文丨镜相工作室 马舒叶

编辑丨卢枕

AI焦虑已经从大厂渗透进了大学这座象牙塔。一群来自非北上广深、非985高校的大学生，主动跳进了这股浪潮——他们不是来做实习的，是来兼职“拧螺丝”的，拧的是AI大模型的螺丝。

在“AI将替代99%的岗位”和“拿AI offer月入3万”两种声音的共同影响下，这批不容易挤进大厂实习队伍的大学生，走进了大厂数据标注的流水线，成为新的AI工人。他们每天在大厂提供的兼职平台上抢单、标注、纠错、优化，月收入大多在1000到2000元之间。在这条看不见的AI流水线上，他们既是训练者，也是被挑选的对象。

他们分散在成都、郑州、武汉、厦门等非一线城市的角落，在课余或下班后的时间里，登录那个决定他们今晚“有活干”还是“白蹲守”的后台，他们标注图片，校准对话，贡献乡音，优化代码，试图找到新的机会。

对于大厂来说，大学生群体兼具垂直领域的专业知识和充足的参与热情，是完成最基础的AI数据标注、AI回复纠错、AI声音识别等最合适的人群。通过向大学生伸出兼职橄榄枝，他们不仅能高效率地找到符合大模型训练要求的人，还能减轻雇佣正职员工的成本。

这成了一场“双向奔赴”，甚至由于供不应求，大厂AI数据标注的兼职还需要抢单。只是，这份兼职真的能成为大学生们通往AI大厂的一条曲径吗？

大学生进“厂”，拧大模型的螺丝

郑州某高校大学教室里，刚刚结束一堂课，学生们鱼贯而出，只有大三学生张莹立刻打开手机。她要在下课的十几分钟内“抢单”——在名为“Xpert”的平台上，几分钟的不间断重复点击下，她终于抢到了一个任务。一旁的室友没有她这么幸运，任务就像春节返家时的票，前一秒显示还有6个，点进去的瞬间就归了零。

她们都在做同一份兼职——张莹称这是给大厂的AI大模型“拧螺丝”。

起初，张莹在学校兼职群里看到了学长的推荐。他只知道和AI训练有关，项目名称是“字节大模型领域专家招聘”。这份兼职不需要AI相关经验，只要在任何领域有专业知识即可，一次任务就有50-200元的收益，很适合她这样的在校大学生。

抢到任务后，她需要根据出题专家给定的题目和答案完成评估，比如审核大模型在中文教学场景下的回复是否存在语音或语法错误，然后进行语言纠正。作为熟手，通常不到2分钟她就能完成一个任务。接下来张莹只要等待专家质检，通过就能领到对应的兼职费。

整个过程，张莹都接触不到真人。申请成为Xpert专家时是网页提交验证资料，做任务时也是在线查看提前准备好的说明文档，没有人教她怎么做，在进入这个大模型兼职平台后，她只能单向对大模型输出。“我像是大模型的饲料。”张莹表示。

来自武昌理工学院的王磊今年21岁，9月开始在“Xpert”平台上接单，做的是最基础的数据标注：将图像划分为不同类别，区分风景图或人物图；给文本打标签，判断一篇新闻的主题属于科技、娱乐还是体育。

“这工作听起来简单，但做起来挺磨人的。”王磊一般会选在没有课的下午或晚上，一次做一两个小时。在后台界面上，系统清晰地记录着他的“数字工时”：某天下午花费1.5小时，完成了8条文本标注和2条模型反馈优化任务，总耗时1.5小时，完成任务量10个。这些数据是他参与AI大模型训练的证明。

不过这份兼职没有宣传的那样高薪。

从去年下半年开始，王磊每周会拿出五天时间，做1-2小时任务，一个月下来扣除审核不通过的任务，收入在800-1200元之间。为了抢到更多兼职，王磊要找准工作日的空闲时段不断进入后台查看任务是否有更新。综合算下来，时薪在80元左右。“和去校门口奶茶店摇奶茶差不多。”王磊告诉镜相工作室。

时间长了，王磊也想尝试那些单价更高的“出题”任务，这些任务单次完成就能赚300-1000元，但往往限定在金融、法律或医疗等专业领域。“想拿到更高的兼职费用，得有硬知识储备，还得会抓大模型的知识盲区。比如出医疗题，你得知道专业术语和临床常识，不能瞎编。”非相关专业的王磊只能继续做数据标注。

