界面新闻记者 | 徐鲁青

界面新闻编辑 | 姜妍

每天，全世界的人们打开电脑，输入问题，等待几秒钟，一段来自AI的回答就出现在屏幕上。然而看起来高效智能的技术，并非在真空中运行。

牛津互联网研究院研究员詹姆斯·马尔登试图把视线从屏幕移开，追问支撑AI运转的物质条件是什么。在肯尼亚，内容审核员反复接触暴力影像；在冰岛，支撑AI的数据中心飞快消耗着电力；在爱尔兰，一些配音演员发现，自己的声音被用于训练 AI，却未被告知，也未获得补偿。这些故事被他记录在《投喂AI》一书里。

在与界面文化的对谈中，马尔登将人工智能描述为一台抽取机器，智能并不凭空产生，它在持续吸纳人类劳动、知识与自然资源。从艺术家的创作成果，到为数据中心供能的水、电与矿产。

在马尔登看来，这种运作方式并非断裂，它继承了平台经济乃至更早资本主义形态中的抽取逻辑，同时又在强度上发生了变化。正因如此，如果不理解AI是如何被“投喂”出来的，我们也就难以理解，它正在如何重新组织劳动、分配价值，并改变人们与技术、资源和彼此之间的关系。

01 打破AI神秘主义的想象

界面文化：最早是怎么开始写这本书的？

詹姆斯·马尔登：这本书源自我们在牛津互联网研究院参与的一个研究项目，它隶属Fairwork项目，核心目标是理解数字平台劳动者的处境，他们在怎样的条件下工作，又是如何被平台对待的。研究团队会依据劳动者的待遇和工作条件，对公司进行评分。通过公开这些结果，给平台施压改善情况。

FairWork此前已经在数字劳动平台方面做了大量工作，比如网约车、外卖配送，以及家政劳动。但随着人工智能的迅速发展，我们意识到如果不去理解AI是如何被生产出来的，就无法真正理解当下数字劳动的全貌。

这些链条里的劳动者既包括工厂工人，也包括白领员工，有直接从事数据标注和内容审核的人，也有在日常工作中被算法监控，其行为反过来成为训练数据的劳动者，也包括作家、艺术家和音乐人，他们的作品与知识劳动，构成了AI数据集的一部分。

界面文化：你把AI描述为一个巨大的抽取机器。你所说的“抽取”具体是什么意思？如果把它和上一代的劳动形式，比如平台劳动、零工经济相比，它们差异体现在哪里？

詹姆斯·马尔登：在ChatGPT刚发布、人们开始接触聊天机器人时，很多科技公司都热衷于把AI描绘成一种魔法，它似乎能够自发提出新的、有创意的想法。

但这种说法制造了我们称之为AI神秘主义的想象，好像AI拥有某种不可思议、超出理解范围的能力，一种脱离既有数字技术谱系的存在。

我们提出“抽取”的概念，正是为了拆解这种想象，把目光拉回AI实际的运作方式。首先它并不是什么漂浮在云里的虚无之物，是需要着非常具体、物质性的基础设施，比如数据中心里的服务器、跨洲铺设的海底电缆。

更重要的是，AI的运转高度依赖一系列被刻意隐藏的资源，真正让AI成为可能、产生价值的，并不是算法本身，而是人类劳动、创造力，以及用于制造芯片、冷却数据中心的大量自然资源。当你点击ChatGPT的按钮、输入一个问题时，背后其实发生的是一次规模巨大的抽取：你在抽取电力和水资源，你在抽取人类劳动，同时，你也在抽取人类长期积累的知识和创造力。AI公司再将这些被重新包装后的成果，以付费服务的形式返还给我们。

维基百科条目、数以百万计的书籍、文章、歌曲和艺术，往往是在未经同意、也没有补偿的情况下，被直接从互联网上收集利用。这正是为什么今天许多AI公司正面临大量诉讼。

界面文化：但你觉得这是AI带来的吗？“抽取”似乎是资本主义的一个普遍特征，比如平台经济也是靠抽取来扩张的。

詹姆斯·马尔登：在书中确实提出了这样一个判断，在很大程度上这是一种延续，是与更早的资本主义形式之间的连续。人工智能公司只是这一长串抽取性机制中的最新一环，这些机制本身可以一直追溯到资本主义的起源。

