文 _ 吳桐雨（浙江大學(xué)社會(huì)學(xué)系）

公眾在談?wù)撊斯ぶ悄埽ˋI）時(shí)，最常見的焦點(diǎn)仍是宏大而抽象的：會(huì)不會(huì)“失控”？會(huì)不會(huì)“取代人類”？倫理準(zhǔn)則夠不夠用？……這些問(wèn)題恢宏、正確，但也很容易把人帶到遠(yuǎn)處，遠(yuǎn)到幾乎讓我們都可以忽略AI也需要“吃飯”，也需要“練習(xí)”，也需要被一點(diǎn)一點(diǎn)教會(huì)關(guān)于人類社會(huì)的知識(shí)、價(jià)值和規(guī)范。

可當(dāng)我和華東師范大學(xué)的夏冰青老師開始做關(guān)于數(shù)據(jù)標(biāo)注勞動(dòng)的田野調(diào)查時(shí)，我們發(fā)現(xiàn)AI并不是一個(gè)未來(lái)主義的詞。它不懸在天上，而是落在地上——落在中西部的山谷里，落在“易地扶貧搬遷社區(qū)”里，落在一個(gè)個(gè)工位、鼠標(biāo)、耳機(jī)、計(jì)時(shí)器和返工單上。

那里的人被媒體稱作“訓(xùn)練AI的老師”。這個(gè)說(shuō)法不算錯(cuò)，但也過(guò)于浪漫。更準(zhǔn)確的說(shuō)法應(yīng)該是：他們?cè)谧鲆环N把世界“翻譯成機(jī)器語(yǔ)言”的工作——把圖像、語(yǔ)音、文本這些原始材料，整理、分類、標(biāo)記成算法可識(shí)別的訓(xùn)練材料，供模型學(xué)習(xí)、糾錯(cuò)、迭代。

在一線工程師的眼里，數(shù)據(jù)標(biāo)注常常只是“訓(xùn)練數(shù)據(jù)的供給”；在中西部的山谷里，它卻是一種更具體的日常——給一張照片拉框，框出“人”“車”“坑洼”；給一段錄音切片，切成可對(duì)齊的詞句；給一段對(duì)話打分，告訴機(jī)器哪些是依人類社會(huì)的價(jià)值判斷能夠得高分的回答；用無(wú)數(shù)次點(diǎn)擊，把一個(gè)本來(lái)模糊的世界打磨得更清晰。

我們的田野就是進(jìn)入AI世界中這個(gè)“隱秘的角落”，在里面一走就走了五年，越走越發(fā)現(xiàn)：AI背后不是一條簡(jiǎn)單的產(chǎn)業(yè)鏈，而是一張繃得很緊的網(wǎng)——沿海大廠的模型部門、產(chǎn)品經(jīng)理的需求表、遠(yuǎn)程平臺(tái)的任務(wù)分發(fā)與排名、縣城邊緣機(jī)房里的質(zhì)檢與返工，全都被同一根線串起來(lái)。下面，我將從三個(gè)部分展開這張網(wǎng)：產(chǎn)業(yè)如何“內(nèi)陸化”，性別如何進(jìn)入數(shù)據(jù)標(biāo)注這份工作，以及地方政府與地方管理者如何運(yùn)用本土知識(shí)輔助大廠對(duì)于標(biāo)注勞動(dòng)的算法控制。

產(chǎn)業(yè)的落地：數(shù)據(jù)標(biāo)注如何被“內(nèi)陸化”

在我們調(diào)查的“易地扶貧搬遷社區(qū)”里面，聚合著從周邊山上搬下來(lái)的四五個(gè)村寨。社區(qū)書記最常掛在嘴邊的一句話是“要留得住人”。這不是一句口號(hào)，而是一串現(xiàn)實(shí)問(wèn)題：人搬下山了，地沒(méi)了，手藝不值錢，年輕人往外跑，老人、孩子留在樓里。要讓人真的在這里安頓下來(lái)，就得給他們一份能按月拿到錢的工作——不一定多，但要穩(wěn)；不一定體面，但要近。

