幫助人工智慧摧毀工作

「全民皆股民」

坐以待「幣」

幫助人工智慧摧毀工作

新創公司正在花錢聘請白領專業人士，讓他們把自己的工作技能傳授給人工智慧模型。這既是一筆巨大的財富，也是令人沮喪的現狀。這種趨勢最終會走向何方？
洛拉·凱利
2026年7月10日

Mercor 是一家向人工智慧公司出售訓練資料的新創公司，每天向 3 萬名承包商支付超過 400 萬美元，幫助他們以及他們的同事的工作變得過時。

這是零工，但面向擁有稀有技能的專業人士。最近，Mercor 發布的一則招聘啟事中，一位配音演員被要求用流利的希伯來語保持客服人員的語氣，時薪 225 美元。在另一則招聘啟事中，一位物理學博士正在尋找一位專門研究廣義相對論、天文物理學或宇宙學的物理學家。還有一則招聘啟事中，一位醫生需要擁有三年以上在盧安達基層醫療系統的工作經驗。

Mercor 和少數類似的新創公司是「人類數據」供應鏈中的主要中間商，這些數據可能為下一代人工智慧提供動力。隨著 OpenAI、Anthropic 和其他主要企業競相成為該行業的主導平台，經過專家審查的優質數據市場正在爆炸式增長。

人工智慧公司不再需要大量低薪員工（通常是海外員工）來從事諸如給汽車圖片貼標籤或轉錄音訊之類的重複性工作。他們需要的是數學家來標註證明，律師來批改訴訟文書，以及教授來批改論文。這正是Mercor及其競爭對手所提供的服務。用業內術語來說，數據標註已經提升到了「價值鏈」的頂端，而提供這項服務的新創公司也成為了矽谷成長最快的企業之一。

Mercor 成立於 2023年，去年 10月宣布完成一輪融資，估值達100 億美元；彭博社週四報道稱，該公司目前正在與投資者洽談一項估值翻倍的交易。去年，Meta向另一家資料訓練公司 scale AI 投資超過 140億美元，部分原因是聘請其執行長。Handshake是一家招募新創公司，直到2025年才轉型進入資料訓練領域。該公司表示，其年化收入在4月突破10億美元，高於年初的5.5億美元。

這些數據訓練新創公司正在利用市場機會：向資金雄厚的實驗室銷售一種目前需求近乎無限的產品。但這正處於一個微妙的時刻。這些訓練新創公司需要客戶發布的 ChatGPT、Claude 和其他人工智慧模型不斷改進，以證明其價值；同時，他們也需要這些模型保持一定的不完美，以便客戶能夠持續不斷地回來獲取更多資料。

或許，一旦 OpenAI、Anthropic 等公司教導他們的模型執行特定任務，他們對該領域訓練資料的需求就會大幅下降。如此看來，Mercor、Scale、Handshake 等公司就像他們僱用的精英自由工作者一樣：今天賺得盆滿缽滿，明天可能面臨被拋棄的風險。

這些新創公司都渴望實現業務多元化，從而減少對少數幾家大客戶的依賴。目前，他們保持發展勢頭的一種方法是進入一個棘手的新領域。他們不再只是滿足於捕捉個人（例如會說希伯來語的配音演員、盧安達醫生）的工作成果，而是試圖捕捉整個公司的產出。 Mercor公司 23歲的執行長布倫丹·富迪告訴我，這正是「一個旨在實現人類所有工作自動化的前沿實驗室的瓶頸所在」。

週四，他宣布收購了Deeptune，這是一家致力於打造「訓練環境」的新創公司，該公司利用模擬軟體程式（例如Slack和Salesforce）來建立訓練環境，許多員工每天都要在這些程式之間切換才能完成工作。其理念是精心打造一個鏡像環境，例如投資銀行，讓人工智慧能夠觀察每一次互動。

「一個人扮演客戶，其他人扮演投資銀行家，他們會盡可能地按照實際情況建立這個模型，」福迪先生說。理論上，人工智慧可以回答一個深刻的問題：“例如，高盛的員工都在做什麼？”

