一名布朗学生画出了 AI 背后的全球劳工

你手机里那个「帮你选电影」的功能，背后可能有一群人在内罗毕或雅加达，一段一段地读被判定为违规的文本，好让模型学会什么叫「不该说」。

一、发生了什么

布朗大学 10 月 26 日发布消息，本科四年级学生 Cunyan Ma 做了一个可交互地图，把科技公司、中间商和各地数据劳工连在一起。她是「社会分析与研究」方向的学生，项目挂在该校技术责任研究中心（CENTR），指导老师是计算机系教授 Suresh Venkatasubramanian。

地图现在连起了 13 家数据标注公司、141 个企业客户，以及分布在 31 个国家的数据劳工站点。她的做法是把三类材料拼起来：现成的标注公司数据库、她自己整理的标注公司交付中心位置、以及媒体对工作条件的报道。交付中心被她当作「劳工在哪」的代理指标。

她的问题意识写得很直白：外界对标注工的了解，大多来自记者的个案报道，细节很足，但拼不出整体结构。她想让人看到结构本身，并用了「AI 殖民主义」这个词：把繁琐、低薪的劳动放在全球南方，利润留在西方。

报道里也讲了这类工作的另一面。标注不只是给照片里的物体打标签。要让模型识别并过滤令人不适的内容，标注员必须先看过那些内容。Ma 举的例子包括模型安全训练需要处理的极端材料，那些段落要被人一段段读过去。

她的老师给了一句更朴素的总结：算法底下全是人。现在关于 AI 的很多讨论恰恰想忽略这一点，于是把 AI 说成一个自己有意识的东西。它不是，它是被造出来的。

这份地图不是穷举。Ma 自己说，它更像一个例证式的样本，下一步她想把半导体产业里的劳动也画进来。她还提到一个具体期待：这类工作极度分散，同事之间彼此不知道对方存在，工会化几乎无从谈起；如果地图能让人互相找到，就有了一点用处。

采购数据标注的企业。 你的供应商清单里，大概率有一层你看不到的分包。这张图给了一个起点：先确认你的标注商在不在图上，再看它的交付中心落在哪。

做 AI 合规和供应链尽调的人。 欧盟的尽职调查思路已经压到供应链上。标注是这条链里最容易被忽略的一环，因为它不产生硬件，也不出现在财报的资本开支里。

标注从业者和研究者。 个案报道多、结构数据少，是老问题。这张图的价值不在精确，在于它把「公司—中间商—站点」画成了可以继续补的骨架。

「标注工作已经被 AI 替代了。」 部分预标注确实自动化了，但判断类工作——什么算违规、哪句回答更好、这块肿瘤边界在哪——仍要人来做。成本压下去的方式是换地方，不是换人。

「图上 31 个国家就是全部。」 作者自己说这是例证式样本，不是普查。真实分布更分散，也更难查，因为分包层级本身就是为了不透明而设计的。

「标注就是点点鼠标。」 报道里写清了内容审核那部分：为了教模型识别有害内容，人必须先看有害内容。这类暴露的代价，不在按件计价的报价单上。

AI 的供应链不是从芯片开始的，是从一群你查不到名字的人开始的。

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。