Датун, Шаньси — этот город, который когда-то держался на угле, поддерживавшем половину его экономики, теперь стряхнул с себя угольную пыль, сменил инструмент на остроконечную кирку и обрушил её на другую, невидимую шахту.
В офисном здании Международного центра Цзиньмао в районе Пинчэн больше нет подъёмных шахт и угольных грузовиков. Их заменили тысячи тесно стоящих компьютерных рабочих мест. Шанхайский центр больших данных и интеллектуальных услуг «Юньчжун Шэнгу» компании Rainsoon занимает несколько целых этажей, где тысячи молодых сотрудников в наушниках уставились в экраны, щёлкают, перетаскивают, обводят рамкой.
Согласно официальным данным, по состоянию на ноябрь 2025 года в Датуне было введено в эксплуатацию 745 000 серверов, привлечено 69 предприятий, занимающихся колл-центрами и разметкой данных, что обеспечило трудоустройство более 30 000 человек на местах и объём производства в 750 миллионов юаней. В этой цифровой шахте 94% работников являются местными жителями.
И не только Датун. Среди первых баз по разметке данных, определённых Государственным управлением по данным, значатся уезды и города центрального и западного Китая, такие как Юнхэ в Шаньси, Бидзе в Гуйчжоу и Мэнцзы в Юньнани. На базе разметки данных в уезде Юнхэ 80% сотрудников — женщины. В основном это деревенские мамы или возвращающаяся молодёжь, которая не может подобрать подходящую работу.
Сто лет назад на текстильных фабриках Манчестера в Англии толпились крестьяне, потерявшие землю. А сегодня перед экранами компьютеров в удалённых уездных городках сидят молодые люди, не нашедшие себе места в реальной экономике.
Они заняты работой, которая кажется крайне футуристичной, но в то же время примитивной — сдельной работой для ИИ-гигантов из Пекина, Шэньчжэня и Кремниевой долины, производящей необходимые для больших моделей «корма» в виде данных.
Никто не видит в этом проблемы.
Новая сборочная линия на Лессовом плато
Суть разметки данных — учить машины распознавать мир.
Автопилоту нужно распознавать светофоры и пешеходов, большим моделям — отличать кошку от собаки. У машин самих по себе нет здравого смысла, сначала человек должен нарисовать рамку на картинке и сказать «это пешеход», и только после переваривания миллионов изображений она научится распознавать сама.
Эта работа не требует высшего образования, нужно лишь терпение и указательный палец, способный безостановочно щёлкать.
В золотую эру 2017 года простая 2D-рамка могла стоить более десяти фэней, некоторые компании даже предлагали высокую цену в пять мао. Быстрые разметчики, работая по десять с лишним часов в день, могли зарабатывать пять-шесть сотен юаней. В уездном городе это абсолютно считалось высокооплачиваемой и респектабельной работой.
Но по мере эволюции больших моделей начала проявляться жестокая сторона этой сборочной линии.
К 2023 году цена за разметку простого изображения упала до 3-4 фэней, снизившись более чем на 90%. Даже для более сложных 3D-изображений в виде облака точек — тех изображений, состоящих из密集ных точек, которые нужно увеличивать во много раз, чтобы разглядеть края, — разметчик должен в трёхмерном пространстве натянуть объёмную рамку, содержащую длину, ширину, высоту и угол отклонения, чтобы идеально обхватить vehicle или пешехода. И за такую сложную 3D-рамку платят всего 5 фэней.
Прямым следствием резкого падения цен стало резкое увеличение интенсивности труда. Чтобы удержаться на минимальной зарплате в две-три тысячи юаней в месяц, разметчики должны постоянно и непрерывно повышать свою скорость.
Это вовсе не лёгкая беловоротничковая работа. На многих базах разметки управление душащее до степени удушья, на работе нельзя отвечать на телефонные звонки, телефоны必须锁ятся в ячейках. Система точно记录ирует траекторию мыши и время простоя каждого сотрудника, если остановиться более чем на три минуты, предупреждение из бэкенда прилетит, как кнут.
