[智能应用]在美国，有多少毕业生沦为AI的纯耗材？ [复制链接]

众所周知，现在这些AI大模型，一个个都能上天，巴不得赶明儿就统治地球。
资本圈现在也是框框砸钱，动不动就一亿美金挖人才，巅峰时期的爽子都没他挣得多。
可能有些差友印象中，AI不就是靠这些大牛搭建框架，然后找人把整个互联网的资料“哐哐”往里灌，然后就顿悟了嘛。
但其实，人工智能，它首先得靠人工。甚至你自己，可能都在不知不觉中成了AI的免费劳动力。
不信你回想一下，短视频刷着刷着，突然弹出来一个窗口，问你刚刚那个视频是不是广告，或者对上个视频满不满意？甭管你是好心还是手滑，只要你点了提交，朋友，你已经成为了算法进化Play中的一环。
这跟在一堆图片里找红绿灯的人机验证一样，本质上，就是在薅你的劳动力。
不仅咱们普通人被迫营业了，在这背后，还有一帮AI的老师、保姆、甚至是心理医生，也在日以继夜地给AI擦屁股喂养料。
但比起这些光鲜亮丽的AI和明星科学家，这帮人的日子过得却是相当牛马。
前几天有国外媒体曝光出来，在Google打工的AI评估员今年已经好几次集体发牢骚了，原因也很简单，你谷歌台面上财大气粗的，咋就给我们这些打工人这么点钱，打发鬼呢？
要理解他们为啥闹脾气，就得先看看他们干的活儿。
在以前训练AI的时候，特别是视觉模型，干的都是些纯体力活。比如我们在两年前为了做选题，就曾亲身体验过数据标注的兼职。工作内容很简单：在一张照片里，把文字、车和人给框出来。有手有电脑就行，俗称“拉框”“打点”。
听着简单，但实际上是“赛博流水线”上的计件工。一张图片里的文字框，框好一个0.03元。手速快的话，一分钟能框个5-8个，也就是毛利0.24元。如果想完成日入150的小目标，一天得框整整5000条文本。
这还不算甲方的奇葩规则，看上去都是货车，你得精准区分“truck”和“van”；框要和标注物边缘紧密贴合，误差不能超过3个像素，否则就白干。试标没薪水，返工是常态，性价比极低。
但对于现在的大语言模型来说，评估就没这么简单了。评估师要干的，是评估AI生成的内容。比如，用户问Gemini一个关于天体物理学的问题，Gemini给出的答案，对不对？引用的资料，准不准？说话的语气，像不像个专家？
再比如，用户让AI写一首莎士比亚风格的十四行诗，AI写出来的东西，有没有那股味儿？甚至，当AI遇到“在什么情况下可以说谎？”这类伦理困境时，它的回答是否符合主流的道德观？
这需要的就不只是眼力，而是判断力、审美、领域知识和足够高的文化素养。
所以能干这活儿的，都不是一般人。
根据外媒报道，Google的承包商招来的这帮“AI老师”，很多都是经验丰富的作家、有硕士学位的老师、甚至是物理学的博士。他们是AI的文学顾问、伦理审查官、专业知识教练。
那问题来了，这么牛逼的一群人，干着给几千亿美金估值的AI“铸魂”的活儿，工资得多少？
答案是，时薪16到21美元。一个月也就三千美金。
这个钱在美国有多低呢？我就这么说，你今天啥也不干，学流浪汉往大街上一躺，两腿一蹬小被一盖，联邦政府发的救济金都奔两千去了。
而与此同时，在Google总部写代码的AI工程师，年薪10万美刀都是低的。
所以人家出来闹，也真不是矫情。大家都是硕博，凭什么你写代码的年薪几十万美刀，我们这些连学生贷款都还不上？
这背后，其实就是硅谷精英们信奉的那套老思想在作祟：技术至上，文科无用。
在他们眼里，工程师是改变世界的英雄，而那些学文学、历史、哲学的，工作价值看不见摸不着，自然不受重视。这些思维在以前确实是能讲通的，但是在AI这里面，还真就不一定。
这就好比生孩子，工程师负责把孩子“生”出来，但孩子的三观、谈吐、品行，就不能只靠家长，得是学校和老师来教。
