摘要：牛津互联网研究院研究员詹姆斯·马尔登在其研究中指出，人工智能（AI）并非“魔法”，其运转严重依赖对全球人类劳动、知识创造力及自然资源的大规模“抽取”。这包括肯尼亚的内容审核员、乌干达的数据标注员、被未经授权使用作品的艺术家，以及支撑数据中心运转的巨大水电消耗。AI产业延续了平台经济等资本主义形式的抽取逻辑，但在规模上达到前所未有的程度，涉及对海量书籍、文章、艺术作品的系统性利用。马尔登认为，这可能导致创意行业岗位减少与报酬下降，并因训练数据的偏见加剧全球知识不平等。同时，他也指出，在某些领域，由于人类劳动力成本低廉，AI替代未必发生。
线索：从投资视角看，马尔登揭示的AI产业“暗面”指向几类潜在风险与机会：1. 法律与合规风险：AI公司因未经授权使用受版权保护内容而面临大量诉讼（如OpenAI在德国的案例），这可能增加企业成本并影响模型训练的数据来源。关注相关法律判例进展及企业的版权解决方案。2. 环境与运营成本：AI数据中心能耗巨大（单个中心耗水量堪比八万人口城镇，AI训练负载使能耗增至三倍），且科技公司开始直接投资能源生产。这推高了长期运营成本，但也为清洁能源、高效冷却技术等领域带来需求。3. 供应链与劳动力不稳定：全球劳动力（如数据标注）的“按钮式”外包加剧了各地承包商间的价格竞争，导致工作条件恶化与潜在供应波动。依赖此类低成本劳动力的AI服务可能面临质量和伦理挑战。4. 模型偏见与市场局限：训练数据以英语和西方视角为主，可能导致AI产品在新兴市场或多元文化场景中适用性不足，构成商业拓展风险。投资需评估AI公司的数据多样性策略。
正文：
一项研究指出，人工智能（AI）的高效运转并非凭空产生，其背后依赖于对全球范围内人类劳动、知识创造力以及自然资源的持续且大规模的“抽取”。牛津互联网研究院研究员詹姆斯·马尔登通过其研究，揭示了支撑AI产业的物质基础与人力网络。
马尔登将AI描述为一台“抽取机器”。其智能的生成，依赖于持续吸纳多种资源：从艺术家的创作成果、作家的文本，到为数据中心供能的水、电力与制造芯片所需的矿产。例如，维基百科条目、数以百万计的书籍、文章、歌曲和艺术作品，往往在未经同意、没有补偿的情况下被直接从互联网收集，用作训练数据，这也导致许多AI公司面临大量诉讼。同时，每一次用户与AI的交互，背后都是一次对电力、水资源、人类劳动及人类长期积累知识的抽取。
这种运作方式与更早的资本主义形态存在历史连续性。马尔登认为，AI公司是抽取性机制中的最新一环，其逻辑可追溯至历史上的奴隶制、19世纪资本主义工厂，以及20世纪后期的呼叫中心和业务流程外包体系。然而，AI的抽取在规模上具有独特性。与过去的劳动平台相比，AI以空前规模系统性获取人类创造力成果，将海量内容整体性拿走并重新包装出售，而往往没有对创作者的承认或补偿。
AI产业链涵盖了广泛的工作类型。马尔登的研究通过七位劳动者的故事展开，包括：乌干达北部城镇古卢的数据标注员，其工作由加州公司外包运营；肯尼亚的内容审核员，反复接触暴力影像；冰岛数据中心的运维人员；芯片制造工厂（如台积电或英伟达的承包商）的工人；以及作品被用于训练数据的作家、艺术家和音乐人。这些劳动者共同构成了AI得以运行的“喂养”体系。
工作的外包与全球化竞争在AI时代趋于极端化。得益于高速宽带基础设施（如2008年左右连接东非的海底光缆），数据标注等工作能轻易转移到劳动力更便宜的地区（如巴基斯坦、菲律宾、乌干达）。科技公司会对全球外包合作伙伴进行排名，基于成本和效率动态分配任务，使得全球劳动者陷入持续的隐形竞争，工作不稳定且易被替代。
AI的基础设施消耗着惊人的资源。一个大型数据中心的平均用水量相当于一个拥有八万人口的小镇。随着AI发展，未来电力成本将是天文数字，促使许多大型科技公司考虑直接投资太阳能、水电等能源生产设施。有数据中心CEO指出，自AI出现后，特定计算服务的能源消耗增至原来的三倍，因为AI训练任务的计算负载远比其他类型密集。
关于未来影响，马尔登指出，在劳动力市场中，一些白领及创造性工作领域正经历收缩或消失。例如，语言翻译、平面设计、市场营销文案撰写等工作，因可能被AI替代，导致岗位减少或报酬下降。留下的人员需工作得更快更辛苦以维持原有收入。这正在改变创意产业，包括电影制作、电子游戏开发等。
此外，AI可能加剧知识不平等。由于训练数据优先来自英语等西方语言资源，其生成的知识和内容可能内嵌特定文化视角，形成一种“数据殖民主义”风险。当人们越来越多地从此类AI获取信息时，其对世界的理解可能受到影响。
尽管存在替代趋势，马尔登也指出，在某些场景下，AI不会替代人类，因为“人类劳动力是那么的便宜”。当雇佣人力的成本低于开发和部署AI时，企业仍会选择前者。
发布时间：2026-01-23 11:22:05
评论 ( 0 )