2018 年，機(jī)會(huì)終于來(lái)敲門。社區(qū)開始和一家頭部科技公司（我們用B-Tech作為其化名）談合作。幾輪談判后，B-Tech把它的第一座“數(shù)據(jù)標(biāo)注基地”放進(jìn)了山谷：搬遷社區(qū)給出三年免租優(yōu)惠，后續(xù)再補(bǔ)貼；水電網(wǎng)維護(hù)由社區(qū)承擔(dān)；公司承諾逐步提供崗位，并按社區(qū)要求優(yōu)先招“處境困難的女性”——低學(xué)歷、中年、離異者先上。如果從外面看，這就是一筆“數(shù)字經(jīng)濟(jì)招商”的常規(guī)交易。但走進(jìn)去就會(huì)發(fā)現(xiàn)，這個(gè)基地更像一個(gè)夾層：它把沿海大廠的AI生產(chǎn)鏈條，硬生生地楔進(jìn)了內(nèi)陸一座山谷的日常。

然而，這一圖景與國(guó)際上對(duì)于AI數(shù)據(jù)產(chǎn)業(yè)和勞動(dòng)的研究發(fā)現(xiàn)是相悖的。國(guó)際上討論數(shù)據(jù)勞動(dòng)，常見的圖景是“全球分工”：模型和工程師在全球北方，標(biāo)注外包給全球南方的平臺(tái)和BPO（Business Process Outsourcing，商務(wù)流程外包）；工資按“幾美分一單”或“一小時(shí)一美元多一點(diǎn)”結(jié)算。賬本寫得很明白：哪里便宜就往哪里去。

中國(guó)的大廠當(dāng)然也懂這筆賬，但在很多關(guān)鍵項(xiàng)目上，它們更怕另一件事——泄密。一位工程師說(shuō)得很直白：大廠不愿把關(guān)鍵數(shù)據(jù)扔到公開平臺(tái)上，因?yàn)椤皹?biāo)什么數(shù)據(jù)”會(huì)暴露公司下一步要做什么。數(shù)據(jù)在這里不僅是訓(xùn)練的燃料，更像研發(fā)路線圖。于是，把數(shù)據(jù)送到內(nèi)陸，送到更加封閉的社區(qū)，就成了自然而然的選擇。

我們?cè)诮诎l(fā)表的一個(gè)關(guān)于中美數(shù)據(jù)標(biāo)注產(chǎn)業(yè)勞動(dòng)的比較研究中把這種組織方式概括為inland-sourcing（內(nèi)陸化/內(nèi)循環(huán)回路）：不是把標(biāo)注外包到海外，而是把任務(wù)從北京、杭州、深圳這些一線或沿海城市總部，送到山西、陜西、甘肅、新疆、貴州、重慶、河南等內(nèi)陸省份的大廠自建和深度控制的標(biāo)注基地（data labeling base）。[1]

具體來(lái)講，這種獨(dú)特的自建基地背后有幾股動(dòng)力疊加在一起。第一重動(dòng)力是數(shù)據(jù)的敏感性。就如上文提到的工程師所言：數(shù)據(jù)本身就是競(jìng)爭(zhēng)優(yōu)勢(shì)，而“標(biāo)什么數(shù)據(jù)”會(huì)泄露一家公司下一步要做什么。第二重動(dòng)力來(lái)自地方政府對(duì)AI經(jīng)濟(jì)的參與：對(duì)很多內(nèi)陸三、四線城市來(lái)說(shuō)，參與模型研發(fā)像天方夜譚：算力、人才、資本，哪一樣都不是說(shuō)有就有的。但“數(shù)據(jù)產(chǎn)業(yè)”不一樣：它勞動(dòng)密集，門檻相對(duì)低，能迅速吸納一批人。更重要的是，它可以被寫進(jìn)一張張漂亮的匯報(bào)表：數(shù)字經(jīng)濟(jì)就業(yè)、AI相關(guān)崗位、產(chǎn)業(yè)落地、搬遷社區(qū)穩(wěn)定……第三重動(dòng)力來(lái)自企業(yè)管理邏輯。標(biāo)注是高頻、瑣碎、對(duì)質(zhì)量極其敏感的工作，完全依賴高流動(dòng)的眾包，會(huì)把企業(yè)拖進(jìn)無(wú)休止的培訓(xùn)與返工：工人剛熟悉規(guī)則就離職，新人進(jìn)來(lái)又要從頭教；標(biāo)注質(zhì)量忽高忽低，返工率上升，項(xiàng)目進(jìn)度被拖慢。所以許多大廠最終選擇“落地”基地：把勞動(dòng)固定在一個(gè)空間里，把經(jīng)驗(yàn)沉淀在一群人身上，讓準(zhǔn)確率、保密性與返工率可控。

