AI 勞動記者 Karen Hao 本週透過非營利組織 More Perfect Union 發布的一支 mini-紀錄片,帶出了 Communication Workers of America 2025 年的研究:訓練 AI 系統的工人中,有 22% 因為薪水原因經歷過無家可歸。勞動研究者 Tim Newman 的一份平行研究把「帳單壓力」這個數字定在 86%——即 Newman 調查的資料工人中有 86% 去年付帳單吃力,大約四分之一依賴 SNAP 或 Medicaid 等公共援助。紀錄片點名的中心是 Mercor,一家總部在舊金山的線上市場,把外包工人連接到包括 OpenAI 在內的 AI 買家。Mercor 報告的勞動力規模約 3 萬。Hao 記錄的反覆模式是:雇用那些近期被裁的白領,去教 AI 系統怎麼做他們原來的工作——其中一位受訪者代號「Jen」,是個靠食物券生活的常春藤 PhD,接了 Mercor 一個 $55/小時的 gig,職位叫「philosophy intelligence analyst」,兩週後整組工作以群訊息形式終止。
這些統計需要恰當的框架。CWA 是一個工會,有政治立場;22% 無家可歸的數字來自工會對 AI 訓練工人的研究,不是 BLS 或獨立人口統計,lede 沒有揭露樣本大小或方法學。Newman 的 86%-付帳單吃力數字同樣是自報問卷資料,沒有對照群體。話雖如此,Hao 是一位可信的 AI 勞動記者(前 MIT Technology Review),她之前關於 Sama、Scale AI 和非洲資料標註 pipeline 的工作經得起 fact-check;More Perfect Union 是一家成熟的、聚焦勞動議題的非營利。Mercor 的模式——gig 薪、突然終止合約、不透明的任務描述、對 AI 買家不揭露——和 2026 年稍早 Wired(Ruth Fowler 那篇好萊塢編劇的報導)以及對 Meta 愛爾蘭資料標註裁員的持續報導相吻合。哪怕個別統計資料需要核實,方向性訊號是站得住的。
生態讀法把幾條原本平行但沒有連起來的線串起來。今天稍早那篇 Anthropic 反超 OpenAI 顯示實驗室市場正在合併成兩家具有黏性分銷的企業前鋒;這部 Hao 的紀錄片顯示了這些模型訓練所依賴的 data-labor 地板。兩者同時為真:AI 在 lab 層合併,在勞動層分叉——前沿實驗室的工程師拿市場頂薪,資料標註端則是供給 RLHF、偏好資料、能力專屬 fine-tuning 集的 gig 薪不穩定層。「AI 建立在廉價勞動力之上」這條敘事自 2022 年肯亞資料工人講述他們如何為 Sama 合約下的 GPT 內容審核做訓練以來一直存在;2026 年的新形態是:廉價勞動力現在也包括美國本土的常春藤 PhD,不再只是外包到國外的 labeler。這會帶來 builder 應當預期的政策後果:州一級立法關注、可能的 CWA 組織運動、以及對資料 vendor 的採購審查。
對 builder:如果你透過 Mercor、Scale、Surge、Invisible 等買資料標註或偏好資料,勞動實踐這件事現在對採購盡職調查是承重的——不再是抽象的 ESG 顧慮。三件可落地的事:(1) 在簽約前,要求 vendor 提供有文件支撐的每工人薪酬底線和合約穩定性承諾;(2) 把聲譽風險納入 vendor 選擇——這些公司裡至少有一家會在未來 12 個月裡面臨一個高曝光度的勞動事件;(3) 預期勞動實踐揭露將成為資料 vendor 合規標準包的一部分,就像 SOC 2 成為雲 vendor 的標準。CWA 資料可能有 caveat,但底下的模式是真的,政治關注會複利。Hao 的紀錄片在 More Perfect Union 上;這是值得在二次報導塑形之前看的一手來源。