分配问题。第五，AI不是越快越好，真正重要的是让技术发展与人的尊严、权利和长期利益保持一致。

这也是这本书最值得被读到的地方。它让我们从“AI能为我做什么”，转向另一个更深的问题：

为了让AI为我们服务，世界上有多少人在为AI服务？

今天，AI已经深入我们的工作和生活。它帮我们写作、翻译、设计、分析、计算、沟通，也正在改变企业的组织方式和个人的职业路径。

但《投喂AI》提醒我们：越是强大的机器，越不应该让人消失在机器背后。

真正成熟的AI认知，不是盲目乐观，也不是简单恐惧，而是在看见效率的同时，也看见代价；在看见技术进步的同时，也看见劳动者、创作者、数据贡献者和普通人的处境。

对于个人而言，AI时代最重要的是提升自己的判断力和不可替代性。对于企业而言，AI时代最重要的是在效率和责任之间找到平衡。对于高净值家庭而言，AI时代最重要的是理解技术浪潮背后的产业重构与财富分化。对于社会而言，AI时代最重要的是不要让“智能”成为新的不平等外衣。

AI或许会越来越像人，但我们更应该警惕的是：在AI越来越强大的时代，人是否会被越来越容易地忽略。

看见机器背后的人，才是理解AI时代的第一步。