我每天手机里跳出的那些精准推荐，背后站着一群我从未见过的人。他们盯着屏幕，画框，拉线，给一张张图片贴上标签——猫、狗、红绿灯、斑马线、行人、自行车。这些动作枯燥得近乎残忍，但就是这些动作，喂养出了我手机里那个比我更了解我的算法。我把他们叫“标注员”，他们做的事，叫“数据标注”。这活儿听起来像流水线上的螺丝钉，实际上比螺丝钉还容易被忽略——至少螺丝钉还能拧在机器上，而标注员产出的东西，连个名字都没有。

我认识一个在山西小县城做标注的女孩。她每天要标注三百多张道路图片，把每一辆车框出来，标上“轿车”“卡车”“三轮车”。她说最怕遇到那种半遮半掩的车辆，明明只露出一个车屁股，也得判断出它是什么类型。我问她这活儿累不累，她想了半天说，眼睛疼倒是主要是脑子不能停，一张图里可能有几十个物体，每个都要框，框错了还要被质检打回来重做。一个月到手三千多块，她说这在小县城已经算不错了。

数据标注这个行业，最讽刺的地方在于它的“隐形性”。AI公司融资时讲的是算法多牛、算力多强、模型多大，但没人会提训练数据是谁标的。可实际上，没有标注，再牛的算法也只是一堆数学公式。2016年那会儿，很多AI公司还在用众包平台招人标注数据，一单几分钱到几毛钱不等，干得快的熟练工一小时能挣十几块钱。现在呢，随着自动驾驶、医疗影像这些领域火起来，标注的精度要求越来越高，甚至出现了“像素级标注”——要在图片上沿着物体边缘一毫米一毫米地描，描错一个像素都可能影响模型判断。

标注不只是体力活，它还藏着不少门道。比如做医疗影像标注的，得有基本的解剖学知识；做法律文书标注的，得懂法条之间的逻辑关系；做语义标注的，得分辨“苹果”是指水果还是手机品牌。这些活儿看着简单，实际上对专业知识的要求不低。可行业的薪酬体系却很少反映这一点。一线城市的标注员月薪也就五六千，三四线城市可能只有两三千。更关键的是，这个群体几乎没有职业晋升通道——标注员往上走，顶多变成质检员，再往上就是小组长，然后就到头了。

我查过一些数据，国内做数据标注的机构有上千家，从业者少说几十万，分布在中西部的小县城、城乡结合部，有的甚至开在居民楼里。这些标注员的工作方式，跟十年前的“流水线工人”几乎没有区别，只不过他们生产的产品从零件变成了数据。而这些数据，最终汇入到那些市值万亿的科技公司的模型里，变成自动驾驶、人脸识别、语音助手。没人会记住他们的名字，就像没人会记住哪块砖砌起了长城。

更让人不安的是，标注这份工作正在被标注本身淘汰。现在很多公司已经开始用“预标注”系统——先用模型自动框出大部分物体，标注员只需要修正错误就行。这意味着标注员的工作从“创造”变成了“校对”，效率提高了，但标注员的议价能力更低了。再过几年，随着模型精度提升，可能连校对都不需要了。到时候，这几十万标注员去哪里？没人想过这个问题，就像当初没人想过工厂流水线被自动化替代后，工人该怎么办。

我有时候想，数据标注这件事，像极了这个时代的隐喻：我们每天享受着AI带来的便利，却对支撑AI运转的底层劳动视而不见。那些遗忘。

回到那个山西女孩的话。她说她不知道自己标注的数据用唯一的连接。她没觉得自己最沉默的基石——它们不被看见，却撑起了整个AI帝国。而我们需要做的，至少是偶尔低头看一眼这块基石，承认它的存在，也承认那些在基石上劳作的人。