高盛員工接下來的命運不言而喻。

為什麼人們會參與將自己的職業生涯送入人工智慧「碎木機」的行列中呢？人們報名參加資料訓練工作的原因多種多樣，最主要的當然是為了錢。這項工作並不光鮮亮麗，但需求量很大，這比許多工作都強，尤其是在像學術界這樣日漸衰落的領域。雖然工作時間不穩定，報酬也不固定——有時只有主管批准了工作成果才能拿到報酬——但只要能湊夠工時，就能獲得可觀的收入。

人們註冊可能是因為失業，也可能是因為找不到本領域足夠的工作。他們或許渴望在履歷上添上「人工智慧」這項，或許是因為退休後需要額外收入，甚至可能是因為他們真心相信人工智慧的潛力，並希望參與改進模型。許多為這些公司工作的合約工都明白，這只是一個短期機會，一個在自己被自動化取代之前，訓練模型以實現工作自動化的短暫機會。

對德州塔勒頓州立大學生物學助理教授阿曼達·布朗來說，去年夏天在Mercor和Handshake等平台上兼職，起初看起來似乎是個輕鬆賺取額外收入的好方法。有些任務每小時報酬高達60美元，這聽起來很誘人，而且她也想更了解這些模型，尤其因為她的學生們經常使用人工智慧。

布朗博士說，這段經歷「很快就急轉直下」。她開始被迫參加各種線上會議，為了趕上截止日期，常常要工作到凌晨兩點。她對那些以固定價格支付報酬，但耗時卻遠超預期的項目感到沮喪。她的Handshake平台經理含糊其辭地告訴她，她的工作做得不夠好，這讓她「深受打擊」。她斷斷續續地做了這些項目，直到十二月。

「這看起來像是輕鬆賺錢，」她說。 “但實際上並非如此。”

布朗博士說，部分挑戰在於，短短幾個月內，人工智慧模型就取得了快速進步，這使得尋找它們尚未掌握的資訊變得更加困難，也讓她的工作更加艱難。今年夏天，她找到了一份教書的工作。

我想了解一下資料訓練新創公司的情況，Mercor邀請我去他們位於舊金山的辦公室參觀，並與Foody先生進行面對面訪談。之後，《紐約》雜誌發表了一篇題為《被裁的科學家和律師訓練人工智能以搶走他們的職業生涯》的報道，描繪了Mercor提供的不穩定、不規律且令人身心俱疲的工作的可怕景象。 「我從未受到過如此糟糕的待遇，」一位承包商告訴該雜誌。 Mercor取消了我的訪問。 （該公司後來安排Foody先生接受了一次簡短的Zoom採訪。）

在自由工作者聚集的Discord頻道和Reddit論壇上，人們普遍抱怨人工智慧訓練工作近幾個月來大幅減少——換句話說，一旦專家教會模式如何執行某些操作，他們的服務就不再像以前那樣重要了。我採訪的一些自由工作者告訴我，在過去一年裡，工作難度顯著增加。與Mercor公司合作的律師Sommer Wall表示，為了趕上最棘手的項目截止日期，她有時會在連續72小時的工作中，在沙發上打盹。

許多不滿的承包商——其中不乏經驗豐富的企業經營者——已提起訴訟，聲稱 Handshake、Scale、Surge AI 和其他資料訓練新創公司存在錯誤分類、少付工資或以其他方式剝削他們的行為。今年春天發生資料外洩事件後，Mercor 至少面臨七起承包商提起的訴訟，這些承包商聲稱他們的個人資訊遭到洩露。 （大多數案件仍在審理中。）

儘管這類工作可能充滿爭議甚至有害，但如果人工智慧導致失業的預測即使只有一部分成真，可能很快就會有更多的人被迫從事這些自由職業。人們對勞動市場的信心已經崩潰，包括受過高等教育的人群：根據蓋洛普最近的民意調查，只有五分之一的大學畢業生認為現在是找到一份好工作的良機。