如果你想理解AI劳动是如何被组织的，其实完全可以往回追溯到奴隶制，追溯到19世纪资本主义工厂里的劳动制度，再到20世纪后期的呼叫中心和业务流程外包体系。尤其是如果把它放进“化石资本主义”的历史中来看，也就是资本主义如何通过化石燃料的持续抽取来获得动力，你会看到一种非常明显的历史连续性。

但与此同时， AI的确具有一些相当独特的特征，我不认为在人类历史上的任何一个时刻，我们曾见过如此大规模的对人类创造力的攫取。劳动平台当然有很多问题，它们压低工人的工资，提高劳动强度，这些影响已经非常严重。但在AI这里，你看到的是数以百万计的书籍、文章和歌曲被整体性地拿走，没有补偿，也没有对创作者的承认，再把它们出售给那些需要创意产出的人。

界面文化：也许我们可以顺着这个逻辑进入下一个问题。你在书中写到了AI产业中的七种工作类型，把艺术家包括了进去，也涵盖了一些收入更低的工作，比如数据标注员。为什么会选择这七种工作？它们都在系统非常关键的位置吗？

詹姆斯·马尔登：我们选择讲述这个故事的方式，是通过这七位劳动者的个人生活展开的。从根本上说，我们是希望从“制造了人工智能的劳动者”的视角，来讲述人工智能本身。

比如，我们会写到一位来自乌干达北部城镇古卢（Gulu）的数据标注员。她所在的设施，由一家总部在加州的公司外包运营。我们描述了数据标注产业外包过程，这种工作是如何被不断转移到全球南方地区的，

你可能会被带到冰岛一座数据中心，去理解AI的硬件和基础设施层面：不仅是数据集如何被人工编码、整理和准备，还包括计算机芯片如何制造，以及AI的训练任务是如何被分发到全球各地的数据中心，在那里完成实际运算的。我们也会讲述芯片制造工厂里的某个人的故事，比如在台积电，或者英伟达的某个外包承包商那里。

界面文化：标注这个产业在AI出现之前，其实就已经存在了，比如谷歌、Meta早就把内容审核外包到菲律宾。新的AI产业会不会意味着一种更系统化的管理方式，让工人的日常工作节奏更被压缩、更容易被榨取？

詹姆斯·马尔登：是的，把工作外包到全球南方，如果往前追溯，可以回到制造业的外包。事实上也是中国在1990年代及之后快速崛起的一个重要组成部分。如果再把视角收紧到技术行业，1990年代的印度是一个非常关键的节点。那时外包的不是技术意义上的“高端工作”，而是后台办公室、行政管理、呼叫中心、校对、会计等事务。人们逐渐意识到，这些原本需要在美国或英国完成的工作，可以在印度、巴基斯坦等地用更低的成本完成。

IT行业已经这样运作了很多年，许多国家也沿着印度的路径发展起来。但这一切都依赖于一个前提：高速、稳定的互联网连接。只有当宽带基础设施真正铺开，这种模式才有可能在更大范围内复制。

在书中我们讲述了一个关键节点，非洲高速宽带的发展。真正让东非地区、以及那些在英国殖民体系下形成英语网络的国家，比如肯尼亚、乌干达、坦桑尼亚，进入这一工作体系的，是2008或2009年在蒙巴萨港铺设的第一条高速光纤电缆。从那一刻起，公司可以稳定、快速地传输大文件，不再频繁掉线，也不再依赖效率低下的卫星系统。这使得这一地区突然具备了可用性。

因此西方公司拥有非常强的动力去推动全球互联。一方面，如果你是电信公司或大型互联网平台，你可以出售这些连接，另一方面对其他公司来说，这意味着可以获得一个规模更大、成本更低的劳动力池。

在这样的背景下，AI公司只是顺着既有趋势继续前进，非常轻易地就建立起数据标注设施，工作被送往任何一个劳动力更便宜的地方。如果你在巴基斯坦某个地方运营一家数据中心，和Meta签约，你实际上是在和世界各地的其他中心进行隐形的、持续的竞争。

