Những thanh niên nhỏ ở thị trấn gắn nhãn cho các mô hình AI lớn

Tác giả: Sleepy.md

Thành phố Đại Đồng ở Sơn Tây, từng dựa vào than để chống đỡ nửa bức tường của giang sơn, nay vảy sạch bụi than đầy người, đổi lấy một chiếc búa đục sắc bén, nặng nề giáng xuống một mỏ quặng vô hình khác.

Trong tòa nhà văn phòng của Trung tâm Thương mại - Tài chính Jìn Mào Quốc Tế ở Quận Bình Thành, không còn hố thang nâng hạ nữa, không còn xe chở than. Thay vào đó là hàng nghìn chỗ ngồi máy tính được xếp chặt chẽ. Căn cứ dịch vụ dữ liệu thông minh ở Vân Trung Cốc - Sơn Đông Thượng Hải Rùn Tấn (Shanghai Runxun) chiếm trọn vài tầng lầu; vài nghìn nhân viên trẻ đeo tai nghe đang nhìn màn hình, nhấp chuột, kéo thả, khoanh vùng.

Theo số liệu chính thức, tính đến tháng 11 năm 2025, thành phố Đại Đồng đã đưa vào vận hành 117.1Báy chủ, thu hút 69 doanh nghiệp gọi và gắn nhãn dữ liệu, tạo điều kiện việc làm gần nơi ở cho hơn 30k lượt người, giá trị sản lượng đạt 750 triệu NDT. Trong “hố mỏ số” này, 94% người làm việc là hộ khẩu địa phương.

Không chỉ riêng Đại Đồng. Trong danh sách các trung tâm gắn nhãn dữ liệu đầu tiên do Cục Dữ liệu Quốc gia xác định, các huyện ở miền Trung - Tây và các nơi như Vĩnh Hòa huyện thuộc Sơn Tây, Tế Biết (Bijie) ở Quý Châu, Mông Tự (Mengzi) ở Vân Nam… đều xuất hiện rõ ràng trong danh sách. Tại trung tâm gắn nhãn dữ liệu ở Vĩnh Hòa huyện, 80% là nữ nhân viên. Phần lớn họ là các bà mẹ nông thôn, hoặc là thanh niên trẻ về quê vì không tìm được công việc phù hợp.

Cách đây một trăm năm, trong các nhà máy dệt ở Manchester của Anh, chật kín những nông dân mất đất. Còn ngày nay, trước màn hình máy tính ở những huyện xa xôi này, là đầy những người trẻ không tìm được vị trí trong nền kinh tế thực.

Họ đang làm một loại công việc tính theo sản phẩm vừa rất “có tương lai”, vừa cực kỳ nguyên thủy, cung cấp “thức ăn dữ liệu” cần thiết cho các “ông lớn” AI ở xa tận Bắc Kinh, Thâm Quyến và Silicon Valley để sản xuất mô hình nền tảng.

Chẳng ai nghĩ rằng chuyện này có vấn đề gì.

Dây chuyền mới trên cao nguyên Hoàng Thổ

Bản chất của gắn nhãn dữ liệu là dạy cho máy móc nhận biết thế giới.

Tự lái cần nhận ra đèn giao thông và người đi bộ; mô hình nền tảng cần phân biệt đâu là mèo, đâu là chó. Bản thân máy móc không có thường thức, vì thế phải do con người trước tiên vẽ một khung trên ảnh, nói với nó “đây là người đi bộ”, thì nó mới có thể, sau khi nuốt hàng chục triệu tấm ảnh, tự học để nhận ra.

Công việc này không cần trình độ học vấn cao, chỉ cần sự kiên nhẫn và một ngón tay trỏ có thể nhấp liên tục không ngừng.

