45岁，20年软件工程经验，时薪从85美元跌到15美元。这不是裁员后的Gap Year，而是2024年美国科技业中年人的新常态。
The Guardian（卫报）近期追踪了17位被迫转型的资深从业者，发现他们正涌入一个鲜少被讨论的领域：AI数据标注与模型训练。这些工作不需要创造力，只需要耐心——以及放下过去的身段。
「我不是在转型，我是在求生」
马克·史蒂文斯（化名）曾在硅谷三家独角兽公司担任后端架构师。2023年Q2被裁后，他投了147份简历，面试邀约为零。招聘平台的算法把他标记为「薪资期望过高」+「技能栈过时」。
六个月后，他坐在加州一间共享办公空间里，给自动驾驶图像做边界框标注。时薪14.5美元，无医保，合同按月续签。「我的工作是教AI识别什么是行人，」他在采访中说，「讽刺的是，我自己正被另一种算法判定为不可识别。」
卫报的报告揭示了一个被乐观叙事掩盖的断层：AI创造的新岗位中，大量属于「 gig-style AI economy（零工式AI经济）」——不稳定、低薪、无晋升通道。这与科技巨头公关稿中描绘的「AI赋能人类创造力」图景，相差大约三个时区。
Intuit的研究数据更扎心：2022-2024年间，40岁以上科技从业者转向AI相关零工的比例增长340%，但其中72%的人时薪低于此前工作的40%。这不是职业升级，是结构性降级（occupational downgrading）的标准样本。
被迫「再培训」的中年人，正在填满AI的底层
AI模型的训练需要海量标注数据。据Scale AI、Appen等数据服务商披露，2024年全球数据标注市场规模已达21.7亿美元，年复合增长率31.2%。但产业链的利润分配呈极端金字塔形：平台抽成40-60%，剩余部分由层层分包商稀释，最终落到标注员手中的，往往是法定最低时薪的1.2-1.5倍。
这群新入行的「AI工人」中，中年转行者占比异常突出。卫报采访的从业者里，有前金融分析师、退休教师、被自动化取代的制造业工程师。他们的共同点：拥有本科以上学历，平均工作经验16.4年，却在传统招聘市场遭遇「年龄过滤」。
一位前项目经理描述了她的日常：每天8小时，给客服对话做情绪标签——「愤怒」「中性」「满意」。她的时薪18美元，而这套数据集最终被用于训练某大厂的年费订阅客服机器人。「我的情绪劳动，正在训练取代我的系统。」
这种转型的情感成本很少被量化。卫报报告中，11位受访者出现焦虑症状，7位正在服用抗抑郁药物。一位52岁的前UX设计师说：「我学Figma用了两周，学Midjourney用了三天。但学会这些之后，我发现自己更不值钱了。」
「技能升级」叙事背后的陷阱
政策层面对此的回应通常是「加大再培训投入」。美国劳工部2024年拨款4.3亿美元用于AI技能培训，欧盟「数字十年」计划承诺为45岁以上工人提供免费课程。但这些方案假设了一个前提：只要学会新工具，就能找到好工作。
现实数据在拆台。世界经济论坛2024年就业报告指出，完成AI技能培训的45岁以上工人中，仅23%获得了薪资持平或更高的岗位，41%被迫接受灵活就业（freelance/contract），其余36%仍在求职中。对比25-34岁群体，同等培训后的就业转化率为61%。
年龄歧视是明牌。哈佛商学院2023年实验显示，相同简历仅修改出生年份，40岁以上候选人获得面试的概率下降47%。在AI相关岗位中，这一差距扩大到62%——雇主默认年轻人「更懂生成式AI的原生逻辑」。
更深层的矛盾在于岗位质量。AI产业链创造的「新工作」高度两极化：顶端是年薪50万美元以上的提示词工程师、AI产品经理；底部是时薪12-20美元的数据清洗、内容审核、模型测试。中间层——曾经支撑中产生活的技术岗位——正在塌陷。
