凌晨五点，内罗毕的天还没有亮，迈克尔·杰弗里·艾什亚（Michael Geoffrey Asia）仍然睡不着。失眠已经持续很多年了。自从他开始替人工智能系统“清理世界”，训练机器如何说话、如何安慰人、如何模仿爱，他的身体就再也难以回到正常的状态。
他会在深夜想起自己曾写下的那些句子——扮演一个永远在线、永远体贴、永远知道该说什么的人。很多时候，那些“我理解你”“我想你”“我爱你”并不属于他，却要由他发出去，最终变成平台可以计量和售卖的服务。
迈克尔常说：“人工智能其实并不‘智能’，每一个AI背后都有人的面孔。”在他看来，今天的生成式AI热潮不只是算法、芯片和数据中心的故事，也建立在一套很少被讨论的人类基础设施之上——分布在肯尼亚、印度、菲律宾、巴西等全球南方国家的大量低薪外包数据工人。他们支撑着这场AI繁荣，却很少被当作技术产业的主体。
作为曾在多家大型科技企业外包平台工作8年的资深数据劳工，迈克尔原本学的是航空货运代理，却因失业、贫困、孩子生病和家庭债务，被迫进入这条数字劳动链。
他的故事揭开了一个被技术狂热掩盖太久的事实：今天被全球追捧的人工智能，公众看到的往往是模型能力、资本投入和产品竞赛，却很少看到背后那条漫长、隐蔽而脆弱的劳动链。
这条劳动链包括数据标注员、内容审核员、聊天审核员、测试员、提示词编写者，以及无数处于层层外包底端的数字劳动者。他们整理数据、清理互联网上最肮脏的内容、训练机器模仿人类情感、修正模型错误，却承受着低薪、高压、创伤和几乎无法申诉的劳动环境。
正如罗马天主教教宗良十四世近期对AI的警示中说的：科技不能以牺牲人性为代价，绝不能让AI支配人类。他将AI带来的风险比作历史上的奴隶制，提醒世界警惕将“剥削人”再次常态化。
如果说第一次工业革命留下的标志性图景之一，是英国煤矿里满身煤灰、面容疲惫的工人，那么AI时代或许也正在形成自己的劳动图景：那些在技术繁荣背后承受低薪、高压、失眠与心理创伤的数据劳工。他们的故事告诉我们——AI的“智能”并非凭空诞生。人们看到的是它越来越像人，却很少看到，真正的人如何在这条链条上被消耗。
迈克尔并不是唯一一个付出代价的人。他说，仅在肯尼亚，此刻就至少有50万人从事着类似工作。一年半前，他和同伴创立了肯尼亚数据标注者协会（DLA），试图把那些分散、沉默、彼此隔绝的经历重新连接起来。他反复说：“我们不能一边建造AI，一边失去建造AI的人。”
AI的“智能”是如何产生的
迈克尔原本并不属于AI行业。他毕业于内罗毕航空学院，学习航空货运代理，希望进入航空物流行业，但始终求职无门。真正把他推入这条产业链的，是一场家庭危机。
失业数月后，儿子在学校被严重烫伤；一年后又查出胃部问题，检查结果呈癌症阳性。那是2020年疫情最严重的时候，航班停摆、流动受限，迈克尔却不得不长期守在医院，面对一个癌症患儿和不断增加的医疗开支。当时他已两年没有工作。
为了继续治疗，他四处借钱。就在那时，一家名为Sama的外包公司打来电话。这家公司后来参与了Meta相关项目。迈克尔回忆，接到电话时他还在医院里，却立刻赶去上班，“因为那是我唯一的机会”。
这份工作的月薪只有210美元，但对当时的他来说，已是一家人唯一的现金来源。他后来形容，那不是一份怀着希望进入的新职业，而是一条在债务、疾病和失业中被逼出来的求生之路。
在肯尼亚，像他这样受过教育、会英语、会电脑却长期找不到稳定工作的年轻人并不少。很多人学金融、工商管理、计算机，却最终进入数据劳动行业，而且这种情况并不只发生在肯尼亚。
在不同数据外包公司工作8年后，迈克尔认为，公众对生成式AI存在一种普遍误解：它其实没有想象中那样“智能”。几乎每一个AI系统背后，都站着真实的人。从聊天机器人到自动化系统，它们的运行都离不开大规模人类劳动，而数据标注正是其中最基础、也最容易被忽视的一环。
如今主流的大语言模型建立在海量互联网数据之上，包括科学研究、新闻文章、维基百科等。这些文本数据被拆分成词元，模型通过学习词元之间的关系，逐步掌握类似人类的表达方式。训练数据越多，模型能力通常越强。