于是你會(huì)看到一種非常中國(guó)式的合作形態(tài)，正如我們的田野工作反映的那樣：數(shù)據(jù)標(biāo)注基地的法人是社區(qū)書記，書記從社區(qū)里挑出一個(gè)“讀書讀得最好的年輕人”來(lái)當(dāng)基地經(jīng)理；工人則來(lái)自社區(qū)的勞動(dòng)力池。這套結(jié)構(gòu)把企業(yè)最頭疼的兩件事也一并解決了：穩(wěn)定與低成本。穩(wěn)定來(lái)自社區(qū)與親緣網(wǎng)絡(luò)的“黏性”；低成本來(lái)自地方財(cái)政承擔(dān)的一部分基礎(chǔ)設(shè)施與運(yùn)營(yíng)費(fèi)用。但別誤會(huì)，這份穩(wěn)定并不溫柔，它更像一種工業(yè)化的耐心：讓人留得住、學(xué)得會(huì)、跑不掉，從而把數(shù)據(jù)做得更準(zhǔn)。有人甚至告訴我們，自建基地的數(shù)據(jù)準(zhǔn)確率能做到 97%~98%，明顯高于多數(shù)外包平臺(tái)或第三方工廠。

性別進(jìn)入工位：從“幽靈工作”到“巾幗車間”

歐美學(xué)者關(guān)于數(shù)據(jù)勞動(dòng)的研究[2]很容易讓人形成一種“幽靈工”想象：勞動(dòng)者分散在世界各地，在云端接單、提交、消失；平臺(tái)只看得見ID、評(píng)分、完成率，人本身是隱形的。也正因這種不可見性，女性更容易被吸引進(jìn)去：平臺(tái)的“靈活”像一張網(wǎng)，剛好兜住照護(hù)、家務(wù)、零碎時(shí)間，勞動(dòng)被包裝成“補(bǔ)貼性收入”。

投喂AI

[英] 詹姆斯·馬爾登，等

中信出版集團(tuán)2025

然而，我們進(jìn)行田野調(diào)查的自建基地看起來(lái)很不一樣：雖然大部分也是女性工人（因?yàn)檫@個(gè)社區(qū)中的男性大多外出務(wù)工了），但是女性不是在家里接單，而是進(jìn)基地打卡，坐在統(tǒng)一的機(jī)房里。然而，她們?nèi)匀怀尸F(xiàn)出一種與“幽靈工”相似的結(jié)構(gòu)性處境：工作被安排成可以隨時(shí)讓位于家庭的狀態(tài)，家庭又被安排成可以隨時(shí)壓住工作的狀態(tài)。[3]

銷聲匿跡

[美] 瑪麗·L. 格雷 [美]西達(dá)爾特·蘇里

上海人民出版社2020

你在基地里待久了，就會(huì)發(fā)現(xiàn)這些女性工作和生活的邊界是如此模糊。很多“媽媽工”中午下班時(shí)一路小跑去買菜，回家把午飯、晚飯一起做出來(lái)，再趕回工位。到了下午四點(diǎn)半，她們又要從工位上撤離去接孩子：有人把孩子送回家，安排作業(yè)后，再回來(lái)補(bǔ)一兩個(gè)小時(shí)工；有人干脆把孩子帶回工位，一邊拉框一邊盯作業(yè)。她們的時(shí)間被切成了薄片，一片一片貼在生活的縫里。而就在她們來(lái)回奔波的時(shí)候，婆婆們往往聚在基地外的小廣場(chǎng)曬太陽(yáng)、聊天——不慌不忙，像一座看不見的“家庭權(quán)力中心”。

也正是在這種結(jié)構(gòu)里，“管理”變得很難。基地經(jīng)理“黑崽”學(xué)歷高、年紀(jì)輕，按親屬輩分來(lái)算，只是“媽媽工”的“侄子輩”。他試著貼考勤表，宣布“從今天開始嚴(yán)格遵守上下班時(shí)間”，話還沒(méi)落地，就被二十多位“姑母”圍住教育：“你還沒(méi)結(jié)婚，不懂過(guò)日子的難處！”最后考勤表成了墻上一張沒(méi)人看的紙。這里的關(guān)鍵并不是“女人不守紀(jì)律”，而是紀(jì)律本身被家庭結(jié)構(gòu)重新改寫：真正約束“媽媽工”的不是經(jīng)理，而是婆媳關(guān)系、母職倫理以及那種無(wú)處可逃的家庭責(zé)任。