这一点和过去非常不同。在制造业里，如果你在中国东南沿海有一家工厂为耐克生产鞋子，要把生产线整体转移到另一个国家，是一件成本非常高的事情。你需要转移库存、重建关系网络、搭建流程，AI产业里情况完全不同，很多时候只需要按一下按钮。

界面文化：这听上去像是一种极端化的全球化，现在的劳动可以通过笔记本电脑，发去任何地方工作。

詹姆斯·马尔登：正是这样。对公司来说退出成本也低得多，这反过来又进一步加剧了竞争。在我们的田野调查中，他们其实非常清楚地意识到，自己正处在一种与全球同行直接竞争的状态中。

科技公司本身会对所有外包合作伙伴进行排名，他们会说，这个月你的表现还可以，但菲律宾的合作伙伴能比你便宜10%，那么下个月，我们可能会把更好的合同给他们。这就制造出一种强烈的感受：全世界的劳动者都被拉进了同一场竞争之中。如果你不够快、不够便宜、不够高效，工作就会被送到另一个地方去。

界面文化：你还提到了基础设施对这一切的重要性，可以具体谈谈吗？

詹姆斯·马尔登：我觉得很多AI公司并不希望我们意识到，在这些看似轻量、无形的技术背后，究竟依赖着多么庞大的物质基础设施。

这些成本究竟有多大，本身又是一个高度争议的问题，不过我们仍然可以掌握一些片段式的信息。比如一个大型数据中心的平均用水量，大致相当于一个拥有八万人口的小镇。即便按照AI公司自己的说法，未来的电力成本也将是天文数字。许多大型科技公司已经开始考虑直接投资能源生产设施，无论是太阳能、水电，还是其他形式的能源。

这将成为未来技术影响中的一个关键问题。因为AI的发展，意味着我们需要在全球范围内建设越来越多的超大规模数据中心，而这些数据中心将持续消耗数量惊人的水、电和其他自然资源。尤其是在头部科技公司关于AI的营销叙事中，它们往往刻意回避对物质基础设施的讨论，也不愿意强调AI所带来的巨大环境成本。

我们采访了数据中心的工人，也采访了数据中心的CEO，试图理解AI正在如何改变他们的工作。我们采访了一位冰岛数据中心的CEO，他告诉我们，自从AI出现之后，加诸在他的数据中心上的需求发生了明显变化。他的一些特定计算服务机架，能源消耗大约变成了原来的三倍，因为AI训练的工作负载要比其他类型的计算密集得多。

相比之下，像银行、咨询公司这样的企业客户，并不会对数据中心造成如此大的压力。但AI的出现突然改变了这一切。这其实是在一个很小的尺度上，讲述了一件正在全球各地发生的事情，AI对能源和自然资源的需求，正在不断攀升。

02 未来管理层与劳动者可能进一步分裂

界面文化：说到就业危机，很多人都会担心自己受到AI的影响，当我们谈论“工作的未来”时，你有没有一些判断？比如在未来资本和大型公司，可能会越来越多地使用AI来调度和管理工人。这会不会改变劳动方式，甚至进一步推动零工化？

詹姆斯·马尔登：到目前为止我们看到的是，劳动市场中一些重要领域要么直接消失了，要么经历了非常剧烈的收缩。尤其是在白领工作中、技能门槛较低的部分，比如行政工作，也包括一部分创造性劳动。

基本上，只要公司认为有可能用语言模型或类似技术替代人类劳动，它们就非常愿意去尝试。结果之一是，人们发现自己做着类似的工作，却拿到更少的报酬；某些行业中的岗位数量明显减少；而留下来的人，则必须工作得更快、更辛苦，才能赚到几年前同样多的钱。

我们已经可以在几个具体行业中看到这种变化。比如语言翻译，现在在很多场景下已经可以相对轻松地由AI完成。再比如平面设计、市场营销、为期刊和杂志撰写文案。过去可能按每词50美分支付稿酬的工作，现在在很多地方几乎已经不再付费，因为这些任务被直接交给了AI。整个创意产业都在发生类似的变化，包括电影制作、电子游戏开发，以及其他形式的媒体生产。

界面文化：正因为创意产业正在发生变化，人们所阅读、观看和消费的内容也会随之改变。如果内容发生改变，人们如何理解世界、认识世界也会受到影响。你在书中写到“数据殖民主义”，因为AI依赖数据来训练，而很多数据都来自全球北方，如果我们的知识越来越多地来自聊天机器人，这会不会形成一种新的“知识殖民”？