無論是否願意，那些當初懷著高薪高地位的職業人士，如今可能發現自己身處眾多自由工作者之中。 Mercor公司正在尋找「擁有頂尖大學優秀學歷（碩士、法學博士、醫學博士、哲學博士等）」的人才。 Handshake公司或許是顧及學術界人士的自尊心，將其人工智慧標註機會稱為“研究員計劃”，並根據一份招聘啟事，尋找“傑出的碩士和博士研究生、候選人和畢業生”。伊隆馬斯克的xAi實驗室涉足內部培訓領域，曾邀請銷量達到5萬冊的小說作家或在頂級雜誌上發表過10篇短篇小說的作者，以每小時40美元的起薪參與項目。 Surge公司最近的招聘啟事則呼籲擁有「頂級諮詢背景」的人士「捕捉合夥人級別的邏輯推理」。

「如果你想在競爭激烈的環境中立足，不被取代，就必須掌握這些技能和知識來提升你的工作能力，」Handshake首席營運長喬納森·斯圖爾說。今年春天，他坐在公司位於舊金山總部會議室的一張大木桌旁，闡述道，大多數白領工作很快都將涉及向人工智慧模型提供回饋。如果按照這種邏輯推演下去，未來的工作模式將是：即使是高階員工也會系統性地自動化幾乎所有工作，最終他們唯一能做的就是訓練人工智慧。

Handshake希望透過加速這一未來而賺取數十億美元。在會議室裡，Stull先生和公司研究主管Paco Guzmán解釋如何將專業人士的思維轉化為模型資訊。 Handshake並未透露其客戶包括哪些人工智慧實驗室，但近幾個月來，該公司公開宣布了與Google和OpenAI的合作。

總的來說，模型的發展主要有兩種方式：預訓練和後訓練。當許多人想到人工智慧的學習方式時，首先想到的就是預先訓練──透過吸收網路上的文字和資訊。但即便對整個網路進行全面抓取，也無法獲得人類知識的總和。由於多家公司限制了對其內容的訪問，人工智慧獲取高品質資訊變得越來越困難。 （《紐約時報》曾起訴OpenAI和微軟，指控其侵犯版權；兩家公司都否認了這些指控。）

為了不斷改進模型——使其更實用、更複雜、更不容易出現幻覺和錯誤——人工智慧公司對模型輸入的數據進行了大量優化。這屬於訓練後的階段，包括從 Handshake 及其競爭對手等供應商購買資料。

在 Handshake 平台上，「研究員」可能會花一個班次的時間，整理出他們在專業領域可能遇到的問題的詳細示例和解決方案；或者指出對某個題目的兩個回答哪個更好。當題目沒有客觀的正確答案時——例如，螢幕上的作品不是數學題而是一篇作文——評估者可以根據評分標準對答案進行評分。文章結構是否清晰？如果清晰，則可以獲得一定的分數。文章語法是否正確？如果語法正確，也可以提高分數。

古茲曼先生表示，在向客戶提交訓練資料之前，Handshake會進行一些品質控制，檢查資料並使用自動化工具評估承包商是否有抄襲或使用人工智慧完成工作的情況。 （是的，訓練人員使用人工智慧來改進人工智慧是被禁止的。）之後，Handshake會向客戶發送一個包含數百條資料的資料庫，其中包含原始題目、最佳答案以及各種元資料。

有時，客戶會帶著他們的需求來找 Handshake，而 Handshake 的營運和研究團隊則需要想辦法滿足這些需求。

“你們打算怎麼安排？”斯圖爾先生說，“怎麼找到合適的人？怎麼把他們招進來？我們得付他們薪水，得審查他們，還得信任他們。”

有時，Handshake 會主動聯繫客戶，說服他們需要某些東西——例如，透過展示他們現有的模型有哪些不足之處。

在我訪問期間，Handshake公司正在開發一項名為「銀行家基準測試」的計畫——實際上，這是一項標準化測試，旨在評估人工智慧模式能否勝任金融從業人員的日常工作。古茲曼先生在大螢幕上投影了一份冗長而詳細的文件。這個基準測試包含一個針對人工智慧模型的角色扮演場景：「你是一名初級投資銀行家，」提示部分以這樣一段話開頭，描述了一位董事總經理要求下屬提供客戶報告的情景。下一部分展示了一個“理想輸出”，另一部分則列出了大約90項加權標準，用於評估模型是否正確解決了問題。