地方政府當(dāng)然看見了這一點(diǎn)。對(duì)搬遷社區(qū)來(lái)說(shuō)，“留得住人”的關(guān)鍵往往在女性：男性繼續(xù)外出務(wù)工，房子要保、老人要照顧、孩子要上學(xué)，能把這一切拴在社區(qū)里的，常常是媳婦和母親。于是政府在與B-Tech談判時(shí)堅(jiān)持優(yōu)先雇女性，基地后來(lái)還被授予“巾幗車間”稱號(hào)，優(yōu)秀女工被推到鏡頭前講“在家門口上班”的體面。

鏡頭外，她們確實(shí)努力：主動(dòng)加班、練習(xí)技巧、追求準(zhǔn)確率和速度，不“愧對(duì)”那份“出人頭地”的榮譽(yù)。但更關(guān)鍵的是，這套“巾幗敘事”并沒(méi)有把女性從家庭里解放出來(lái)，它常常以溫柔的方式把家庭再次綁回工作制度中。比如，設(shè)置“4:30課堂”——孩子放學(xué)后可以托管到母親下班。它像一種善意的基礎(chǔ)設(shè)施，同時(shí)也是一種明確的暗示：你可以工作，但你要同時(shí)完成母職；你被允許進(jìn)入數(shù)字經(jīng)濟(jì)，但前提是你不松開照護(hù)。

在照料的道德捆綁之下，是“內(nèi)疚”的政治經(jīng)濟(jì)。很多“媽媽工”年輕時(shí)南下打工，錯(cuò)過(guò)了孩子的成長(zhǎng)。回到家鄉(xiāng)后，那種缺席感變成一種補(bǔ)償：寧愿犧牲休息，也要把孩子留在身邊。在我們的訪談里，“可可媽”把這件事說(shuō)得很具體：她在外七年，回來(lái)后下決心“孩子必須自己帶”，女兒成績(jī)掉下來(lái)，她就去爭(zhēng)取早班，把時(shí)間挪出來(lái)盯教育。

這種內(nèi)疚感會(huì)生成一種特殊的勞動(dòng)順從：她們更愿意接受“我少賺一點(diǎn)也沒(méi)關(guān)系”，因?yàn)檫@份工作被她們定義為“離家近、能照顧人”的選擇。當(dāng)基地為了“保住訂單”重新分工，把“更香的任務(wù)”流向少數(shù)高效組時(shí)，很多“媽媽工”對(duì)被分到“油水更少”的工單往往不公開爭(zhēng)辯，她們更容易把差異解釋為自己的選擇：我得顧孩子，所以我就不搶更難、更賺錢的任務(wù)。久而久之，“巾幗英雄”的光環(huán)就成了一種潤(rùn)滑劑：它讓結(jié)構(gòu)性不平等更容易被吞下去，讓“你被放到次要位置”聽起來(lái)像“你高尚地選擇了家庭”。

當(dāng)算法走到“最后一公里”：地方知識(shí)介入管理

在全球語(yǔ)境中討論AI時(shí)，人們常說(shuō)，自動(dòng)化最難的不是“起飛”，而是“落地”。機(jī)器可以“看見”世界，卻很難在復(fù)雜、含混、隨時(shí)變動(dòng)的現(xiàn)實(shí)里穩(wěn)定運(yùn)轉(zhuǎn)——它需要有人先把世界整理一遍，把臟亂差的生活折疊成它能吞下去的格式。數(shù)據(jù)標(biāo)注就是這“最后一公里”的鋪路石：把圖像里的“人”“車”“坑洼”框出來(lái)；把語(yǔ)音切成詞句；把文本分成“攻擊性”“中性”“誤導(dǎo)性”。AI在屏幕上變得聰明之前，先在這些手指的點(diǎn)擊里變得可計(jì)算。

但我們?cè)谔镆袄锟吹降摹白詈笠还铩辈⒉恢挥小叭私虣C(jī)器”這一層，還有另一層更少被寫進(jìn)國(guó)際議題里：算法的控制要真正生效，也要走完自己的“最后一公里”——它得進(jìn)入地方、進(jìn)入關(guān)系、進(jìn)入具體的生活節(jié)奏。而這段路的坎坷，往往要靠地方政府、社區(qū)組織以及一系列我們稱為“算法補(bǔ)足組織”[4]的組織去磨平。

