一、繁荣表象之下的隐性劳动代价 全球人工智能产业快速发展背后，有一群很少被关注的人——数据标注工人；他们多分布在非洲、东南亚等地区，承担着将海量原始数据加工成机器学习所需结构化信息的基础工作。 以乌干达北部城市古卢的一处数据标注中心为例——标注员每天凌晨五时出发——步行两小时到岗，只为省下约4美元交通费。她们每周工作超过45小时，任务包括逐帧审看驾驶行为视频、标注面部表情与眼球动作，以及在图像中框选交通标志、行人面孔等目标物体。据业内估算，一小时的视频素材往往需要800小时以上的人工标注才能完成。但这些工人的月薪折合约200美元，时薪约1.16美元，合同多为一至两个月的短期协议，随时可能被终止。 肯尼亚的情况同样不容忽视。2019年至2022年间，部分硅谷科技公司通过外包机构在内罗毕雇用本地工人，负责为人工智能系统进行安全内容过滤。工人每班工作9小时，需要阅读大量涉及暴力、性虐待等极端内容的文本并分类标注，以训练模型识别有害信息。初级标注员税后时薪约1.3至1.4美元。长期接触此类内容使不少工人出现明显心理创伤，部分人员甚至住院治疗。 这暴露出一个矛盾：人工智能的技术进步，在一定程度上依赖发展中国家低收入劳动者付出身心代价。 二、算力扩张引发的资源消耗压力 人工智能模型训练与推理依赖大规模数据中心提供算力，而数据中心运行需要消耗大量电力与水资源。 冰岛因地热与水电资源丰富、自然冷却条件良好，成为数据中心布局的热门选址之一。其能效比可达1.1至1.2，优于全球平均水平，且主要依赖可再生能源，碳排放相对较低。但即便如此，冰岛也开始面临本地水资源消耗增加的压力。 从全球范围看，压力更大。国际能源署预测，到2050年，人工智能产业发展将额外带来约3万亿升的用水需求。在美国部分干旱地区，一座100兆瓦规模的数据中心每日用水可达200万升，相当于6500户家庭的日用水量。2023年，美国数据中心全年用水约170亿加仑。 对不少发展中国家而言，引入数据中心短期能带动投资和增长，但环境成本与资源压力往往需要由当地社会长期承担。 三、技术管制的战略悖论：卡芯片却难断依赖 自2022年10月起，美国商务部开始对向中国出口先进人工智能芯片实施严格管制，并在之后数年持续收紧规则，限制高性能芯片及有关技术流向中国，以在人工智能与军事应用领域保持技术优势。 但在执行过程中，此策略暴露出结构性问题。人工智能基础设施扩张带动电力需求激增，而电力传输与分配的关键设备——大型变压器——恰恰是中国具备明显竞争力的制造领域。 数据显示，2024年中国向美国出口变压器及相关部件总值约40亿美元。2025年，中国变压器出口总额达646亿元人民币，同比增长近36%，创历史新高，平均单价也上涨约三分之一。美国公用事业公司与数据中心运营商持续向中国工厂下单，部分厂商订单已排至2026年以后。即便面临高达25%甚至更高的关税，仍有相当数量的美国企业难以找到替代来源，只能继续采购。 这说明在高度全球化的产业体系下，仅靠出口管制推动技术“脱钩”存在现实限制：芯片可以被限制，但支撑人工智能运转的电力基础设施同样不可替代。 四、前景研判：产业链重构任重道远 从中长期看，美国正加大对本土变压器制造能力的投入，部分盟友国家也在探索产能协同布局。但受制造业基础、技术工人短缺以及产能爬坡周期等因素影响，短期内难以显著改变对华依赖。 此外，数据标注劳工权益问题正引发更广泛关注。部分研究机构和非政府组织呼吁科技企业提高供应链透明度，并为数据标注工人提供与当地生活水平相匹配的薪酬与心理健康支持。
当人工智能成为大国竞争的重要领域时，较量早已不止于技术突破，还涉及供应链韧性、劳工权益与能源资源等多重因素；如何在推进技术进步的同时形成更包容、更可持续的发展模式，将成为检验各国科技治理能力的重要标准。