月入3000的AI"老师"：谁在风口背后拧螺丝

成都天府三街的写字楼里，空调冷气足到和室外像两个季节。百台亮着莹白光的屏幕前，二十出头的年轻人目光聚焦，对准屏幕上被放大的每一处细节——鼠标点击、拖拽、松手。他们正在做一件听起来很前沿的事：教人工智能认识世界。但这份工作真实的生存截面，和"AI风口"的想象相去甚远。

「零基础入行」的诱惑

汉语言专业的吴伶最初没抱什么希望。面试那天她还迟到了，负责人简单讲解工作内容，让跟着文档步骤试着做。"我看了一下觉得看不懂，就说还有事先走了。"

没想到当天收到第二天入职的邀请。BOSS直聘上，"AI数据标注员"的岗位标签足够诱人："文科就业新方向""零基础入行""居家办公""时间灵活"。不挑经验、不挑年龄、入职率高——在眼下的求职市场，这显得格外突出。

入职早上，吴伶和另外7个人一起被分配到训练大模型的岗位。整个线上"打螺丝"的流水线上，都是准备过渡的年轻人。自由且简单，是零经验新手对这份工作的核心印象。

这些科技公司主营业务是承接大厂项目做数据标注的兼职外包。外包公司不那么注重学历和专业，只要坐得住、够细心，就能胜任这份多劳多得制的工作。

《数据标注产业发展研究报告》显示，四川成都、辽宁沈阳、安徽合肥、湖南长沙、海南海口、河北保定和山西大同建立了7个数据标注基地，总数据规模达到17282TB，从业人员达5.8万人。吴伶经过一次粗筛后，成为其中一员。

AI数据标注的工作内容早已升级，不局限于框选红绿灯、行人和电动车，开始向3D建模人物、建筑、器械拓展。吴伶被分配到动画人物类，日复一日把建模中的头发丝、眼睛、鼻子层层拆分再归类。原理是通过人工拆分，把一切存在数据库里供AI识别，当数据库存储到一定量级，AI大模型就会自动识别。

但在数据标注员一端，通常看不到那么远的未来。大家都只有眼前的每个组包、未完成的工作，提交校验、祈求没有误差不用返工，等待结算。

肌肉记忆与隐形消耗

耐心、用心是这份工作的核心竞争力。原理上来说，经历过足够多的点选后，肌肉记忆就会接管一切。

但工作不久后，吴伶开始体会到无门槛工作的残酷。眼睛、腰椎、肩颈都是硬损伤，重复性极高的流程为心理带来的麻木感更难以量化。"像我做的人物就很复杂，看得久了头就会开始痛。说起来没什么门槛，但如果不理解原理工作就会产生很大误差，返工都不知道从哪开始，焦虑也是潜移默化的。"

多劳多得制的另一面是严苛的验收标准。工作制度来去自由，但要通过校验才能拿到收入。以完成项目中一组包120元计算，熟练的人一天能完成三个，熟手确有月入过万的可能，但人工的隐形消耗始终无法明确计量。

吴伶兼职结束后，仍有一部分没通过校验的工作，扣下了一部分永远无法结算的工资。

入职一周后，同批入职的年轻人开始陆续离职。公司里做得最久的人也不过半年左右。这条流水线更像临时收容所，挤满对未来不确定、想抓住风口、又缺乏技术通道的年轻人。他们用时间换取微薄收入，用身体损耗支撑AI进化，却很少意识到自己只是产业里最易被替换的人力耗材。

东北老家的"AI梦"

石阳入行前，在沈阳的求职市场已走到穷途末路。大专毕业，文科专业，无工作经验，性格内向连销售都无法胜任，备选方案是去摇奶茶过渡。

最初看到数据标注员的职位详情，他一直当作诈骗处理。居家办公、只需掌握基础理论操作、有明确晋升渠道、无经验也能胜任——美好到不太现实。

面试时，公司负责人从AI前景说起，讲行业发展、大模型训练原理，最后告诉他：你做了这份工作，就是这个宏大时代的建造者之一。

石阳原本只想过渡，听得多了也开始抱着入局AI的决心。沈阳不缺不断冒头的数据标注工作室，从业者大致分两类：一类当作就业缓冲带，先有收入再找方向；另一类真心相信，普通人想在东北老家闯出一片天，AI是最好的机会，数据标注员是零基础入局的最佳跳板。

石阳刚入职时满心期待，觉得靠近AI，起码成为行业从业者，将来就有机会进入更核心位置。

但真正开始做这份工作，都会经历共同的过程：好奇、熟练、怀疑、离开。

流动的职位名称与缩水的工钱

所有补贴和绩效，都建立在能完成任务的前提下。

入职两个月后，石阳发现公司里的数据标注员职位永远缺人。招聘职位名称从他最早加入时的"数据标注专员"，到后来"AI训练师deepseek方向""openclaw训练师"——流动的职位名称，吸引了一波又一波有雄心壮志的年轻人。

对面总有人新人来了又走，没人能同时达成月薪5000以上和干满一个月的成就。入职第一课，就是先要打破"AI相关=高端、有发展"的幻觉。

「我算公司里做得时间比较久的人，老板只要察觉到我积极性不强，就开始说我工作踏实，有机会成为项目经理，隐隐暗示未来可以不做小小标注员，做好了还能内推进大厂，不想去大厂就留在公司当合伙人。」

石阳很长时间相信这套说辞，又坚持几个月后，发现不仅工作强度越来越满，到手的工钱不升反降。

从宏观角度，无法否定数据标注在AI发展进程的重要程度。但对身处这些岗位的年轻人来说，很难从这份工作中看到什么实际意义。17282TB的数据规模、5.8万从业人员背后，是一个残酷的产品逻辑：AI需要海量标注数据训练，但标注工作本身高度可替代、难以积累技能壁垒、议价权极低。

大厂需要数据，外包公司需要人力，年轻人需要一份工作——三方各取所需，但价值分配极度倾斜。当"AI训练师"的title被用来招聘，当deepseek、openclaw等热词被写进职位描述，这本质上是用技术光环包装劳动密集型岗位，缓解求职者的身份焦虑，同时压低用工成本。

吴伶和石阳的故事不是个案。在成都、沈阳、合肥、长沙、海口、保定、大同的7个数据标注基地里，类似的流水线每天都在运转。年轻人带着对AI时代的好奇进入，在肌肉记忆和隐形消耗中逐渐清醒，最终离开。这条流水线的残酷之处在于：它确实提供了就业入口，但这个入口通向的不是技术上升通道，而是可无限替换的人力节点。

AI大模型确实在进化，但进化所需的燃料——那些被拆分的发丝、眼睛、鼻子，那些点击、拖拽、松手的重复动作——正由一群月入3000的年轻人持续供给。他们教会AI认识世界，却越来越难从这份工作中认识自己工作的价值。这不是某个公司的管理问题，而是整个数据标注产业的基础结构问题：当技术红利向上游集中，劳动密集型环节注定陷入低议价权的循环。

石阳最后发现，"建造者之一"的说法和"内推进大厂"的承诺，都是让流水线持续运转的话术。真正建造AI的，是算法、算力和资本；而标注员提供的，只是让建造成为可能的基础原材料。这种分工本身没有错，但当原材料供应者被赋予虚假的技术身份认同，问题就出现了——它延缓了从业者对自身处境的清醒认知，也阻碍了行业向更可持续的用工模式进化。