Vào thời kỳ hoàng kim năm 2017, chỉ một khung 2D đơn giản có thể đạt giá hơn một mao (một phần mười của một nhân dân tệ), thậm chí có công ty chào giá tới 5 mao. Những người gắn nhãn có tốc độ tay nhanh, một ngày làm mười mấy tiếng, có thể kiếm được 500-600 NDT. Ở các thị trấn, đây chắc chắn được coi là một công việc lương cao và thể diện.

Nhưng khi mô hình nền tảng tiến hóa, mặt tàn khốc của dây chuyền này bắt đầu lộ diện.

Đến năm 2023, đơn giá gắn nhãn hình ảnh đơn giản đã bị ép xuống chỉ còn 3 đến 4 xu (phần trăm của một nhân dân tệ). Mức giảm hơn 90%. Dù là các ảnh điểm mây 3D khó hơn, được cấu thành từ vô số điểm dày đặc và cần phóng to gấp vô số lần mới nhìn rõ rìa, thì người gắn nhãn vẫn phải kéo ra trong không gian 3D một khung lập thể chứa đủ chiều dài, chiều rộng, chiều cao và cả góc xoay lệch, để ôm khít lấy xe hoặc người đi bộ; và một “khung” 3D phức tạp như vậy cũng chỉ có 5 xu.

Hậu quả trực tiếp của việc đơn giá lao dốc là cường độ lao động tăng vọt. Để bám chặt mức lương cơ bản 2-3 nghìn NDT mỗi tháng, người gắn nhãn bắt buộc phải liên tục, không ngừng tăng tốc độ tay.

Đây hoàn toàn không phải là công việc văn phòng nhẹ nhàng. Ở nhiều trung tâm gắn nhãn, quản lý nghiêm ngặt đến ngột thở: vào ca không được nghe điện thoại, điện thoại phải khóa trong ngăn tủ đựng đồ. Hệ thống sẽ ghi lại chính xác quỹ đạo chuột của từng nhân viên và thời gian họ dừng lại; nếu dừng quá ba phút, cảnh báo phía sau sẽ “quất” tới như roi vọt.

Thứ khiến người ta tuyệt vọng hơn nữa là tỷ lệ sai sót cho phép. Chuẩn đạt của ngành thường ở mức từ 95% trở lên; có công ty còn yêu cầu 98%-99%. Điều đó có nghĩa là, nếu bạn kéo 100 khung mà chỉ sai 2 khung, cả tấm ảnh sẽ bị trả lại để sửa.

Ảnh động là nối liền từng khung; xe đổi làn sẽ bị che khuất, người gắn nhãn phải dựa vào liên tưởng để tìm ra từng cái một; với ảnh điểm mây 3D, chỉ cần một vật thể có hơn 10 điểm thì phải vẽ khung. Một dự án chỗ đỗ xe phức tạp, nếu đường vẽ kéo dài mà lại bỏ sót nhãn, khi kiểm tra chất lượng sẽ luôn soi ra lỗi. Một tấm ảnh bị trả sửa 4-5 lần là chuyện thường ngày. Cuối cùng tính ra, mất cả một tiếng thì trong tay chỉ còn vài xu.

Một người gắn nhãn ở Hồ Nam đăng bảng thanh toán của mình lên nền tảng mạng xã hội: sau một ngày làm việc, cô kéo hơn 700 khung, đơn giá 4 xu, tổng thu nhập là 30,2 NDT.

Đó là một bức tranh vô cùng rạn nứt.

Một bên là những “sếp” công nghệ hào nhoáng trên sân khấu phát biểu, nói về AGI sẽ giải phóng con người như thế nào; bên còn lại là ở các thị trấn thuộc cao nguyên Hoàng Thổ và những dãy núi Tây Nam, người trẻ mỗi ngày nhìn chằm chằm màn hình 8 đến 10 tiếng, cơ học kéo khung, vài nghìn, vài chục nghìn, thậm chí ban đêm mơ cũng vẽ trong không trung các vạch làn xe bằng ngón tay.