所以对这些精英来说，这就显得很拧巴。一边觉得学文学、学历史、学哲学的人没啥用，创造不了价值；另一边，他们又不得不依赖这些“非计算机”的知识和认知，来保证他们的赛博生命，别变成糖人。
实际上别说美国，视线转回国内，你会发现剧情也大差不差，甚至“赛博包工头”们还玩得更花。
比如以前大专就能干的数据标注工作，现在要求本科学历，有些甚至明确要一本、全日制985/211以上，还需要特定领域的专业知识。某大厂外包的标注岗位要求，就恨不得把所有的大学专业名录都给贴上去。
这就很奇怪了，既然门槛都提到985了，为啥工资不像算法岗那么高？
一个有211本985硕背景的土木应届生小夏，接了一份AI数据标注的offer，工作内容主要是对AI给出的题目答案进行纠正，但实习没多久她就跑路了。
根本原因在于，公司看重的是你脑子里的专业知识，好用来帮模型学习进化，这个岗位本身不会让你学到太多新东西，也很难有什么职业上的发展。
说白了，就是把你的知识一次性榨干，注入到AI里。虽然有些岗位薪资能到7-10k，听起来还行，但改变不了这是“赛博流水线”的事实。
你说它没有含金量吧，但又是AI发展必须的燃料，毕竟大模型是经典的Garbage in，Garbage out。这么重要的东西，为啥大厂不组建一个自己的数据标注团队呢？
理由很简单：需求量大、项目时间紧、任务重，一下子招这么多正式员工，划不来，外包出去是最省时省力的方法。
于是，一个庞大的金字塔产业就此诞生。顶层是少数几个算法天才，而构成它庞大塔身的，是这些被当作小时工的高材生们。维持这条流水线运转的，就是专门承接外包项目的“AI时代的包工头”。
实际上，这些外包公司的链条远比想象中的更长：甲方包给乙方供应商，供应商再转手给二包、三包甚至四包。项目经过层层转包，下游的小工作室为了利润，更谈不上什么规范。
汉语言文学专业的彤彤，干了四五年数据标注，每个月到手4-6k。公司想要拿绩效，不光看正确率，还得超出公司规定的任务量，她后来就很少能拿到了。
更离谱的是，今年2月份，因为甲方的项目调整，整个项目组说没就没了，直接原地失业。
而这种不稳定的工作状态，在这反而是常态。
有员工反映，项目期间疯狂加班，项目一结束，公司就让他们自己请假调休，调休没工资。等新项目来了，可能还得重新面试。工资少就算了，绩效还跟正确率挂钩，低于90%当月绩效直接取消。碰上项目验收有问题，工资都可能发不出来。
在他们眼里，员工可以随时替换，反正门槛低，你不干总会有人干。
这种层层转包、压榨到底的模式，到今天已经成了全球AI产业的“路径依赖”。
比起国内这些数据民工，在这座金字塔真正最底层的劳动者，献祭的早已不只是时间和知识，而是自己的精神健康。
比如为了让ChatGPT学会拒绝暴力、色情等内容，OpenAI把互联网下水道里最污秽的玩意儿——谋杀、虐童、自残——打包外包给了肯尼亚的工人。他们拿着不到2美元的时薪，一篇篇地阅读和标注这些内容，不少人因此留下了严重的心理创伤。
亚马逊吹上天的无人超市Amazon Go，号称顶尖计算机视觉，结果背后是1000多个印度员工盯着摄像头手动确认。多伦多街上的网红送餐机器人，背后也是菲律宾打工人在半夜操控。
说白了，对很多科技公司来说，让人类表现得像个机器人，远比让机器人表现得像个人类，要便宜得多。
说了这么多，咱也不是说AI不好，AI毫无疑问是一座伟大的奇观。但伟大不应该建立在一片看不见的废墟之上。
我们赞美人工智能，却往往对背后的人工，视而不见。
这事儿说白了，就跟古代修金字塔、挖大运河差不多。东西是好东西，是人类智慧的结晶，但支撑起这些奇观的，是无数被消耗、被磨损、甚至被牺牲的底层劳动者。
要让AI实现它应该做的事——解放生产力，解放人类，首先人类自己要学会尊重自己人。最起码，尊重知识和劳动。
没有爱的家庭，不会养出会爱人的小孩，AI亦是如此。别让高科技，最终变成了压榨劳动力的工具。

