传统观点认为，采用更先进的技术，那些从事低技术工作的人将成为最大受害者，学术研究大多支持这一点，但这并不代表技术必然会取代所有工作，譬如 AI 需要大量数据来学习和辨别模式，要教授算法如何准确辨识苹果是一个苹果，它需要成千上万的苹果图片，而这些数据无论是照片、影片或声音档都需要有人做贴标签的工作，由此催生中国内陆城市诞生许多小型数据贴标公司。
据 VICE Media 旗下网站 Motherboard 报导，这些从事数据贴标的人每天坐在电脑前 8 小时，点击几十张照片，根据客户要求的规格，标示背景、前景和特定物品，有些人可能会标记医疗扫描档案，有些人标示风景和树木照片，有些人标示无人驾驶车辆的道路图片。这是让 AI 算法学习看数据的基础教材，AI 产业发展仍然需要仰赖这种廉价的人工，因为算法和机器学习在很多情况下都是由人来训练。
这是中国 AI 蓬勃发展的冰山一角。去年风险资本家向中国 AI 新创公司投入 50 亿美元，超过美国。中国政府已将该领域做为优先事项，并宣布到 2030 年将投入 1,500 亿美元。AI 也是中国制造 2025 中列出的十大重点产业之一。中国也是现在是世界上最有价值的 AI 公司商汤科技的所在地，商汤科技专注脸部和图像识别，并与全国各地的地方政府合作进行监控，据研究公司 CB Insights 称，商汤科技估值高达 45 亿美元。
而风光的 AI 公司幕后推手也包括上述这些劳动密集型数据标签企业，这些企业为算法提供和处理大量数据。许多中国年轻人正涌向数据标签产业，报导访问一家有 100 多名员工，设在河南郑州的数据标签公司老板表示，虽然标签工作是相当低级别的工作，但进入门槛相对较低，而且仍然是 AI 产业，“如果可以从这里开始，我们可以慢慢地，一步一步地走向更高价值的东西。”
数据贴标者的月工资从 2 千人民币到 4 千人民币不等，与中国工人的平均可支配收入或税后带回家收入相当，2017 年为 2,164 人民币。
现在 AI 照片辨识教学的标准是使用 ImageNet 的图像，这是一个由史丹佛大学教授李飞飞和她的团队创建的超过 1,400 万张图像的数据库，该数据库根据亚马逊的 Mechanical Turk，Mechanical Turk 将劳动密集型任务以一张图几美分价钱外包给网络用户。
随着 AI 应用愈来愈多，ImageNet 和 Mechanical Turk 证明是不够的，譬如辨识医疗图像需要非常详细的要点，才能帮助 AI 了解差异，由于一般 AI 公司只有少数几个数据科学家，需要大量的体力劳动，无法指望那些薪水如此高的人从事这项劳动密集型工作，所以这项工作必须外包。
标签工作也扩展到图片之外，声音识别、影音标签甚至原始数据都是一门生意，譬如河南的公司帮一家客户收集当地讲方言的儿童语音。但是任何一个低技术劳力工作最有可能被时代淘汰，当有一天算法学会自己识别事物时会发生什么事，这些数据标签公司的老板并不担心这个，还说“如果它真的处于那个阶段，那么也许人类将不再活着”。
- China Is Achieving AI Dominance by Relying on Young Blue-Collar Workers
(首图来源：Flickr/Maxime Guilbot CC BY 2.0)