Có người từng nói rằng bề ngoài của trí tuệ nhân tạo là một chiếc xe sang chạy vút như tiếng gió, nhưng khi mở cửa xe ra, bạn sẽ phát hiện bên trong có một trăm người đang đạp xe đạp, cắn răng mà dồn hết sức đạp bàn đạp.

Chẳng ai nghĩ rằng chuyện này có vấn đề gì.

Lao động tính theo sản phẩm dạy máy “cách biết yêu”

Khi “nút thắt” của nhận dạng hình ảnh bị bẻ gãy, mô hình nền tảng bước vào một giai đoạn tiến hóa sâu hơn: nó cần học cách suy nghĩ và đối thoại như con người, thậm chí thể hiện “lòng đồng cảm”.

Điều này đã sinh ra khâu cốt lõi và cũng đắt đỏ nhất trong huấn luyện mô hình nền tảng: RLHF (Học tăng cường dựa trên phản hồi của con người).

Nói đơn giản, đó là cho người thật chấm điểm các câu trả lời do AI tạo ra, và cho nó biết câu trả lời nào tốt hơn, phù hợp hơn với các giá trị và sở thích cảm xúc của con người.

ChatGPT sở dĩ trông “giống con người” là vì phía sau có vô số người gắn nhãn RLHF đang dạy nó.

Trên các nền tảng crowdsourcing, các nhiệm vụ gắn nhãn loại này thường được niêm yết rõ ràng: chi phí cho từng mẫu là 3 đến 7 NDT. Người gắn nhãn cần chấm điểm cảm xúc cho các câu trả lời của AI một cách cực kỳ chủ quan, để đánh giá xem câu trả lời đó có “ấm áp” hay không, có “đồng cảm” hay không, có “quan tâm đến cảm xúc của người dùng” hay không.

Một người lao động tuyến dưới cầm lương tháng 2-3 nghìn NDT, trong vũng bùn hiện thực chạy ngược chạy xuôi, thậm chí không có thời gian để để tâm tới cảm xúc của chính mình, lại phải đảm nhiệm vai trò “gia sư cảm xúc” và “trọng tài giá trị quan” cho AI trong hệ thống.

Họ cần nghiền vụn một cách cưỡng ép những cảm xúc con người vô cùng phức tạp và tinh tế như sự ấm áp, lòng đồng cảm, rồi lượng hóa thành những điểm số lạnh lùng từ 1 đến 5. Nếu điểm của họ không khớp với đáp án chuẩn theo hệ thống, họ sẽ bị coi là tỷ lệ đúng không đạt chuẩn, từ đó bị trừ vào phần tiền công tính theo sản phẩm vốn đã rất mỏng manh.

Đó là một sự rút rỗng nhận thức. Những cảm xúc phức tạp và vi tế của con người, đạo đức và lòng trắc ẩn, đang bị kéo ép vào cái phễu thuật toán. Trong thước đo lạnh lùng của sự lượng hóa và tiêu chuẩn hóa, chúng bị vắt kiệt đến giọt ấm cuối cùng. Khi bạn kinh ngạc vì con “quái thú cyber” trên màn hình đã học được viết thơ phổ nhạc, hỏi han ân cần, thậm chí khoác lên mình hình hài của nhiều ưu sầu; thì ngoài màn hình, những con người vốn sống động kia lại thoái hóa thành cỗ máy chấm điểm không còn cảm xúc trong những phán đoán cơ học lặp ngày lặp đêm.

Đây là mặt khuất nhất của cả chuỗi công nghiệp: nó chưa từng xuất hiện trong bất kỳ tin tức huy động vốn nào hay sách trắng kỹ thuật nào.

Chẳng ai nghĩ rằng chuyện này có vấn đề gì.

Thạc sĩ 985 và thanh niên thị trấn

Công việc kéo khung tuyến dưới đang bị xe xích của AI nghiền nát; dây chuyền cyber này bắt đầu lan lên trên, bắt đầu nuốt trọn cả lao động trí óc bậc cao hơn.