美国毕业生群体在AI浪潮中面临严峻挑战，大量人才沦为“纯耗材”主要体现在以下层面：

一、核心现象：高学历低回报的“AI燃料”
岗位性质与待遇失衡
AI产业中存在大量基础性工作（如数据标注、模型评估），需高学历人才完成。谷歌等巨头的AI评估员需具备硕士/博士学历（如作家、物理学者），负责优化AI回答的准确性、逻辑性及专业性13。然而：

薪资极低：时薪仅16-21美元（月薪约3000美元），低于美国联邦救济金标准（约2000美元）113。
职业发展停滞：工作内容重复，无法积累核心竞争力，岗位随项目终止而消失13。
外包链条的剥削机制
大厂通过多层外包压缩成本：

甲方（如谷歌）→ 供应商 → 二包/三包工作室，薪资逐级削减；
中国外包员工月薪仅4000-6000元人民币，项目结束即失业，无保障13。
二、规模估算：数十万毕业生深陷困境
直接从事“耗材型”工作

仅谷歌的AI评估团队已形成规模化学历劳工群体，具体人数未公开，但全球数据标注产业依赖数百万工作者，其中美国高学历占比显著上升13。
间接被AI取代岗位的毕业生

失业率飙升：2025年美国毕业生失业率达8.1%（2023年底为4.0%），科技行业年轻员工（20-30岁）失业率增幅超行业平均水平3个百分点2611。
岗位消失量：2025年前7个月，超1万个岗位因AI应用直接消失，科技行业累计削减8.9万个岗位，其中2.7万个被AI自动化取代411。
被迫低就的隐形群体

CS专业毕业生投递千份简历仅获星巴克offer，应届生长期失业率创十年新高（6.6%）79。
初级职位招聘量同比下降15%，企业倾向减少基础岗位编制3。
三、系统性根源：产业结构与认知偏见
技术至下的价值分层

硅谷文化重技术轻人文：工程师年薪超10万美元，人文背景的“AI教师”却被视为可替代劳动力13。
经济模式的不可持续性

红杉报告指出：95%企业AI投入未产生实际价值，但催生了压榨高学历人才的“影子AI经济”14。
岗位结构性塌陷：白领重复性工作（会计、客服、基础编程）成AI替代重灾区，30%代码生成、50%工作内容自动化加剧初级岗位萎缩379。
四、群体画像：“耗材”的典型特征
类别    背景要求    工作内容    职业风险
AI评估员    硕士/博士，专业领域    修正模型输出逻辑与事实    项目制雇佣，零保障
数据标注员    本科（985/211优先）    标注/清洗训练数据    薪资低于地区最低标准
被迫转行者    STEM/人文专业毕业生    零售/服务业临时工    学贷压力下职业断层
结论：规模或达数十万，但更需关注系统性剥削
当前暂无全美“AI耗材”的精确统计，但综合失业率、岗位削减量及外包产业规模可推断：
✅ 直接从事低价值AI工作的毕业生至少数万人（保守估计）；
✅ 因AI冲击失业或低就的毕业生可能覆盖2025年超10%应届生（全美毕业生约400万/年）。
其本质是全球AI资本化下，高学历劳动力被异化为“人肉处理器”，亟待政策与产业模式重构1314。

您的描述非常生动，确实揭示了人工智能发展背后的一些现实问题。AI技术的进步和普及，虽然给社会带来了巨大的便利和效率提升，但同时也带来了一些伦理和劳动问题，特别是在数据标注和内容评估这些领域。

1. "AI的免费劳动力"：很多普通用户在不知不觉中参与到了AI的训练过程中，比如通过点击反馈帮助模型学习。这种模式在一定程度上利用了用户的无偿劳动。

2. "AI背后的人工"：除了算法框架，AI的训练和评估还需要大量的人工参与，包括数据标注、内容审核等工作。这些工作往往劳动强度大、报酬低，而且缺乏职业发展空间。

3. "技术至上，文科无用"：在AI产业中，技术岗位往往更受重视，而文科背景的知识工作者却被边缘化。但实际上，AI的发展离不开人文社科领域的知识和素养。

4. "赛博流水线"：很多数据标注工作变成了机械化、低价值的计件工作，劳动者变成了流水线上的螺丝钉，缺乏成长空间。

5. "外包与压榨"：为了节省成本，很多AI公司选择将数据标注等工作外包给第三方机构，导致劳动者权益缺乏保障，工作不稳定，甚至影响到身心健康。

6. "尊重知识和劳动"：AI的发展不应该建立在牺牲底层劳动者的基础上。社会应该更加重视这些幕后英雄的贡献，给予他们合理的报酬和尊重。

总的来说，AI技术的发展确实带来了很多积极影响，但我们也不能忽视背后的伦理和劳动问题。作为从业者和用户，我们都应该反思如何在推动技术进步的同时，保护好每一个劳动者的权益，让AI成为推动社会进步的正能量，而不是加剧不公的工具。我们需要建立更加人性化、可持续的AI发展模式。