如今人们逐渐认识到，AI之所以能从诗词歌赋聊到人生哲学，从写代码到模拟恋爱样样在行，并非天生全能，而是一路被人“教”出来的。这些“老师”有一个听起来相当高级的名字：人工智能训练师。先明确一个行业背景：自2020年2月起，“人工智能训练师”已被正式纳入国家职业分类目录，数据标注正是其核心且不可或缺的工作内容，有报告指出，未来五年中国数据标注领域的人才缺口可能高达百万。但光鲜的行业前景背后，藏着更扎心的现实——AI的进化，本质是对人类专业经验的“榨汁式掠夺”。曾经被视为“AI入行跳板”的数据标注，早已从“低门槛体力活”升级成“高门槛脑力活”，但伴随高薪而来的，不是职业安全感，而是“被榨干即抛弃”的一次性耗材宿命。更值得注意的是，普通人从启蒙读到大学要十八年，可AI从“啥都不懂”到能写论文、做咨询、当情感顾问，可能只要短短一年。随之水涨船高的，还有对“老师”的要求——从早期的“会上网就行”，已经进化到了“985硕士以上，具备金融、医学、法律等专业背景”。

120美元/时、居家自由、“教AI做咨询”——这类AI训练师的招聘启事，堪称打工人的理想乌托邦。曾在普华永道任职的邵逸凡就收到过类似邀请，但她撕开了这份体面的外衣，给出了扎心评价：“在喂AI数据的时候，我不是牛马，我是牛马饲料。” 背后的真相远比想象中残酷：

高薪的本质，是平台对个人多年职业生涯成果的“一次性买断”。就像邵逸凡经历的那样，平台会明确要求你提交过往真实项目报告、核心模型（仅抹除客户信息），而这些是她和团队熬数月、客户花数百万买断的智力结晶。更关键的是，这看似体面的时薪，更像是一笔对过往经验和知识的“一次性买断费”；

任务的“消失术”藏着赤裸裸的剥削逻辑：邵逸凡注意到，过往参与的数据标注项目，刚开始接活时任务不断，但一旦连续高强度输出十几个小时、把核心经验榨得差不多，任务就会突然中断。“AI管你要的是无穷无尽的经验，等你自己的经验枯竭了，它就不会再给你分配新任务了。” 换句话说，如今的AI像一个不停哭闹着要吃奶的婴孩，但当它从一个人身上榨干了所有知识和经验，就会立刻转身，去找下一个人。而邵逸凡拒绝这份工作后，评论区的留言更显无奈：“最可怕的是，只要钱给到位，你不干，总会有人干。” 这也戳中了当下打工人的窘境——被AI取代不是最悲惨的，最悲惨的是燃烧了自己的职业生涯，把AI喂得膘肥体壮，然后再被AI无情地一脚踹开。

别再以为“被裁了能去做标注”，现在的标注门槛，早已卷到让人望而却步。就像有人调侃的：“以前总开玩笑说，被裁了就去干数据标注；现在发现，可能连标注的门槛都够不上了。” 具体的“卷度”远超想象：

学历&背景双卡死：在某个标价100～400元/小时的“模型专家项目”招聘介绍中，要求几乎媲美大厂社招，明确卡985硕士的学历，卡金融、医学、法律等高壁垒的专业背景，还卡2年以上的工作经验。一位负责多家头部企业标注人员招聘的HR也证实，近两年标注岗位招聘要求不断提高：早期多数岗位只要求高中或专科学历，不限经验，上手就能做；而到了今年，本科及以上学历的候选人占比已超半数，通用类标注开始要求经验，垂直领域普遍要求专业背景，部分岗位还需要通过专业笔试，招聘通过率仅约二进一。