Ещё более сводящей с ума является допустимая погрешность. Отраслевой порог обычно составляет 95% и выше, некоторые компании даже требуют 98%-99%. Это означает, что если из 100 нарисованных рамок ошибиться всего в 2, вся картинка будет возвращена на доработку.
Динамические изображения идут кадрами, перестраивающиеся vehicleи заслоняются, разметчик должен по ассоциации находить их один за другим; в 3D-облаке точек любой объект размером более 10 точек必须 быть обведён рамкой. В сложном проекте парковочных мест линии могут быть проведены слишком длинно, что-то может быть пропущено, при проверке качества всегда найдутся недостатки. Картинка возвращается на доработку четыре-пять раз — обычное дело. В итоге получается, что за час работы на руки выдаётся всего несколько фэней.
Одна разметчица из Хунаня на своей странице в соцсети выложила расчётный лист: за день работы она нарисовала более 700 рамок по цене 4 фэня за штуку, общий доход составил 30,2 юаня.
Это极度 раздвоенная картина.
С одной стороны — шикарные tech-магнаты на презентациях, рассуждающие о том, как AGI освободит человечество; с другой — молодые люди в уездных городках на Лессовом плато и в горах юго-запада, которые по восемь-десять часов в день уставились в экраны, механически рисуя рамки, тысячи, десятки тысяч, и даже ночью во сне их пальцы в воздухе прорисовывают линии полос.
Кто-то once said, что искусственный интеллект снаружи — это несущийся мимо роскошный автомобиль, но если открыть дверь, то окажется, что внутри сто человек на велосипедах, стиснув зубы, изо всех сил крутят педали.
Никто не видит в этом проблемы.
Сдельные работники, учащие машины «как любить»
Когда瓶颈 распознавания изображений был пробит, большие модели迎来了 более глубокую эволюцию, им нужно научиться думать, говорить как человек, даже проявлять «эмпатию».
Это породило самый核心ный и дорогой этап обучения больших моделей — RLHF (обучение с подкреплением на основе человеческой обратной связи).
Проще говоря, это когда реальные люди оценивают ответы, сгенерированные ИИ, говоря ему, какой ответ лучше, больше соответствует человеческим ценностям и эмоциональным предпочтениям.
ChatGPT之所以看起来 «похож на человека»,就是因为 behind него стоит无数 инструкторов RLHF, которые给他上课.
На краудсорсинговых платформах такие задачи разметки往往 имеют明码标价: стоимость за штуку от 3 до 7 юаней. Разметчик должен выставлять极其 субъективные эмоциональные оценки ответам ИИ, оценивая, является ли ответ «тёплым», есть ли в нём «эмпатия», «учитывает ли он эмоции пользователя».
Низкооплачиваемый работник, получающий две-три тысячи в месяц, измотанный в现实ной трясине,甚至连 на свои собственные эмоции у него нет времени,却 должен в системе выступать эмоциональным наставником ИИ и судьёй по ценностям.
Им нужно раздробить这些极其复杂ные, тонкие человеческие эмоции, как теплота, эмпатия, и насильно量化ить их в холодные баллы от 1 до 5. Если их оценка не совпадёт с эталонным ответом, установленным системой, их признают несоответствующими по точности и урежут и так скудную сдельную оплату.
Это когнитивное опустошение. Сложные, тонкие человеческие эмоции, мораль и сострадание насильно затягиваются в воронку алгоритма. В холодных量化 и стандартизированных шкалах они выжимаются до последней капли тепла. Когда ты восхищаешься, что кибер-зверь на экране уже научился писать стихи, сочинять музыку, проявлять заботу,甚至 натянул на себя кожу сентиментальности; по ту сторону экрана те, кто изначально был живыми людьми, в ежедневных механических оценках выродились в безэмоциональные машины для выставления баллов.
Это самая隐秘ная сторона всей индустрии, она никогда не появляется в новостях о финансировании или технических white paper.
Никто не видит в этом проблемы.