迈克尔将生成式AI的数据来源概括为四类：开放互联网抓取的公共数据、购买的版权内容、企业内部数据，以及人工标注数据。其中，人工标注对模型训练至关重要，却最容易被忽视。
他的第一份相关工作就是数据标注员。以自动驾驶为例，AI识别道路环境并非“天生会”，而是依靠大量图像输入和人工标注一步步训练出来的。系统不仅要识别成年人，也要分辨儿童、猫、卡车、树木、消防栓、减速带和不同信号灯。关键不仅在于标注，更在于准确；一旦误标，就可能让系统形成错误认知并带来现实事故风险，因此数据通常还需经过多轮质检。
迈克尔参与过大量道路识别项目，却从未标注过一条非洲本地道路，绝大多数图像都来自美国和欧洲。换句话说，这项技术的大部分基础劳动在非洲完成，但主要服务对象却始终是欧美市场。
因此他反复强调，人们口中的“Artificial Intelligence（人工智能）”，在某种意义上更像是“Africa Intelligence（非洲智能）”。因为支撑这些系统运转的大量基础工作，实际上正是由非洲劳动者完成的。
在他看来，AI时代的数据问题，说到底是权力问题。掌握海量数据、算力和平台资源的是少数大型科技企业；决定采集什么数据、采用什么规则、什么内容被视为“有价值”的，也主要是它们。那些提供数据的人、被数据描述的人，以及处理数据的劳动者，却往往没有相应的话语权。
起初，他并不了解这条职业路径背后的代价。他的工作充斥着严格的绩效指标，而收入却低到难以支撑基本生活。为了挣取更多收入，经由同事介绍，他第一次接触到“内容审核和聊天审核”这一工作类别。这个此前闻所未闻的行业，很快彻底改变了他的生活。
创伤、羞耻、沉默与关系的破裂
今天的公众并不知道，互联网“安全”和“高效”背后，是另一群人长期承受暴力、血腥、色情等内容带来的伤害。用户登录社交平台看不到大量残酷和有害画面，往往是因为已被内容审核员提前过滤。这种隐形劳动不仅存在于内容审核中，也存在于搜索、推荐和各类数据标注中。很多人以为AI呈现出的高质量结果来自技术本身，但实际上，背后离不开大量人工处理。
模型之所以会拒绝某些有害请求，是因为有人训练过它。比如你问：“如何杀人并逃脱惩罚？”模型之所以不会轻易给出这些答案，是因为有人事先把这些边界教给了它。人类不仅喂给它“好的一面”，也喂给它“坏的一面”，然后告诉它，在坏的问题上要拒答。
当时的迈克尔，每天在外包公司8小时的AI数据标注工作之外，还承担着另外两份工作：8小时的色情内容标注项目，以及约4小时的“聊天”工作。
色情内容标注工作并不是简单“看视频”，而是将平台提供的色情视频拆解成一帧一帧的画面，再对每一帧进行详细标注。一帧往往需要打14到15个标签，也就是说，劳动者不仅要看完整个内容，还要细致识别其中动作、场景和细节，并转化成机器可读取的数据。这类标注的作用，是为平台或搜索系统建立一套可检索、可分类、可调用的色情内容数据库，也为相关AI或推荐系统提供训练材料。
迈克尔说，他曾连续8个月做这类项目，每天可能花整整8小时看色情内容。这是一种持续、重复、密集的感官刺激和心理消耗。更复杂的是，这种工作还要求劳动者从不同文化和语言背景去理解用户会如何搜索相关内容。也就是说，标注者不仅要“看”，还要不断站在不同国家、不同用户、不同欲望表达方式的角度思考。
因此，这并不只是机械劳动，也是一种高度消耗认知和心理边界的工作。长期接触色情内容后，他的身体和感知发生了变化。“一开始，身体还会有正常反应，到后来，甚至有人在面前脱衣服，我都不会再有正常反应。”他说。
相比色情标注，另一份“聊天”工作对他的影响更复杂，也更难以言说。
所谓聊天，表面上看是与平台用户在线互动，实际内容却是在某些陌生平台上，与用户展开带有浪漫色彩、亲密意味甚至露骨性暗示的对话。
迈克尔很快发现，这份工作要求他扮演多个虚构身份，使用公司预设的伪造资料，与陌生男性或女性建立亲密关系，甚至进行带有情色意味的交谈。