首先，大廠的標(biāo)注工作訂單量并不穩(wěn)定。訂單像潮水，有波峰，也有波谷。波谷一來(lái)，最先松動(dòng)的是人心：沒(méi)活、工資不穩(wěn)，就會(huì)有人走。人一走，波峰再來(lái)又得重新招、重新訓(xùn)、重新磨合——質(zhì)量掉、返工漲，保密風(fēng)險(xiǎn)也跟著上來(lái)。大廠想要一池“穩(wěn)定”的勞動(dòng)力，卻又不愿為“穩(wěn)定”長(zhǎng)期買單。

這時(shí)候地方政府出手，方式看起來(lái)很樸素：用培訓(xùn)和補(bǔ)貼把人留在“可隨時(shí)上場(chǎng)”的狀態(tài)。訂單稀缺時(shí)，基地把工人送去參加就業(yè)局組織的培訓(xùn)，內(nèi)容其實(shí)還是標(biāo)注基礎(chǔ)訓(xùn)練；人只要簽到參訓(xùn)，就能拿到每天50元的補(bǔ)貼。訂單驟降時(shí)，基地再去爭(zhēng)取與“扶貧車間”相關(guān)的各種補(bǔ)貼，讓符合條件的工人拿到一定比例的補(bǔ)貼（上限500元）。表面上，這是就業(yè)扶持；實(shí)際上，它承擔(dān)著更隱秘的功能：把離職沖動(dòng)按住，把勞動(dòng)力池維持在“可用”狀態(tài)——而維持成本并不完全由企業(yè)承擔(dān)。

“粉店姐姐”就是這套機(jī)制最生動(dòng)的注腳。這位我們田野中的關(guān)鍵報(bào)道人不是等著工作的那種人：她有自己的小店，有客源，有一天的流水，可她仍然參加了一輪又一輪標(biāo)注培訓(xùn)。第一次培訓(xùn)后，她開了粉店，還把培訓(xùn)里認(rèn)識(shí)的人變成了顧客；第二次“進(jìn)階培訓(xùn)”時(shí)，她甚至關(guān)店一周去上課，只為“更新技能、為將來(lái)留個(gè)機(jī)會(huì)”。這句話聽起來(lái)像個(gè)人選擇，實(shí)際上是一種特殊的、結(jié)構(gòu)性的勞動(dòng)組織狀態(tài)。我們?cè)谡撐睦锇阉凶?benching（板凳隊(duì)員）：培訓(xùn)把人變成“半黏著”的勞動(dòng)者——既不完全被雇傭，也不完全脫離基地；人生活在社區(qū)里，心卻被一條看不見的線牽在基地旁邊。對(duì)平臺(tái)/企業(yè)而言，這太好用了：培訓(xùn)成本被外部化給地方資源；勞動(dòng)者通過(guò)反復(fù)訓(xùn)練提升熟練度，卻仍保持可替換性；更重要的是，它讓勞動(dòng)供給能跟上AI開發(fā)那種忽高忽低、隨時(shí)加速又隨時(shí)剎車的節(jié)奏。

如果把這種現(xiàn)象放到國(guó)際學(xué)術(shù)語(yǔ)境里討論，它其實(shí)是一種“數(shù)字勞動(dòng)再嵌入”的新版本：不是把市場(chǎng)重新嵌回傳統(tǒng)共同體，而是把平臺(tái)用工的波動(dòng)嵌進(jìn)地方政府的培訓(xùn)指標(biāo)、項(xiàng)目資金和社區(qū)動(dòng)員能力里——用地方經(jīng)濟(jì)來(lái)做平臺(tái)的減震器。

更反直覺的發(fā)現(xiàn)出現(xiàn)在管理環(huán)節(jié)。很多關(guān)于數(shù)字勞動(dòng)與算法控制的研究都傾向認(rèn)為：算法可以形成更精細(xì)、準(zhǔn)確、無(wú)路可退的控制系統(tǒng)。因?yàn)樗鎸?duì)的不是活生生的人，而是工號(hào)、ID、評(píng)分、完成率，所以它的管控也更趨于“冷酷”：懲罰自動(dòng)發(fā)生，分配自動(dòng)完成，人似乎只能被動(dòng)接受。

但我們?cè)谔镆袄飬s反復(fù)看到另一種現(xiàn)實(shí)：在分工、排班、約束這些最具體的環(huán)節(jié)上，當(dāng)?shù)厝艘罁?jù)地方性知識(shí)做出的“人工優(yōu)化”，常常比平臺(tái)的算法優(yōu)化更有效，也更便宜。

