这个场景有一种近乎令人眩晕的意味。一位接受多年训练的建筑师结束一天的工作，打开一个在线平台，一步一步向机器解释如何准备建筑方案或开展盈利能力分析。这并不是课堂练习。她调用的是自己的真实工作经验、职业习惯，以及那些很少能从手册中学到的专业知识。

这位建筑师名叫Cuicui，住在Shenzhen。由于公共基础设施支出下降，五年间她的收入减少了一半。因此，她晚上为TalentsAI工作，用来支付房贷和孩子的课外活动费用。悖论就在这里：短期来看，她正在把一种知识变现，而从长期来看，这种知识可能会降低她自己职业的稀缺性。

为了今天还能维持偿付能力，一些专业人士正在教机器掌握那些明天可能让自己工作不再那么不可或缺的知识。

这已经不只是标注，而是职业知识的转移

“标注”这个词仍然让人联想到一些小型、重复性的任务：给照片分类、检查一句话、点击一个类别。如今，规模已经发生变化。平台寻找的是能够传递职业推理、工作方法、权衡方式，甚至能够传授“如何判断一个答案是否足够好”的人，而这种判断有时并不能被概括成一条简单规则。

ByteDance于2025年推出Xpert，并称已招募超过5万名专家，从作家到治疗师都有。Alibaba通过Siriser招募教师、机械工程师、作曲家等专业人士。TalentsAI和MeetChances也面向记者、税务专家和猎头。美国的Mercor、Surge AI和Handshake则已经在招募律师、科学家和电影行业从业者，让他们训练模型处理白领任务。

这个变化非常重要：原材料已经不再只是数据，而是人类判断本身。这些任务真正需要的是，专家如何从一个不完整的问题出发，走到一个可执行的决策。今年6月，中国National Data Administration也呼吁开发高质量数据集，并鼓励高校毕业生把数据标注视为一种灵活就业方式。

中国AI训练数据市场预计将在2026年达到11亿美元，比2025年增长25%。与此同时，中国每天的token消耗量从2024年初约1000亿上升到2026年年中的500万亿。这些数字并不意味着专家会消失，但它们确实说明，整个生态系统正在需要一种更复杂的燃料：可被模型使用的推理范例。

为什么要同意训练一个潜在的竞争者？

最简单的答案也是最令人不舒服的答案：因为道德原则往往没有即将到期的房贷那么有分量。在中国，受访劳动者把这类工作形容为要求高、不稳定，而且报酬低于美国。一些任务只能获得100到500元人民币，也就是大约15到74美元，却可能需要花费几个小时。任务还可能被质量团队拒绝，最终得不到报酬。

因此，经济背景起着核心作用。中国青年失业率被报为17.9%。MeetChances甚至在RedNote上使用过一个非常直接的广告说法：中年失业之后，成为AI训练师可以是一种选择。它承诺的不是一份体面的职业生涯，而是现在就能获得的收入。

同样的矛盾也出现在其他地方。在南非，拥有工业社会学博士学位的James Maisiri拒绝了一项任务，因为他需要把自己十年来在评估设计、教学和评分方面学到的知识传递给AI。这个岗位每小时支付600兰特，约合37美元，远高于当地30.23兰特的全国最低工资。尽管如此，他仍认为这份报酬无法抵消更根本的问题：帮助制造一种能够与自己多年努力掌握的职业竞争的工具。

并不是所有人都有条件拒绝。2026年第二季度，南非青年失业率达到47.4%。到了这里，这个两难问题就不再那么哲学化。劳动力市场越恶化，“我保护自己的专业能力”和“我把能卖的东西卖掉”之间的界线就越难维持。

更高的专业报酬也无法消除悖论

在美国，这种模式的回报可以高得多。估值100亿美元的Mercor拥有超过3万名白领合同工，他们为OpenAI或Anthropic这样的实验室工作。据称，律师和医生平均每小时可赚85到200美元，而精神病学或风险投资等部分专业领域的时薪甚至可以达到350到1000美元。

但更高的时薪并不会改变交易的本质。专家出售的与其说是一个小时的产出，不如说是自己比较优势的一部分。正因为如此，这个新市场值得被看作一种远比“AI兼职”更重要的现象。

中国对欧洲意味着什么——又不意味着什么

必须说得准确：本文记录的任何案例，都不足以证明这种现象已经在法国或欧洲形成规模。不过，中国、美国、南非和印度的情况表明，这种机制并不属于某一种单独的经济体系。它既会出现在高价购买专业能力的市场中，也会出现在经济压力迫使人们接受不稳定任务的国家。

因此，能够被欧洲复制的未必是报酬水平、法律身份，甚至也未必是平台的具体形式。真正可以复制的是机制：当一个行业减少招聘，一家AI公司正在寻找稀缺技能，而某位专业人士恰好掌握这种技能却缺少工作机会时，一个把其隐性知识转化为训练材料的市场就可能出现。

这一可能性尤其值得关注，因为据Datasumi称，部分白领群体——年轻律师、金融分析师、研究人员——的初级岗位自2019年以来已经减少了50%。如果因此断言AI是唯一原因，或者欧洲一定会机械地走上同一条道路，那就过于武断。但这一系列变化已经足够连贯，值得提出一个严肃的问题：当那些原本让新人积累经验的第一份工作越来越少，而机器又恰恰在学习完成其中一部分任务时，会发生什么？

人类知识作为原材料，或许比作为一个岗位更值钱

在我看来，这是最令人不安的一点。长期以来，人们认为复杂职业会得到保护，因为它们依赖多年经验、具体情境、例外情况和判断力。然而，现在恰恰是这种复杂性对AI公司变得有价值。

因此，人类技能并没有变得无用。几乎恰恰相反：它的价值高到值得企业付钱请专家把它提取出来。真正的问题在于，当这种知识被转化为可以复制的软件能力之后，谁会继续拥有其中的价值。

  • 对专业人士来说，这类任务带来即时收入。
  • 对平台来说，它把稀缺专业能力转化成可以大规模重复使用的范例。
  • 对客户企业来说，它未来可能减少每次类似任务都需要调用专家的必要。

这并不意味着每一位律师、建筑师或工程师都在为自己的失业编程。现有案例并不支持如此机械的结论。不过，这种变化显然值得比“机器人抢工作”的陈词滥调更深入的讨论。

真正的转变更加隐蔽：处于经济压力中的专业人士，可能暂时成为知识的供应者，而这些知识最终会自动化他们自身价值链的一部分。中国主要向我们展示了，当经济压力很强时，这个市场会变成什么样。对欧洲来说，这种警告不是预言，而是一个需要在迫不得已替专业人士作出选择之前解决的问题：一种专业能力只卖一次，却能在此后几乎无限复制，那么它到底值多少钱？