据镜相工作室了解，除了字节推出的Xpert会招揽大模型兼职训练专家外，阿里有晓天睿士、腾讯有AI Expert，这些大厂都会通过组建大模型专家社区构建AI数据集。高薪则是这些兼职平台共同的宣传重点，比如阿里晓天睿士宣称参与者可以获得高达每小时1000元的高薪，只是在详情页里，将兼职费用的下限定为50元，并标注了“以最终项目定价为准”。

在为大模型做数据标注、纠错之外，这些远离一线城市的大学生们也有别的兼职机会。

远在福建的林薇正在读博一，今年在一位山东曲阜师大的朋友介绍下，她踏入了一个更为隐蔽和原始的AI数据采集层。她主要为大模型提供“声音”——闽南语和台湾腔普通话的录音及转写。

由于福建方言“神似”台湾腔，林薇得到的第一份任务，是用闽南语或台湾腔普通话进行自言自语或双人对话，录制好的音频将作为“语料”用于训练大模型的语音识别能力。随着和AI打电话、AI录音转写成为大厂AI App的标配功能，大厂也需要更多方言作为语料喂养大模型。因此，林薇接触的也不止Xpert，还有一些专门为大厂处理数据需求的中介平台。

只是想凭卖声音赚钱并不容易，这份兼职的要求极其繁琐。有的项目要求在不同的环境噪音（低、中、高分贝）下进行录音，但“录音平台非常不稳定，有时一直进不去”，而且噪音分贝往往很难把控。

平台审查更严格的是后续的文本转写工作，她称之为“翻译”。转写的文本将被喂给大模型，打磨大模型方言音频转化文字的识别能力。而由于阅读这份文本的是大模型，林薇必须要写成大模型能读懂的样子。她不仅要把音频里的内容一字不变地转写，且转写文本只能使用逗号、句号、问号和感叹号四种标点。这些细微到极致的格式要求，是在用最原始的人力，喂养AI的“标准化”输出。

这样的录音往往会持续2-3个小时，但“收入情况却不是很理想”。林薇会被一些平台骗稿，有些中介会以各种理由推脱、扣钱。她和她的“搭子”都曾深受其害。她描述了一种典型的陷阱：一个声称是“豆包”项目的老板，最初承诺每人100元，但在录音数小时后，却以“音色不符合”等模糊理由拒绝对“搭子”付款，林薇本人也只收到了60元。

双非大学生，把AI兼职当敲门砖

真正让这些大学生感受到自己在“训练”AI而不仅仅是“服务”AI，来自于成功“难倒”大模型的时刻。

王磊在一次针对专业编程问题的反馈任务中，提出了一个用Python实现二叉树层序遍历并优化时间复杂度的问题。豆包大模型给出的代码虽然能运行，但时间复杂度并非最优，并且漏掉了一个边界条件处理。

“我把这个问题标注出来，并详细解释了代码中因冗余导致的复杂度偏高，还附上了优化思路。”王磊说，“这时候我感觉到，我们其实就是针对它的知识盲区找出逻辑漏洞，相当于帮大模型查漏补缺。”

林薇偶尔也会有一丝参与感，她专长是闽南语和台湾腔，在和AI用方言打电话时，她会感觉“自己确实也在参与训练大模型，给一个新的生命注入一些自己的特色，比如我们的腔调，或者地方的一些文化”。

有一次标注，张莹的题目是：当用户说今天下雨没带伞，淋成了落汤鸡，AI的回复是“建议下次带伞”。张莹立刻标注“情感类吐槽别讲大道理”，建议AI要先情感关怀，再加一句实用建议。还有次张莹向AI吐槽课时太长时，大模型回复“我懂这太累了，忙完记得喝点小甜水”，张莹会嘀咕，“这搞不好是我当初标注过的”。

尽管做的是最基础的工作，但偶尔，他们也能从“拧螺丝”中获得一丝超越金钱回报的微妙体验。

而对于这些双非大学生而言，这份兼职的更大意义，是给自己的简历添彩。

“我做这个，一是因为和专业相关，二是想给简历加上AI相关经验。”张莹坦言，她学的是国际中文教育专业，中文语用偏误纠错本就是课程内容。

在AI引发热潮的这两年，中文教育专业的就业越发紧张。不少教辅和留学机构都引入了AI辅助学生学习，传统的中文教育岗位薪资一再走低。而张莹在郑州读书，能接触到的大公司并不多，这份AI兼职对她意义重大。