詹姆斯·马尔登：一个不幸的现实是，在AI公司寻找训练数据时，英语语言资源往往被优先选择，他们熟悉、理解的世界也被优先纳入模型。而在此之前，西方科技公司与世界其他地区之间的巨大不平等，本身就已经存在了几十年。

长期以来，西方公司主导着前沿技术的发展。最早使用数字技术的人，开始创造新的知识来源，把它们数字化、上传到网络，参与Reddit讨论，在维基百科上撰写条目。当我们进入AI阶段时，其实只是看到这些不平等以另一种形式被映射进产品之中——它们被嵌入技术本身，并进一步被放大、被固化。

当你成为ChatGPT的用户，如果你问它 “世界上最好吃的食物是什么”，它回答“披萨”并不令人意外。因为它的数据集中，并没有太多关于肯尼亚某道地方菜肴，或者其他地区日常饮食的内容。

很多时候你还会发现，只要你谈论的是一个远离硅谷和技术中心的具体地区，比如中国西北的某个小城，聊天机器人对这些地方的理解就会迅速变得贫乏，因为这些知识从未被系统性地数字化、上传，或纳入训练数据。没有来自那个小城的人参与模型的生产过程，也没有人把食谱写进维基百科或发到Reddit上。那些知识只是在家庭中、在几代人之间口耳相传。

所以，我认为你看到的确实是一种结构性的延续。你可以把它称为“数据殖民主义”，它持续地优先某些理解世界、描述世界的方式，而让其他经验和知识长期处在边缘。

界面文化：除了书里写到的七种工作，现在在我们的就业市场、在办公室里，AI也已经进入了几乎所有工作领域，特别是白领劳动。你有没有发现它对我们工作的改变？

詹姆斯·马尔登：是的，我觉得许多关于当代工作场所的分析都显示，真正最容易受到AI影响、风险最高的，往往是白领劳动者。当然，我们可以想到AI在物流管理中的作用。但在我们拥有更复杂的机器人之前，你仍然需要人类工人去搬运包裹、处理事务，确保配送与供应链运转。

我们在过去10到20年里看到的一件事是，那种“所有人类都会被机器人替代”的叙事，并没有成为现实，因为部署更先进的机器人技术，风险和成本往往太高了——坦白说，公司支付给人类工人的工资又是那么低。

如果你要付钱给软件公司，为你的设施设计、开发一整套新的机器人系统，是数以百万美元计的成本，而你给工人付最低工资，他们仍然会来上班。他们对你的业务如何运作有更好的理解和情境知识，知道自己该做什么，而且他们辞职或累了，你也可以随时用其他人类替换。

所以我们真正看到的是人类工作的进一步贬损，以及管理层与劳动者之间的进一步分裂：管理层掌握知识、资源、对系统如何运作的理解；工人则被进一步去技能化，变成机器里的一个齿轮，他们不再需要任何知识，因为他们完全可以被消耗、被替换。

这就是很多物流行业现在的运作方式：仍然主要靠人类，但劳动队伍更去技能化、更被规训。

03 很多在创造价值的工作没办法拿到高薪

界面文化：所以你觉得这会改变工作的阶级结构吗？大卫·格雷伯在《毫无意义的工作》中认为一些工作实际应该有更高的价值，比如照护者，比如护工和社工。你觉得AI出现之后，会不会让工作的阶序产生变化？

詹姆斯·马尔登：我觉得AI对薪酬结构会产生怎样的影响、人们会如何被报酬化，具体会是什么样，还要再看。

当你想到大卫·格雷伯和“狗屁工作”这个论点时，他想指出的一点是：我们社会里大多数工作如何被付薪，其实是很荒谬的。我不认为很多人会把金融从业者、律师、或者四大会计咨询当作世界上最有价值、最重要的工作，对吧？它们并不生产人们会认为是促进人类繁荣的东西，也不生产你会认为是基本服务所必需的东西。