一位大廠負(fù)責(zé)AI數(shù)據(jù)管理的項(xiàng)目經(jīng)理坦白說(shuō)，他們確實(shí)在做“啟發(fā)式優(yōu)化算法”來(lái)生成分工與管理策略，但那需要“特別多的分析工作、數(shù)據(jù)和算力”。說(shuō)白了，就是“要投入特別多的錢”，甚至“幾千萬(wàn)元起步”。而后來(lái)他們發(fā)現(xiàn)，基地經(jīng)理憑經(jīng)驗(yàn)做的分工，“比啟發(fā)式算法準(zhǔn)確有效得多，而且還省錢”。因?yàn)樗惴匆姷氖恰癐D”和“歷史表現(xiàn)”，而基地經(jīng)理看見的是人：誰(shuí)家孩子幾點(diǎn)放學(xué)、誰(shuí)最近眼睛發(fā)炎、誰(shuí)的婆婆臥床、誰(shuí)能熬夜但周末必須回村里辦事。這樣的知識(shí)無(wú)法被完全量化，卻能立刻轉(zhuǎn)化為管理——不是更溫情，而是更精準(zhǔn)。

于是，在訂單高峰期，標(biāo)注基地會(huì)把工人分成不同小組：更“年富力強(qiáng)”、更少家庭負(fù)擔(dān)、效率更高的被分到高效組；被家庭瑣事纏身的媽媽們則更多被分到難度相對(duì)低的小組。這種分工方式看似合理，但也非常殘酷：它把生活負(fù)擔(dān)直接轉(zhuǎn)譯成生產(chǎn)位置，把母職與照護(hù)再次寫進(jìn)工序表里。平臺(tái)很難洞察每個(gè)人真實(shí)的生產(chǎn)潛能，基地經(jīng)理卻能用“對(duì)人”的認(rèn)識(shí)來(lái)釋放效率。

地方知識(shí)不僅能幫平臺(tái)分工，還能幫平臺(tái)監(jiān)督，一個(gè)很小的例子是打卡。基地嵌在生活社區(qū)里，很多工人家離基地不到一公里，打卡程序會(huì)誤判“已經(jīng)到達(dá)”，工人就能在家里先線上打卡，遲到了平臺(tái)也發(fā)現(xiàn)不了。但經(jīng)理很快發(fā)現(xiàn)了這一漏洞，通過(guò)調(diào)整程序的距離敏感度將其堵住。這件事很說(shuō)明問(wèn)題：技術(shù)大廠的算法控制原本有縫，地方知識(shí)本可以成為“縫里的空氣”，讓生活喘一口氣；但它也可能成為“縫里的釘子”，把控制釘?shù)酶o。

結(jié)語(yǔ)

很多人以為AI的故事發(fā)生在云端——算力、模型、參數(shù)。可在山谷里，你會(huì)發(fā)現(xiàn)它更像一條貼地爬行的生產(chǎn)線——每一次點(diǎn)擊、每一次返工、每一次為了四點(diǎn)半接孩子沖出機(jī)房的腳步，都是它向前挪動(dòng)的力量。當(dāng)我們重新把目光放低，才會(huì)看清：所謂“智能”，并不只屬于機(jī)器，它也來(lái)自那些最難被看見的人。

[1] Wu T, MULDOON J, XIA B. Global Data Empires: Analysing Artificial Intelligence Data Annotation in China and the USA[J]. Big Data & Society, 2025, 12(2): 20539517251340600.

[2] 格雷, 蘇里. 銷聲匿跡[M]. 左安浦, 譯. 上海: 上海人民出版社, 2020; 馬爾登, 格雷厄姆, 坎特. 投喂AI[M]. 賈青青, 牟一凡, 譯. 北京: 中信出版集團(tuán), 2025.

[3] 吳桐雨, 夏冰青. 科技資本與地方發(fā)展的糾葛——以G省T市數(shù)據(jù)標(biāo)注基地為例[J]. 二十一世紀(jì), 2025, 2: 78-92.

[4] 吳桐雨, 夏冰青. 計(jì)算與算計(jì)：數(shù)據(jù)標(biāo)注勞動(dòng)中的算法補(bǔ)足組織[J]. 社會(huì)學(xué)評(píng)論, 2023, 11(6): 66-86; XIA B, WU T. The Space-Time Game: Workers with Disabilities in China's AI Data Labeling Industry[J]. New Media & Society, 2025: 14614448251320114.

（原載于《信睿周報(bào)》第164期，題圖來(lái)自《投喂AI》書封）