Cơ hội và khẩu vị của mô hình nền tảng đã đổi khác. Nó không còn thỏa mãn việc nhai vụn “thường thức” đơn giản nữa; nó cần nuốt lấy kiến thức chuyên môn và logic bậc cao của con người.

Trên các nền tảng tuyển dụng, bắt đầu nhấp nháy thường xuyên một nhóm công việc part-time đặc biệt, như “gắn nhãn suy luận logic cho mô hình nền tảng” hoặc “AI human training sư” (huấn luyện viên nhân văn AI). Ngưỡng vào nghề cực kỳ cao, thường yêu cầu “trình độ thạc sĩ 985/211 trở lên”, liên quan tới các lĩnh vực chuyên ngành như luật, y học, triết học, văn học…

Nhiều nghiên cứu sinh từ các trường hàng đầu bị thu hút, đổ vào các nhóm gia công của các đại công ty đó. Nhưng rất nhanh họ phát hiện ra đây không phải là một bài “dụng cụ thể dục trí óc” dễ dàng gì, mà là một cuộc hành hạ tinh thần.

Trước khi nhận đơn hàng chính thức, họ phải đọc các tài liệu dài hàng chục trang về tiêu chí chấm điểm và tiêu chuẩn đánh giá, tiến hành 2 đến 3 vòng thử gắn nhãn. Sau khi đạt chuẩn, trong phần gắn nhãn chính thức, nếu tỷ lệ đúng thấp hơn mức trung bình, họ sẽ mất tư cách và bị đá khỏi nhóm chat.

Điều khiến nghẹt thở nhất là: những tiêu chuẩn này căn bản không hề cố định. Với những vấn đề và câu trả lời tương tự, nếu chấm bằng cùng một cách suy nghĩ thì kết quả có thể hoàn toàn trái ngược. Nó giống như làm một đề thi không bao giờ làm xong, hơn nữa căn bản không có đáp án chuẩn. Không thể thông qua nỗ lực cá nhân hay việc học mà nâng được tỷ lệ đúng; chỉ có thể đứng yên xoay vòng, tiêu hao cả trí óc và thể lực.

Đó chính là hình thức bóc lột mới của thời đại mô hình nền tảng—“sự gập tầng” của giai cấp.

Kiến thức, thứ từng được coi là bậc thang vàng để phá vỡ rào cản và leo lên cao hơn, giờ lại trở thành “cỏ kỹ thuật số” được dâng cúng cho thuật toán, càng nghiền càng phức tạp. Trước quyền lực tuyệt đối của thuật toán và hệ thống, thạc sĩ 985 trong tháp ngà và thanh niên thị trấn ở cao nguyên Hoàng Thổ cùng bước vào một cuộc gặp gỡ kỳ lạ nhất: con đường khác nhau nhưng kết cục lại giống nhau.

Họ cùng rơi xuống hố mỏ cyber sâu không thấy đáy này, bị tước mất vầng hào quang, san phẳng khác biệt, và tất cả đều hóa thành bánh răng rẻ tiền trên dây xích, lúc nào cũng có thể được thay thế.

Ở nước ngoài cũng vậy. Năm 2024, công ty Apple đã trực tiếp cắt bỏ một đội nhóm gắn nhãn giọng nói AI gồm 121 người ở San Diego. Những nhân viên này chịu trách nhiệm cải thiện khả năng xử lý đa ngôn ngữ của Siri; họ từng nghĩ mình đứng ở rìa của nghiệp vụ cốt lõi đại công ty, nhưng chỉ trong chốc lát đã rơi xuống vực sâu thất nghiệp.

Trong mắt các “ông lớn” công nghệ, dù là những bà cô kéo khung ở thị trấn hay những huấn luyện viên logic tốt nghiệp từ các trường danh giá, về bản chất cũng chỉ là “vật tư tiêu hao” có thể thay thế bất cứ lúc nào.