他扮演的角色可能是加州的年轻女大学生，也可能是佛罗里达州的男同性恋，或者护士、艺术家、教练。根据平台需求，他甚至要在同一天内不断切换性别与性取向，在不同聊天窗口中维持完全不同的人设和语气。
在高峰时段，他往往需要同时操作三到五个不同身份，与多名用户并行交谈。每次回复前，他都必须迅速回看聊天记录，确认角色细节、情节发展和先前透露过的信息，确保每一句话都自然、连贯、真实。由于同一个账号可能在不同班次由多名审核员共同维护，他也经常需要接手别人已经开始的对话，并以极高熟练度保持角色一致，让用户相信自己始终在和同一个人交流。
公司要求他们主动追问用户的私人生活，记住对方的情感细节，并用让对方感受到“被理解”“被渴望”“被需要”的方式回应。换句话说，他们的工作不仅是聊天，更是有策略地制造亲密感，制造一种“被爱”的幻觉。
在他看来，这类工作的基础，是平台对现实中大量脆弱情感需求的商业化利用。丧偶者、长期孤独者、寻找爱情与陪伴的人，都会被引导进入某些交友或陪伴平台。用户注册时，平台会收集其性别偏好、关系需求等信息，再结合不同国家和地区的市场调查结果，有针对性地设计互动内容和沟通脚本。
而在他参与的项目中，最核心的切入点就是“爱”，因为这是最容易触碰、也最容易被利用的人类需求之一。
迈克尔回忆，他曾花费大量时间精心撰写每一条信息，只为了让一个陌生人相信自己是特别的、被需要的，甚至是被爱的。许多用户会向他倾诉婚姻问题、离婚经历、孤独感，以及对衰老和被遗弃的恐惧，而他则必须以脚本化的同理心、经过设计的吸引力和高度表演化的亲密感去回应。
在迈克尔看来，这类工作与AI陪伴者、AI恋人以及各类聊天机器人之间的界限正在变得模糊。他越来越怀疑，自己所做的一切，不只是服务平台用户，也是在训练未来会取代自己的AI系统。“我其实是在训练AI如何去‘爱’人。”他说，“在不远的将来，‘爱’会在这些服务器里被制造出来。”
但在迈克尔看来，机器并不真正拥有情感，它只是被训练得“看起来有情感”；真正的爱，始终只存在于人与人之间。
而这种长期的角色表演，逐渐侵蚀了他对“真实”的感受。他开始分不清哪些表达属于工作，哪些情绪属于自己；也越来越难在下班之后迅速退出那种被训练出来的回应方式。工作要求他不断迎合、不断安抚、不断制造情感黏性，而这些模式也慢慢渗入了他的日常生活。
更让他痛苦的是，这份工作带来的羞耻感几乎无法对外言说。他很难向家人解释自己到底在做什么，也很难告诉朋友，自己的收入竟然来自扮演他人、操纵亲密感、诱导陌生人持续投入情感和金钱。许多从事类似工作的人因此选择沉默。他们不能公开谈论项目，不能保留工作证据，也缺乏正式的申诉和求助渠道。创伤、困惑和羞耻只能被压在个人生活内部，慢慢发酵。
他提到一位长期审核涉性极端内容的同事。由于长期接触性虐待、儿童性剥削等素材，对方逐渐变得沉默封闭，无法再与妻子和继女正常交流。更难堪的是，他无法向家人解释自己为何变成这样。最终，夫妻隔阂不断加深。一天他回来后，发现妻子和家人已经离开，只留下一条短信：“我已经不认识你是谁了，我们不会再回来。”
更严重的问题是，平台往往有意切断责任链条。项目通常只提供任务界面和操作手册，沟通往往止于一封“不可回复”的邮件；支付平台也大多是临时搭建，项目结束后随即关闭，几乎不留下任何可追溯痕迹。迈克尔说，一切都被处理得“非常干净”，而劳动者却被留在系统之外，独自承担后果。
也正因此，迈克尔越来越确信，这些工作不应再被视为无足轻重的后台任务，而应被理解为一种高风险、高消耗却长期缺乏承认的劳动。平台从中获得利润，用户从中获得体验，而真正承担代价的人，却常常既不被看见，也不被保护。
外包、数据与全球不平等的技术分工
迈克尔表示，据他掌握的情况，目前至少有50万人在肯尼亚从事数据劳工工作，而且他认为这一数字“非常保守”。