就在这个月，张莹得到了一家头部教培机构的实习面试邀约，是做“AI+教培”的课程开发岗位，HR在邀约时就表示了对她大模型兼职经历的兴趣。“如果没有相关兼职经验，我连实习邀约都拿不到。”张莹告诉镜相工作室，并非985学历的她在之前找实习时总会在第一轮简历初筛时就被筛下来。

面试时，张莹也被HR问到了大模型训练的具体流程和错误校准的逻辑，这些她都能结合之前的经历讲解清楚。最终，她得到了这次实习机会。

计算机相关专业的王磊也有规划。“我会在简历里写‘参与过AI大模型训练相关兼职，负责过文本或图像数据标注，累计完成了多少任务量’。”他强调，“这样就不是空泛地说‘我做过AI兼职’，而是有具体成果。对非相关专业、想往AI领域靠的同学来说，是给履历添彩的。”一段大模型相关实践，或许是他们跨越学历和地域门槛，拿到理想offer的一次机会。

AI时代的另一面：焦虑的大学生们

时代变了，象牙塔里的大学生们也感知到了用人市场的变化。

一方面，企业期待引进AI以实现降本增效，在微软、亚马逊、X等科技大厂宣布更多代码由AI生成的同时，美国科技行业截至今年7月已累计裁撤近9万岗位，同比增长36%。传统岗位在缩减，AI相关岗位招聘在增多。根据猎聘数据研究院，今年上半年，AI技术新发职位整体增幅为36.82%。大厂校招成了风向标，以阿里今年秋招为例，计划发出的7000多个offer中，AI相关岗位占比超六成。

随着AI技术的狂飙猛进，这群身处浪潮之中的年轻人，对于自己的未来既有憧憬，也有危机感。

王磊已经开始感受到就业市场的压力。作为计算机相关专业的学生，数据分析师是此前不少学长学姐的就业方向，而如今不少岗位已经被AI替代。“有学长告诉我，他的公司引入大模型后，数据部门裁员了30%。”再加上处在湖北，能供王磊选择的公司并不多，他也没有双一流的学历优势，毕业后，王磊要面临更严峻的就业环境。

除了找工作越来越难，王磊还意识到，“AI时代一个人要身兼数职，比如会软件开发的人还得懂运维。以后数据分析也可能被AI替代。企业需要的工作人员要同时兼具多个角色，或者被机器人取代。”但他还是保留了一丝乐观，“不过机器人还是要有人来操控的。”

做大模型相关兼职成为了他们在大学阶段对抗焦虑的方法之一。

大厂的模型训练需求催生了这些兼职平台，在国内有Xpert、晓天睿士、AI Expert和各种中介平台；在海外，也有以OpenAI为大客户的Mercor，刚在8月完成3.5亿美元的C轮融资，估值达到100亿美元。不过，对这些双非大学生来说，即便是这些低门槛的兼职平台，也越来越卷了。

已经工作3年的张毅见证了这条流水线从“蓝海”到“红海”的变迁。“2022年那会儿，抢单接单都容易。平台刚推出这类任务，做的人少，甚至不算严格意义上的抢单。”他回忆，那时平台每天有固定任务或时段性上新，无需掐点蹲守，即便下班晚上七八点登录，也照样有活干。

与王磊这样的“新手”相比，在成都工作的张毅可谓是这条流水线上的“老师傅”。93年出生的他，从2022年就开始游走于美团的“龙猫数据”和字节的“Xpert”两个平台之间。

他记得自己是如何“入行”的：“当时刷到一个职场圈的公众号，推送了龙猫的兼职，标题写的是‘本地生活内容校准，下班就能做’，就去了解了一下。”他所做的“本地生活内容校准”，是为AI对话进行校准，涉及社区周边商铺的推荐、便民服务点的位置信息，以及口语化表达的准确性。

那是属于早期参与者的“红利期”。张毅细数着当时的“好光景”：一条合理的方言便民指引能拿到1到2元，一组十条的地址校准报酬是8到10元。“那会儿下班做个一两小时，周末抽半天时间，一个月下来赚2000到4000元都非常轻松。”不过，当下抢单变难了，随着越来越多人涌入，数千个任务往往不到一分钟就会抢光，他说：“未来肯定会更卷。”

随着大厂在AI大模型训练上的持续加码，这条由代码、数据和声音构成的庞大流水线将持续运转，这些大学生们则是这条流水线上沉默的大多数，终将成为智能涌现后不被看见的“微尘”与“声纹”。