Chẳng ai nghĩ rằng chuyện này có vấn đề gì.

Tháp Babel vạn tỷ, xây bằng máu mồ hôi chỉ vài xu

Theo dữ liệu do Viện Thông tin và Truyền thông Trung Quốc công bố, năm 2023, quy mô thị trường gắn nhãn dữ liệu của Trung Quốc đạt 30Bỷ NDT; đến năm 2025 dự kiến 20～6.08Bỷ NDT; theo dự báo, đến năm 2030, doanh số bán hàng của thị trường gắn nhãn dữ liệu và dịch vụ trên toàn cầu sẽ bùng nổ lên 8B NDT.

Phía sau những con số này là cảnh “điên cuồng” định giá hàng trăm tỷ, hàng nghìn tỷ USD của các “ông lớn” công nghệ như OpenAI, Microsoft, ByteDance…

Nhưng khối tài sản dội tới như mưa này lại không chảy vào tay những người thực sự “nuôi dưỡng” AI.

Ngành gắn nhãn dữ liệu của Trung Quốc mang cấu trúc gia công “đảo kim tự tháp” điển hình. Lớp cao nhất là các “đại công ty công nghệ” nắm chặt lõi thuật toán; lớp thứ hai là các nhà cung cấp dịch vụ dữ liệu quy mô lớn; lớp thứ ba là các cơ sở gắn nhãn dữ liệu ở khắp nơi và các công ty gia công cỡ vừa và nhỏ; và lớp thấp nhất, mới là những người gắn nhãn “nông dân chân đất” lĩnh lương theo sản phẩm.

Mỗi tầng gia công đều phải gặm đi một cách tàn bạo một lớp “mỡ” và lợi nhuận. Khi giá đơn do các đại công ty tung ra là 5 mao, thì sau khi qua nhiều lớp “bào mòn”, số tiền rơi xuống tay người gắn nhãn ở thị trấn có thể còn chẳng tới 5 xu.

Cựu Bộ trưởng Tài chính Hy Lạp Yanis Varoufakis trong cuốn sách “Chủ nghĩa phong kiến công nghệ” đã nêu ra một quan điểm xuyên thấu: ngày nay các “ông lớn công nghệ” không còn là “nhà tư bản” theo nghĩa truyền thống nữa, mà là “cloudalists” (những kẻ thống trị trên mây).

Họ sở hữu không phải nhà máy và máy móc, mà là thuật toán, nền tảng, sức mạnh tính toán—những “lãnh thổ số” ở thời đại cyber. Trong hệ thống phong kiến mới này, người dùng không phải là người tiêu dùng mà là “nông dân số” (digital tenants); mỗi lần chúng ta bấm like, bình luận, lướt xem trên mạng xã hội đều đang miễn phí cung cấp dữ liệu cho các “ông chủ trên mây”.

Còn những người gắn nhãn dữ liệu phân bố ở thị trường “đi xuống” lại chính là lớp “nô lệ nông dân số” thấp nhất trong hệ thống này. Họ không chỉ phải sản xuất dữ liệu, mà còn phải làm sạch, phân loại và chấm điểm cho một khối lượng khổng lồ dữ liệu thô, biến chúng thành thức ăn chất lượng cao mà mô hình nền tảng có thể “tiêu hóa”.

Đó là một cuộc “cướp đất” nhận thức diễn ra âm thầm. Giống như phong trào “rào đất” ở Anh thế kỷ 19 đã đuổi nông dân vào các nhà máy dệt, thìn ngày nay, làn sóng AI lại đẩy những người trẻ không tìm được chỗ đứng trong nền kinh tế thực ra trước màn hình.