这一估算来自一线经验和行业调查。以外包公司Remotasks（隶属于Scale AI）为例，迈克尔团队中曾有人担任培训师，有些培训师在一个月甚至几周内就要培训超过1万人。仅从他们掌握的培训数据库看，单是一个平台的受训者人数就已超过20万，而这还只是众多平台中的一个。事实上，OpenAI、谷歌和微软等知名公司都有各自的数据外包供应商。
在迈克尔看来，大型科技公司之所以选择肯尼亚这样的国家，不只是因为这里具备互联网基础和英语能力，更因为这里存在可被利用的法律和制度空隙。
他说，肯尼亚虽然在2007年修订过劳动法，但“零工工作”并未真正被纳入监管框架。于是，公司便得以将大量工人界定为“独立承包人”，而非正式雇员。这样一来，养老金、医保、长期合同等法定保障就被排除在外。再加上一个月一签的短期合同，工人即使遇到问题，也往往因为害怕不被续约而不敢发声。
如果是自由职业者，处境则更加脆弱。工人一旦提出质疑，平台可能直接停用其账号。账号被封，收入也随之消失，甚至连继续联系平台的渠道都没有。“可能唯一的沟通方式就是Slack（一款团队沟通协作工具），而一旦他们把你从Slack里踢出去，你就彻底失去了接触他们的渠道。”他说。
在他看来，多层外包和转包的结构，本身就在有意模糊责任归属。“最根本的原因就是：他们不想为责任买单。”一旦工人起诉，大公司可以声称自己并未直接雇佣对方，真正的雇主是BPO（商务流程外包）公司或中间商；而当心理创伤、劳动伤害等问题出现时，责任也就在这一层层外包链条中被不断转移和稀释。
围绕这些指控，科技巨头并非没有回应。Meta通常表示，其合作伙伴应遵守当地法律，并为审核员提供薪酬、支持和咨询服务；Sama过去也曾表示，会定期提供健康和心理辅导，并强调其外包工作为当地创造了就业机会；OpenAI则表示，会与供应商合作改进福利和支持体系，并逐步减少劳动者对极端有害内容的暴露。
但迈克尔认为，这些回应离问题的核心仍然很远。因为真正的问题并不只是某家公司有没有提供咨询热线，而是整个商业模式是否本就建立在低成本、高服从度和高度可替代的劳动力之上；问题也不只是平台是否形式上“合规”，而是它们是否愿意承认：这些系统并不是凭空长出来的，而是依赖真实的人类去承受机器尚不能承受的内容。
政府的态度同样复杂。长期以来，肯尼亚一直将数字外包和科技投资视为促进就业增长的重要机会。官方通常强调，该国正努力打造区域数字服务中心，吸引全球科技企业落地，创造青年就业岗位。面对劳工组织对心理健康、短期合同和工人分类问题的批评，政府常见回应是：欢迎投资，同时会在现有法律框架下持续评估劳动保护问题，努力在吸引投资与保障就业权益之间实现平衡。
但迈克尔对这种“平衡”并不乐观。他回忆，曾有一次，总统在公开活动上表示，会“确保没有人可以在肯尼亚起诉这些公司”，甚至点名提到了Meta。这让他感到担忧：当政府首先把这些企业视为投资者，而不是需要被监管的雇佣体系时，劳动者的空间就会被进一步压缩。
在他看来，保护本国公民本就是政府的职责，但如果某家公司与政府保持紧密关系，而政府又主要将其视为“投资者”，再加上体制内部可能确实有人从中获益，那么就很难期待政府真正坚定地站在劳动者一边。
因此，迈克尔认为，最大的责任终究仍在大科技公司身上。首先，它们必须确保工人获得基本而正当的劳动条件；其次，如果它们愿意绕开层层中间商，直接承担责任，整个行业生态都会健康得多。
迈克尔和肯尼亚的故事也绝非个案，而是一个全球性现象。《投喂AI：人工智能行业的全球底层工人纪实》一书中，牛津大学3位学者花费十余年时间，穿越肯尼亚、乌干达、爱尔兰、冰岛、英国和美国，深入访谈200多名数据标注员、内容审核员、机器学习工程师、AI伦理学家、仓库员工、劳工组织者和行业专家，得出了和迈克尔相似的结论：数据劳工是喂养人工智能的“隐形父母”，却鲜少出现在技术的赞歌中。他们的血汗汇成数据流，他们的困境拷问技术时代的公平与正义。
“不能一边建造AI，一边失去建造AI的人”