这种结构被经济学家称为「AI就业哑铃化」。卫报采访的劳工经济学家莎拉·班克斯指出：「我们不是在见证技术中性（technology-neutral）的转型，而是在目睹一场有方向性的劳动力市场重构——经验丰富者被系统性地推向低端。」
当「终身学习」变成「终身追赶」
政策讨论常把「再培训」包装成赋能叙事，但亲历者的体感是另一套语法。卫报记录了一位前数据库管理员的周计划：周一至周三，完成AWS机器学习认证课程；周四周五，做数据标注凑够40小时；周末，投简历+更新LinkedIn技能徽章。
他的时薪从被裁前的72美元，变为标注工作的16美元+零星的咨询收入。年收入预估下降58%，但工作时长增加22%。「我比以前忙多了，」他说，「忙到没时间去想这是不是可持续的。」
这种「忙碌陷阱」具有普遍性。AI技能迭代速度远超传统职业周期，2023年热门的LangChain开发，2024年已被AutoGPT和Agent框架部分替代。中年学习者面临双重时间压力：既要追赶技术，又要维持现金流，还要在招聘算法的年龄偏见中寻找缝隙。
更隐蔽的成本是认知负荷。神经科学研究显示，40岁以上人群学习全新技能体系的效率，比25岁群体平均低15-20%——这不是能力问题，是神经可塑性的生理曲线。当社会期待他们以「终身学习」应对剧变时，实际是在要求逆生理时钟输出。
卫报报告中，一位前市场总监用了一个精准的类比：「年轻时学新工具像换手机——适应几天就顺手。现在像换操作系统，还得边换边跑业务，不能关机。」
企业端的叙事同样值得拆解。科技巨头发布的「AI创造就业」报告中，通常把「相关岗位增长」作为核心指标，但极少披露岗位结构、薪资中位数、合同类型。当Meta宣布2024年「AI岗位新增12000个」时，脚注显示其中6800个属于外包数据服务，平均任期8个月。
这种统计魔术掩盖了转型的真实代价。卫报获取的某数据标注平台内部文件显示，其「高经验标注员」队列中，42%拥有10年以上白领工作经验，但平台算法给他们的任务定价，与无经验者相同——系统不识别「过往技能」，只识别「当前可执行的操作」。
这意味着，一位20年经验的工程师和一位刚毕业的学生，在标注同一张图像时，获得的报酬完全一致。人力资本的积累，在AI产业链的特定环节被技术性抹平。
政策层面的应对开始触及结构问题。美国参议员伊丽莎白·沃伦2024年提案要求数据标注平台披露任务定价算法，欧盟AI法案（AI Act）将「人工标注劳动条件」纳入高风险AI系统的合规审查。但这些措施的效果，可能要等到2026-2027年的执法周期才能验证。
对于正在转型中的个体，时间窗口更为紧迫。卫报追踪的17位受访者中，9位在报道发布时已离开AI零工领域——其中5位转入传统行业（零售、物流、家政），3位开始领取失业救济，1位因签证问题离境。
留下的人中，有人在尝试更激进的策略：把自己包装成「AI+行业经验」的复合体。一位前医疗IT工程师现在为健康AI公司做「领域专家标注」，时薪提升到34美元，接近此前薪资的45%。但这是小众路径，依赖特定行业知识+恰好存在的细分需求。
更多人仍在标注工位上，等待下一个认证、下一个机会、下一个可能永远不会到来的转正通道。他们的存在本身，构成了AI进步的地基——廉价、可替换、沉默。
当某大厂发布新一代多模态模型时，公关稿里不会提到：训练它的某批图像标注，出自一位前架构师之手。他认识代码，但此刻只被允许画框。
如果「技能升级」的终点是被算法定价为15美元/小时，那么中年人该把赌注押在再培训上，还是押在尚未被AI触及的物理世界？
热门跟贴