然后你再想那些确实在创造价值的工作，我觉得很多普通人都会认为这些功能极其重要：教育孩子、照护老人、确保城市环境正常运作，让道路干净，让公共交通可用……

他的重点就在这里：这些工作薪酬并不高，因为它们并不做那些与高权力、全球资本主义的高薪结构相关联的事情。后者通过某些制度安排让自己富起来，而这基本上涉及对大量劳动者的剥削，但这些劳动者做的可能是更有价值的工作。

所以当我们想到AI时，问题就变成：这会不会导致一次巨大的重新评估，从而改变谁拿到更多钱？我觉得很遗憾，这很可能不会发生。AI目前被使用的首要方式之一，是进一步规训劳动队伍，减少某些劳动者能拿到的钱，因为他们可以如此容易地被AI替代；同时让人们的工作更难、要求人们更快地工作、交付更多，因为他们现在要与某些自动化功能竞争。

界面文化：你怎么看中国在这一体系中的位置？

詹姆斯·马尔登：在AI领域，最具竞争力的两个国家就是中国和美国，但与此同时，我们也看到了显著的差异。一个典型的例子是数据标注行业，与美国相比，中国在很大程度上并不会把数据标注工作外包到海外。这构成了一个重要分野。

在美国，政府在数据标注问题上采取的是一种相对放任的态度。你会看到美国在芯片和硬件层面实施了高度保护主义的政策，试图阻止地缘政治对手获取某些关键技术和设备，对美国公司向特定国家出售相关产品加以限制。但在数据标注这一环节，美国公司却可以相当自由地将工作外包到任何它们认为合适、成本更低的地区。

而中国的路径明显不同。中国更倾向于将数据标注工作转移到国内的内陆省份——也就是那些远离东部沿海、经济条件相对较弱的地区，在中国，这类数据标注工作往往被纳入国家发展项目的框架之中。公司更有可能与政府机构展开合作，这可能表现为：企业从地方政府获得长期租约、税收优惠，或者直接使用政府提供的办公楼宇；而地方政府则以某种制度化的方式，将数据标注员输送给企业，并通过协议来安排用工关系。

这种模式更接近我们所说的“社团主义”（corporatist）路径，也就是大企业与政府之间存在着更紧密的伙伴关系，而不是完全由市场机制来主导。这在一定程度上也出于安全层面的考量。政府对产业数据、商业信息，尤其是与AI相关的敏感信息外流，持有更强烈的警惕，这被视为一种潜在风险。

政府更愿意、也更频繁地在其中扮演主动管理者的角色。因此在数据选择上，政府事实上规定了某些优先数据集，它们并不是随机抓取的，而更可能是经过批准的报纸、官方文本等，这被看作实现模型对齐（alignment）的第一步。

界面文化：在你开始系统性调查AI产业之前，也许对AI的理解并没有这么细致。在这个调查过程中，你有没有遇到过某些故事，或者某个人，真正改变了你对AI的看法，甚至动摇了你原本的认知？

詹姆斯·马尔登：有一个故事，对我们冲击非常大，那发生在肯尼亚。一位女性在Meta的一家外包设施工作，担任内容审核员。她的日常工作是查看Facebook上的帖子，判断这些内容是否违反平台的使用条款和Meta的内部政策。

这意味着，她每天都要反复观看大量暴力、血腥、包含露骨性场面的内容，或者其他Facebook不希望出现在平台上的材料。她的工作节奏大约是每50秒处理一条内容，也就是说，她每天要接触数百条这样的信息。

有一天在审核这些内容时，有一条帖子引起了她的注意，那是一段记录内罗毕街头一起致命车祸的视频。当她更仔细地查看时，她意识到视频中坐在副驾驶位置的受害者是她的祖父。

她当场受到了极大的冲击，从座位上站起来，跑出去，向主管说明了发生的事情。她的主管告诉她，这确实很不幸，也很抱歉她看到了这些内容，但她的班次还有四个小时。也许公司可以考虑在第二天给她一些休息时间，但既然她已经到了岗位上，还是应该把剩下的班上完。

于是，她被迫继续工作。而这起车祸发生在内罗毕市中心，是一场严重的事故，有大量目击者拍摄了视频、照片，并在平台上不断传播、讨论。在接下来的四个小时里，她审核到的一条又一条内容，几乎都与同一场事故有关，她祖父死亡的那起车祸，一次又一次地在屏幕上重现。