Page 31 - 《社会》2025年第2期

社会·2025·2

同自身劳动的低附加值和可替代性。 对自身劳动价值的矮化认知间接
地削弱了劳动者的议价能力和权力， 使其自愿接受劳动的不稳定性和
压榨。 来自 Z 平台的一位受访者感叹道：
说实话，我认为这就是“不像工作的工作”，还要啥自行
车。 我们根本没有资格期待稳定、期待高报酬呢。 老老实实地
“打螺丝”，以量取胜吧。 （访谈资料，Z-2）
劳动价值的矮化本质上归因于劳动过程。 类似泰勒式概念与执行
分离的策略，项目制的组织形式通过“项目分离”使劳动过程无限细化。
从文中的三个案例可以看出， 由于大模型的智能涌现需要，AI 训练的
工作被分割成若干类型、不同层级的独立项目，劳动过程的模块化分工
和标准化训练使劳动者无法掌握完整技能。 项目分离的策略使 AI 训练
师囚困于独立封闭的劳动单元，进行流水线式的机械劳作。 值得强调的
是，与工业资本下的工厂劳动体制不同，AI 数据生产是一个彻底的“技
能清零”的过程。 由于每一个大模型功能不同，即使是同一种类型的大
模型，不同的 AI 厂商也有自身的产品定位，这意味着每一个数据训练
项目在开始之前， 都需要对劳动者进行系统的培训以满足定制化的生
产需求。 对劳动者技能的需求也随着项目的变化而变化，一个项目积攒
的经验和技能很少能够重复使用到下一个项目， 因此新项目开始意味
着原本习得的技术“清零”。即使同一家厂商的同一款产品，由于大模型
的迭代更新， 数据训练的规则和要求也可能随之调整，AI 训练师需要
重新学习。 一个项目经理详细解释道：
语音、图片、视频、文字等标注，以及不同的算法测试，都
有不同的技能壁垒，需要学习。 有些人语音做得好，做图片可
能很差。 最关键的问题是，每一个类型的标注或测试，落实到
具体的项目就有不同的技术要求， 对应的智能训练软件也不
同，需要根据每一个项目重新学习。 因此，每一个项目开始之
前都要进行新一轮的培训。 比如同样是视频标注，有的人在一
个项目中产量很高，在另一个项目中产量很低。
（访谈资料，Y-2）
Z 平台某一公会的会长也强调了“技能清零”导致的可替代性：“我
们招人从来不看他们过往有没有 AI 训练的经验，每个项目都要重新培
训。 ”（访谈资料，Z-6）

· 24·