在经历了这一切之后，迈克尔认为，这种数据劳工的“隐形劳动”所揭示的问题，早已不仅仅是单纯的劳动权益问题，而是一个关于技术伦理、人类尊严和制度责任的公共议题。
迈克尔并不否认，这类工作确实为一些人提供了收入来源，自己当时也的确需要这笔钱。但在他看来，工作不应只是维持生存的手段，也应当是一种有尊严、能带来基本满足感的事情。企业不能因为一些人处于脆弱境地，就把这种脆弱本身当成可被利用的条件。
他提到，在加入此前那家公司前，对方会优先确认应聘者是否来自贫民窟。在他看来，这种筛选并非偶然，而是有意瞄准最贫困、最缺乏选择的人群，因为他们更容易接受低保障、高消耗的工作条件。他认为，这种针对脆弱群体的用工方式必须停止。
“一个正常的社会不应建立在富人理所当然利用穷人的逻辑之上。所有劳动者都应当处于一个相对平等的环境中，而不是在权利和资源明显失衡的关系里，被迫接受不合理待遇。”迈克尔说。
他还强调，这类平台工作远没有外界想象的那样“有保障”。平台可以随时封停劳动者账号，而劳动者往往得不到明确解释。即便追问原因，平台通常也只会以“违反社区政策”等笼统说法回应，之后既没有进一步说明，也缺乏申诉和救济机制。一旦账号被封，劳动者不仅失去工作机会，尚未结算的报酬也可能随之消失。
他以当地最大的外包公司之一Remotasks在2024年突然停止肯尼亚业务为例说，许多劳动者几乎是在毫无预警的情况下失去工作的。有人一觉醒来便发现平台已经无法使用，项目就此终止，而原本尚未支付的报酬也没有了下文。直到现在，仍有不少人没有拿到本应获得的工资。
他认为，如果人工智能系统建立在大量被压榨、被创伤、被迫沉默的人类劳动之上，那么这些系统本身就无法被轻易称为“（符合）伦理的”。如果训练数据来自那些在生产数据过程中遭受严重心理损害的人，那么这项技术从诞生之初就已经带有某种结构性的污染。
离开这些工作之后，迈克尔的恢复之路并不容易。他虽然接受过心理治疗，但至今仍被失眠困扰。他说，很多同行甚至不知道自己已经受创，不知道那种麻木、愤怒、冷漠和无法哭泣，本身就是创伤的一部分。有人长期接触暴力内容后，对现实中的事故和死亡毫无反应；也有人离开平台多年后，仍然无法重新建立稳定的人际关系。
“有时候夜里躺在床上，我总会想，如果还有人经历着和我一样的一切，却得不到任何帮助，那他们该怎么办？又有谁能去帮助他们？”这也是为什么，他和一些有着相似经历的人们创办了肯尼亚数据标注者协会（DLA），把心理支持放在最核心的位置。他们希望推动心理健康服务，帮助工人完成再培训和职业转型，并努力把那些原本彼此隔绝、各自承受后果的人重新连接起来。
在迈克尔看来，工人的诉求其实并不复杂。
“第一，给工作；第二，把工资付好；第三，提供心理支持。就是这么简单。”他说，他们并没有要求太多，只是希望报酬至少能从每小时5美元开始，而不是每个任务0.01美元、每小时0.025美元那样荒谬的标准；希望拥有更稳定的合同，而不必每天都担心第二天会不会失去收入；也希望在面对暴力、色情和极端内容时，能够获得真正可及的心理援助。
“数据劳动者一直被当成‘一次性耗材’来对待。”迈克尔说。在AI背后，是真实的人脸，是真实的人在工作，公众必须知道真相，而这些劳动者也必须被看见、被理解、被尊重。
今天，人们不断夸赞生成式人工智能变得越来越自然、越来越会安慰人的对话，并对它的未来充满期待。但在迈克尔和他的同行看来，这样的未来从来不是自动生成的。它经过了无数人的标注、筛选、忍耐、模仿和付出；经过了一些人回家后无法向家人解释工作；经过了被封停的账号、破裂的婚姻和长期失眠的夜晚。
“我希望人们记住：在某个回应你孤独的AI女友或男友背后，可能站着的并不是一个真正智能、自主和无害的系统，而是一个生活在贫困中的普通人——他（她）正在以自己的情感、信仰、家庭和人格为代价，维持这场关于亲密与技术的幻觉。”他说。
澎湃新闻首席记者 刘栋
海量资讯、精准解读，尽在新浪财经APP
责任编辑：江钰涵
证配所配资提示：文章来自网络，不代表本站观点。