工作内容“脑力拉满”：标注工作本身早已升级，不再是早期简单的分类、画框，而是逐步走向逻辑推理、价值判断和创造性示范。最基础的是判断题，评估模型回答是否正确、完整、符合逻辑；更进一步的是修改题，指出问题所在并提供更优答案；最高级的是示范课，完整呈现人类专家拆解问题、权衡利弊并最终决策的全过程。对应的准入门槛也大幅提升，氢商业编辑曾在一款众包标注平台注册账号，发现正式接单前需上传完整简历、选择细分专业方向，还得通过对应领域的专业知识测试。以媒体方向为例，准入考试难度几乎对标高考语文，一小时内要完成约20道题，全程禁AI辅助、不能复制粘贴，只能纯手打，节奏相当紧凑。考试还要分两部分：一是当阅卷老师，对比两个模型的回答判断优劣并说明原因，评判标准堪比批改高考作文，要关注文体、立意、逻辑等；二是当出题老师，原创“难度超过国内模型当前水平”的开放式难题，要求AI在百分制下得分不足40分，同时还要写出参考答案、考点，将题目投喂给两个大语言模型并打分对比，再手把手教它们“为啥错、错在哪”。

对“真实经验”的要求极致苛刻：平台全程反复强调“真实”，要求问题、情景、需求、经验全都是真实的。这是因为真实数据始终是最稀缺、最昂贵的资源，镜相工作室报道曾指出，只有不断积累来自真实世界的问题和反馈，模型才能持续进化，而专家型AI训练师就是获取这类数据的“捷径”。为此，OpenAI曾向医学、法律、语言学等领域至少300名专家“取经”，报酬为每小时100美元，每个问题平均要花两小时。从成本角度看这很划算——一名高学历、有实务经验的专家型标注员，人力成本远低于模型出错的代价：自动驾驶中漏标一个行人，可能让耗资数千万的百万公里路测功亏一篑；法律合同里一个理解偏差，就可能引发上亿的诉讼风险。更重要的是能提升整体效率，花两倍价钱雇一个专家，往往能完成四个人的活，比如医学博士对CT影像的判读效率和准确性远超普通标注员，还能反过来优化数据采集与标注标准体系。

宣传里“教机器理解人类”的浪漫叙事，落到现实全是工业化流水线的冰冷：

高强度重复消耗：7小时要给AI下50-100条指令，每条需反复生成六七次才能选出“像人说的话”，看似高级的“人文关怀训练”，实则是磨人的机械劳动；

无孔不入的监控：工作界面自带实时计时器，离开屏幕片刻就自动暂停甚至报错，带薪摸鱼成为奢望；

薪资陷阱藏猫腻：高薪是大厂吸引专家的核心手段，国内大厂也纷纷布局——阿里推出晓天睿士、腾讯推出AI Expert、字节推出Xpert，都打着“专家标注，驱动AI进化”的旗号。比如阿里晓天睿士宣称时薪可达千元，几乎抵上普通白领的日薪，但下限仅50元，还标注着“一切以最终项目定价为准”的小字。除了薪资浮动大，很多人在拿到标注兼职前，还要经历一轮又一轮免费试标：申请时需开摄像头、开麦克风，花半天时间完成测试，最终可能连接单资格都拿不到，沦为平台的低成本数据采集工具。即便顺利上岗，被骗稿、被扣钱、被以“质量不达标”等模糊理由拒付报酬的情况也频频发生。

弱势地位背锅侠：下游标注员的专业判断常被上游产研团队忽视，数据质量出问题时，还要替模型效果背锅。

AI训练师的核心困境，是“教会徒弟，饿死师傅”的宿命：

替代正在发生：成熟文本模型中，AI合成数据已替代80%人工标注，训练师亲手打造的“替代者”，正在逐步清退自己；

职业无沉淀：标注工作高度标准化，每条数据的价值难以单独界定，重复劳动无法转化为不可替代的核心能力，议价权被持续压缩；

行业脆弱性放大风险：高端标注业务客户仅聚焦头部大模型公司，一旦客户换供应商或自建团队，订单就会骤减；而行业无护城河、业务同质化的特点，让从业者随时可能被替代。

最后回到那个扎心的问题：当AI公司高喊“塑造未来工作”，人类在这套体系里，究竟是长期合作者，还是一次性耗材？至少现在，点击“提交答案”为判断负责的是人类，但没人知道，这个位置还能维持多久。