Магистры 985 и молодёжь из маленьких городков
Низкоуровневая работа по рисованию рамок подвергается碾压 со стороны гусениц ИИ, эта кибер-сборочная линия начинает распространяться вверх,开始吞噬лять более высокоуровневый умственный труд.
Аппетит больших моделей изменился. Он больше не удовлетворяется пережёвыванием простых常识, ему нужно吞噬лять человеческие专业知识 и высокоуровневую логику.
На各大 платформах по трудоустройству开始频繁но мелькать особый вид подработки, например, «Разметка логических умозаключений для больших моделей», «Гуманитарный тренер ИИ». Порог для этой подработки极高, часто требуется «магистр 985/211 или выше»,涉及法律, медицина, философия, литература и другие профессиональные области.
Многие аспиранты известных вузов привлекаются и涌入 в эти аутсорсинговые группы крупных компаний. Но они很快发现, что это вовсе не лёгкая умственная гимнастика, а精神ное折磨.
Перед正式ным получением заказа они必须 прочитать文件 с критериями оценки и измерения длиной в десятки страниц, провести два-три раунда пробной разметки. После达标 в正式ной разметке, если точность окажется ниже среднего уровня, они потеряют квалификацию и будут выгнаны из группы.
Самое душащее — эти стандарты根本不是固定нные. Столкнувшись с похожими вопросами и ответами, используя одинаковый образ мышления для оценки, результаты могут быть совершенно противоположными. Это как делать永远做不完的 и根本没有 эталонного ответа тест. Невозможно повысить точность собственными усилиями или обучением, можно только бесконечно крутиться на месте,消耗ля умственные и физические силы.
Это новая форма эксплуатации эпохи больших моделей — складывание слоёв.
Знания,这把黄金阶梯, которую曾经 считали инструментом打破ления барьеров и восхождения вверх,如今 превратилась в более сложный数字 корм, приносимый в жертву алгоритму. Перед абсолютной властью алгоритмов и систем магистры 985 из башни из слоновой кости и молодёжь из маленьких городков на Лессовом плато迎来ли最诡异的殊途同归.
Они вместе падают в эту бездонную кибер-шахту, лишённые ореола, с抹ленными различиями, все превращаются в дешёвые и в любой момент заменяемые шестерёнки на конвейере.
За границей то же самое. В 2024 году Apple прямо уволила команду из 121 человека по разметке голоса ИИ в Сан-Диего. Эти сотрудники отвечали за улучшение многоязыковой обработки Siri, они曾经 думали, что стоят на краю核心ного бизнеса крупной компании, но в мгновение ока坠入 в бездну безработицы.
В глазах tech-гигантов,无论是 рисующие рамки тётушки в уездах,还是 логические тренеры, окончившие известные вузы, по сути都是随时 заменяемые «расходные материалы».
Никто не видит в этом проблемы.
Триллионная Вавилонская башня, сложенная из кровавого пота стоимостью в несколько фэней
Согласно данным, опубликованным Китайской академией информационных и коммуникационных технологий, в 2023 году объём рынка разметки данных в Китае составил 6,08 миллиарда юаней, в 2025 году ожидается 20-30 миллиардов юаней. По прогнозам, к 2030 году globalные продажи на рынке разметки данных и услуг взлетят до 117,1 миллиарда юаней.
За этими цифрами стоит valuationное безумие tech-гигантов, таких как OpenAI, Microsoft, ByteDance, исчисляемое тысячами миллиардов и триллионами долларов.
Но эти пролившиеся с небес богатства не потекли к тем, кто действительно «кормит» ИИ.
Индустрия разметки данных в Китае呈现出 типичную перевёрнутую пирамиду аутсорсинга. На самом верху — tech-гиганты, мертвой хваткой держащие核心ные алгоритмы; второй уровень — крупные поставщики数据服务; третий уровень — разбросанные по всей стране базы разметки данных и中小ние аутсорсинговые компании; самый низ — те разметчики на сдельной оплате, «грязнопузые».
Каждый уровень аутсорсинга жестоко сдирает свой слой жира. Когда крупная компания устанавливает цену в 5 мао, после层层ого обдирания до разметчика в уезде可能 доходит不到 5 фэней.