古茲曼先生說：「我們不僅要驗證他們的答案，還要驗證他們在整個過程中是否做出了正確的決策。」模型需要展示其工作過程，而不僅僅是給出答案。他指出，人工承包商花費了大量時間精心建構基準測試的內容。理論上，一個獲得高分的AI模型就可以勝任銀行家的工作。

這些資料訓練新創公司看到了一個利潤豐厚的商機：在微縮的辦公環境中，他們的零工人員可以在可控的條件下評估和復現電子郵件、備忘錄和幻燈片簡報。這些公司宣稱，從這種環境中產生的資訊將有助於縮小人工智慧模型能夠完成的任務與辦公室工作人員實際工作之間的差距，因為想法和指示會在會議、文件和應用程式之間快速流動。

例如，Scale 表示“我們的環境複製了現實世界的工作流程”，並且其承包商“精心製作的工件捕捉了真實專業工作的複雜性、模糊性和極端情況”。

高層認為這些模型的不足之處表明他們還有更多工作要做。

「我經常使用 Claude Cowork，對吧？」Surge 的創辦人 Edwin Chen 說。 「雖然 Claude Cowork 非常智能，但它常常無法完全理解 Slack 的細微差別。它無法理解我提出的這個模棱兩可的問題。它也不知道該去哪裡找到這份 Google 文件。”

根據彭博億萬富翁指數，陳先生在Surge的持股——以及他對該公司未來發展的願景——使他成為全球第258位最富有的人。

陳先生說：「我常常覺得我們就像一所通用人工智慧（AGI）學校。」他指的是預言中超越人類智慧的人工智慧。 「人工智慧來到我們這裡，學習如何管理世界。」 他說，他和大型人工智慧實驗室的客戶正在設計課程。

陳先生自詡為身處商業巨頭的行業中的一位思想家，他思考著未來“教育是否還存在”，或者人們是否會整天沉迷於手機上播放的AI垃圾視頻。但他認為，他的公司正在創造有薪工作，同時也幫助未來孕育出人工智慧助手，這些助手不會取代工作崗位，反而會協助知識工作者提高工作效率。

他預測，知識分子最終會接受訓練和改進人工智慧的腦力挑戰，並將其視為一條新穎的職業道路，這條道路是社會上「最負盛名、最有影響力的職業道路之一」。

一些與自身利益相關的管理人員堅稱，對培訓的需求將無限期地持續下去，但其他人對此並不確定。

「隨著人工智慧系統不斷改進，對人類教師的需求將會減少，」維吉尼亞大學經濟學家安東·科里內克說道，他剛開始為期一年的休假，前往Anthropic公司工作。 “無論是訓練後數據的整體重要性，還是專門從事這方面業務的公司的增長，都可能會有所下降。”

對於大多數白領員工都會接受某種形式的數據培訓的預測，科里內克博士認為這種說法過於籠統。 “這聽起來就像在說，未來所有白領都會成為教授，”他說，“這怎麼可能呢？”

人工智慧的概念意味著人類的退出。甚至它的名稱也暗示著機器可以自行完成任務，無需人類幹預。但是，至少到目前為止，仍有大量人類在人工智慧的開發過程中發揮著重要的實際作用。

「機器掩蓋了人類正在做的事情，」華盛頓大學矽谷歷史學家瑪格麗特‧奧馬拉說。她謹慎地表示，既不高估人類的智能，也不高估機器的智能。不僅模型可能面臨數據不足的困境，人類也可能面臨思維枯竭的困境。她補充說，這種大規模的人類知識向機器的轉移「正值人工智慧導致人類專業知識衰落之際」。

這個行業可能在重塑社會之前就失去發展勢頭。 “我們不應該想當然地認為事情一定會這樣發展，”奧馬拉博士說，“僅僅因為這些公司告訴我們事情會這樣發展，是不可取的。”