AI không hề xóa nhòa khoảng cách giai cấp; ngược lại, nó dựng lên một “băng tải dữ liệu và mồ hôi” nối liền từ các huyện thị miền Trung - Tây của Trung Quốc thẳng tới trụ sở của các “ông lớn” công nghệ ở Bắc Kinh, Thượng Hải, Thâm Quyến, Quảng Châu. Tuyên ngôn về cách mạng kỹ thuật luôn hoành tráng rực rỡ, nhưng màu nền của nó—vĩnh viễn—là sự tiêu hao quy mô của lao động rẻ tiền.

Chẳng ai nghĩ rằng chuyện này có vấn đề gì.

Không còn cần một ngày mai cho con người

Cái kết tàn khốc nhất sắp đến, và đến ngày càng nhanh.

Khi năng lực của mô hình nền tảng nhảy vọt, các nhiệm vụ gắn nhãn trước đây từng cần con người ngày đêm mới hoàn thành, đang được AI tự tiếp quản.

Tháng 4 năm 2023, nhà sáng lập Li Auto (Lý Tưởng) là Lý Hưởng (Li Xiang) đã tiết lộ số liệu trên diễn đàn: trước đây, mỗi năm họ cần làm khoảng 10 triệu khung hình gắn nhãn hình ảnh cho lái xe tự động; chi phí gia công xấp xỉ một trăm triệu NDT. Nhưng khi họ dùng mô hình nền tảng để tự động hóa gắn nhãn, thì những việc trước kia cần làm trong một năm giờ cơ bản chỉ mất khoảng 3 tiếng.

Hiệu suất gấp 1000 lần con người, và còn là ngay từ năm 2023. Trong tháng 3 vừa qua, Lý Tưởng còn công bố động cơ gắn nhãn tự động thế hệ mới MindVLA-o1.

Trong ngành có một câu tự trào vô cùng đúng: “Trí tuệ đến đâu thì có nhân công đến đó.” Nhưng hiện tại, khoản đầu tư của các đại công ty cho mảng gia công gắn nhãn dữ liệu đã xuất hiện mức sụt giảm kiểu vách đá 40%-50%.

Những thanh niên ở thị trấn từng ngồi lì trước máy tính qua vô số ngày đêm, thức cho mắt đỏ hoe, tự tay nuôi lớn một con quái thú khổng lồ. Nhưng giờ đây, con quái thú này đang quay đầu lại, đập nát bát cơm của họ.

Khi màn đêm buông xuống, tòa nhà văn phòng ở Quận Bình Thành, Đại Đồng vẫn trắng bệch như ban ngày. Những người trẻ bàn giao ca lặng lẽ đổi lấy nhau trong sảnh thang máy, trao đổi những tấm thân mệt mỏi. Trong không gian gấp khúc bị khóa chặt bởi vô số khung đa giác, chẳng ai quan tâm bên kia đại dương Transformer lại đang trải qua bước nhảy sử thi nào, và cũng chẳng ai nghe hiểu tiếng ầm ầm của sức mạnh tính toán phía sau hàng trăm tỷ tham số.

Ánh nhìn của họ chỉ bị hàn chặt vào thanh tiến độ đỏ-xanh phía sau, biểu thị “ngưỡng đạt”, và tính toán xem mấy phần mấy xu tiền tính theo sản phẩm có thể gom góp được để sống cho ra một cuộc sống đàng hoàng vào cuối tháng hay không.

Một bên là tiếng gõ chuông trên Nasdaq và hàng loạt bài báo của giới truyền thông công nghệ, các ông lớn đang nâng ly chúc mừng sự giáng lâm của AGI; bên còn lại là những “nô lệ nông dân số” đã nuôi AI bằng chính máu thịt từng chút một, lại chỉ có thể run rẩy trong những giấc ngủ đau nhức, chờ đợi con quái thú kia—thứ mà họ tự tay nuôi—trong một buổi sáng tưởng như bình thường nào đó, sẽ thản nhiên đá văng bát cơm của họ ra xa.

Chẳng ai nghĩ rằng chuyện này có vấn đề gì.