Бывший министр финансов Греции Янис Варуфакис в своей книге «Технофеодализм» выдвинул极具 проницательную точку зрения: сегодняшние tech-гиганты уже не являются传统ними капиталистами, а являются «облачными сеньорами» (Cloudalists).
Они владеют не фабриками и машинами, а алгоритмами, платформами, вычислительной мощностью — это数字ная территория киберэпохи. В этой новой феодальной системе пользователи — не потребители, а数字ные арендаторы, каждое наше лайкание, комментирование, просмотр в соцсетях бесплатно поставляет数据 облачным сеньорам.
А те разметчики данных,分布ленные на下沉ных рынках, являются数字ными крепостными самого низкого уровня в этой системе. Они не только производят数据, но и должны очищать, классифицировать, оценивать огромные объёмы сырых данных, превращая их в высококачественный корм, который большие модели могут переваривать.
Это隐秘ное когнитивное огораживание. Как огораживание в Англии XIX века сгоняло крестьян на текстильные фабрики, так и сегодняшняя волна ИИ сгоняет молодёжь, не нашедшую места в реальной экономике, перед экранами.
ИИ не сгладил阶级ный разрыв, а instead建立ил «ленту передачи данных и пота» от уездов центрального и западного Китая прямо в штаб-квартиры tech-гигантов Пекина, Шанхая, Гуанчжоу, Шэньчжэня. Нарратив技术革命总是宏кий и华丽ный, но его底色 — всегда масштабное потребление дешёвой рабочей силы.
Никто не видит в этом проблемы.
Завтра, в котором люди больше не нужны
Самый жестокий финал уже близок, и он приближается всё быстрее.
По мере скачка возможностей больших моделей те задачи по разметке, которые раньше требовали человеческого труда днями и ночами,正在接管ляться самим ИИ.
В апреле 2023 года основатель Li Auto Ли Сян на форуме透露ил данные: раньше за год им нужно было делать около 10 миллионов кадров ручной разметки изображений для автопилота, стоимость аутсорсинга приближалась к ста миллионам. Но когда они начали использовать большие модели для автоматической разметки, то, на что раньше уходил год,基本上 можно сделать за 3 часа.
Эффективность в 1000 раз выше, чем у человека, и это ещё в 2023 году. В только что прошедшем марте Li Auto также выпустила новый движок автоматической разметки MindVLA-o1.
В отрасли ходит无比 правдивая самоирония: «Сколько интеллекта, столько и ручного труда». Но сейчас вложения крупных компаний в аутсорсинг по разметке данных уже показали обрывное падение на 40%-50%.
Те молодые люди из маленьких городков, которые просидели бессчётное количество дней и ночей перед компьютерами, до красноты вымотав глаза, собственными руками выкормили зверя. И теперь этот зверь поворачивается и выбивает у них饭碗 из рук.
С наступлением ночи офисные здания в районе Пинчэн в Датуне依旧 ярко освещены. Молодые люди на сменах молчаливо обмениваются уставшими телами в лифтовых холлах. В этом сложенном пространстве, жёстко ограниченном无数ыми многоугольными рамками, никого не волнует, какой史诗ский скачок совершила архитектура Transformer на другом берегу океана, и никто не слышит рёва вычислительной мощности behind千亿 параметров.
Их взгляд прикован только к зелёно-красной полосе прогресса в бэкенде, обозначающей «порог及格», подсчитывая, смогут ли эти несколько фэней, несколько мао сдельной оплаты к концу месяца сложиться в достойную жизнь.
С одной стороны — звон колоколов на Nasdaq и пространные статьи в tech-СМИ, гиганты поднимают тосты за пришествие AGI; а с другой — эти数字ные крепостные, которые плотью и кровью выкармливали ИИ, могут только в ноющих снах, дрожа от страха, ждать, что выращенный их собственными руками зверь в какое-то обычное утро небрежным пинком выбьет у них饭碗 из рук.
Никто не видит в этом проблемы.
