AI學會開車，代價是誰的青春？

北京自動駕駛背後，是貴州銅仁數千名低薪工人的點擊聲。當AI強大到能取代自己的訓練者，這場數位經濟的承諾還剩下什麼？

北京的中產階級坐在無人駕駛車裡滑手機，而讓這一切成為可能的，是1,500公里外貴州山城裡，一雙雙盯著螢幕的眼睛。

在銅仁——一座平均收入不到北京一半的城市——數千名工人日復一日地在圖片上框選住宅、標記人行道、分類紅綠燈。這些動作看似機械，卻是自動駕駛AI得以「看懂世界」的基礎。這份工作叫做數據標註，它悄悄撐起了當今最耀眼的科技成就。

一個被設計成「看不見」的產業

數據標註的邏輯很簡單：AI要學會辨識一輛車，就需要人先告訴它「這是車」。成千上萬次、數以億計的標記，構成了機器學習的地基。這份工作不需要高學歷，薪資卻比工廠流水線稍高一些，對內陸省份的年輕人來說，曾是進入數位經濟的一扇窄門。

中國政府將數據標註產業視為扶貧工具，積極引入貴州、甘肅、四川等欠發達地區。官方話語中，這是「數字扶貧」，是讓偏遠地區搭上科技快車的機會。

然而，這扇門正在關上。

諷刺的是，銅仁工人們精心餵養的AI，如今已強大到能部分自動化標註工作本身。合成數據技術的進步，讓AI可以自己生成訓練素材；更先進的模型甚至能在少量人工標註的情況下自我學習。

廣告合作

全球數據標註市場規模在2023年約達34億美元，但分析師預測，隨著自動化深入，這個數字在未來十年將大幅萎縮。那些被當作「數位就業」出口的工作崗位，正面臨被下一波技術浪潮淹沒的命運。

這不是中國獨有的困境。印度、菲律賓、肯亞、委內瑞拉——OpenAI、Google、Meta 的模型背後，都有類似的低薪標註勞工在支撐。科技公司的光鮮發布會上，這些名字從未出現。

從中國大陸的視角看，這是發展階段的必然代價——當年紡織業也走過同樣的路，產業升級才是出路。官方媒體傾向強調數字經濟帶來的整體紅利，而非結構性的勞動剝削。

但在台灣和香港，這個議題更容易被放在勞工權益與科技倫理的框架下討論。台灣的AI新創生態圈近年快速成長，同樣仰賴大量標註數據，其供應鏈是否也存在類似的隱形勞動？這是一個值得追問的問題。

對東南亞的華人社群而言，菲律賓、馬來西亞、印尼的數據標註產業同樣在擴張。這些地區的工人，正在重複貴州的故事——只是他們服務的，可能是矽谷而非北京。

歐盟AI法案（EU AI Act）正式生效後，要求AI系統具備更高的透明度，並關注供應鏈中的人權議題。這對仰賴全球低成本標註勞工的科技公司，形成了新的合規壓力。

相比之下，亞洲各國政府在AI治理上的重心，普遍仍在產業競爭力而非勞動保護。當西方開始追問「這個AI是誰訓練的、在什麼條件下訓練的」，亞洲的監管框架是否準備好回答這個問題，目前仍是未知數。

數據標註公司如 Appen、Scale AI 雖然公開承諾改善勞動條件，但在發包商的降價壓力下，承諾與現實之間的落差始終存在。軟體產業的供應鏈，遠比製造業更難追蹤與問責。