AWS 关闭 Mechanical Turk：AI 时代人类众包工作的终结与价值迁移

亚马逊关闭 Mechanical Turk：那个藏着真人的机器，终于不再需要人了

🇺🇸
Read in English: Amazon Is Shutting Down Mechanical Turk: The Machine That Hid Humans Inside Finally Doesnt Need Them

1770 年的维也纳宫廷里，一台机器正在下棋。

它的外表颇为考究：一个身穿东方长袍、头戴头巾的木制人偶，端坐在一张铺有棋盘的大木柜前。发明者沃尔夫冈·冯·肯佩伦当着奥地利女大公玛丽亚·特蕾莎的面，打开柜子让众人检查里面的齿轮和机械装置，然后关上柜门，请一位观众上前对弈。木偶抬起手臂，拈起棋子，走出了第一步。

它赢了。不只赢了这一局。此后的几十年里，这台被称为”土耳其行棋傀儡”的机器在欧洲巡回表演，击败了包括本杰明·富兰克林在内的众多挑战者，甚至让法国国际象棋大师菲利多尔都承认对局颇为吃力。整个欧洲为之震动：难道机器真的学会了思考？

当然没有。柜子里藏着一个真人，一位国际象棋高手，通过杠杆和磁铁操控着木偶的每一步棋。所谓的”人工智能”，不过是一场精心设计的障眼法：让观众以为是机器在思考，实际上干活的是人。

这个骗局维持了将近八十年才被彻底揭穿。而两百多年后，亚马逊用同一个名字 Mechanical Turk 命名了自己的一项互联网服务，致敬的恰恰是这个”机器背后藏着人”的古老把戏。

只不过这一次，故事走到了不同的结局。

贝索斯的”人工的人工智能”

2005 年，亚马逊推出了一个名叫 Amazon Mechanical Turk（简称 MTurk）的在线平台。它的运作方式简单到近乎粗暴：企业把一些简单的小任务发布上去，比如给图片分类、听一段录音写出文字、判断两张产品图是不是同一件商品，然后由平台上的真人工人来完成。每个任务的报酬通常只有几美分。

亚马逊内部最初开发这个系统，就是为了解决自家电商平台的实际问题：数以百万计的商品页面需要去重、分类、校对，而这些事情在当时的技术条件下，计算机做不好，只有人眼才靠谱。于是他们想到了一个办法：把海量的小任务拆碎，分发给互联网上愿意接单的人，按件计酬。

杰夫·贝索斯给这项服务起了一个精妙的绰号：“人工的人工智能”（artificial artificial intelligence）。

这个绰号道出了 MTurk 最核心的设计哲学：它本质上是一个 API 接口，企业从一端输入任务，从另一端拿到结果，中间看起来像是一台高效的处理引擎在运转。但引擎内部跑的不是算法，而是成千上万个坐在电脑前的真人。对于调用 API 的企业来说，他们不需要知道也不需要关心活是谁干的，只要结果对就行。

这和 1770 年那台木柜棋手的逻辑一模一样：外面看是机器，里面是人。

MTurk 上线后迅速生长。鼎盛时期，平台上活跃着超过 50 万名工人，他们被称为”Turkers”。这些人来自世界各地，有些是美国的全职妈妈，利用孩子午睡的间隙赚点零花钱；有些是发展中国家的年轻人，几美分一单的收入在当地已经算是不错的兼职。一个名叫克里斯塔·帕洛斯基（Krista Pawloski）的美国女性从 2008 年开始在 MTurk 上接任务，到 2012 年已经把这当成了全职工作。

这个平台的真正价值，在科技行业变得无比巨大，但方式出人意料。

给 AI 打工的人

MTurk 运行的头几年，它主要服务于亚马逊的老问题：数据清洗、内容审核、产品分类。但随着机器学习和深度学习在 2010 年代的爆发式增长，MTurk 发现自己走进了一个远比初衷宏大得多的角色：它成了训练 AI 的幕后劳动力。

道理很直觉。要让一个图像识别模型学会分辨猫和狗，你需要先准备几百万张已经标好”这是猫””这是狗”的图片。要让一个自然语言模型理解情感倾向，你需要有人先读几十万条评论，逐条标注”正面””负面””中性”。这些工作，就是所谓的”数据标注”，也就是 AI 训练的地基。

而 MTurk 天然就是干这个的完美平台：任务简单、可以大规模拆分、按件计酬、响应迅速。研究者们蜂拥而至。无数学术论文的数据集，从情感分析到图像分类，从问答系统到语义理解，都是通过 MTurk 标注完成的。可以毫不夸张地说，今天我们手机里的语音助手、搜索引擎里的智能推荐、社交媒体上的内容过滤，其底层训练数据中都有 MTurk 工人的劳动痕迹。

这就构成了一个极具讽刺意味的循环：人类假装成机器，为训练真正的机器而工作。

最初，MTurk 的名字致敬的是”机器背后藏着人”的古老骗术。而在 AI 时代，这些藏在机器背后的人，日复一日地给机器喂养数据、教它识别、帮它学习。直到有一天，机器学会了他们教的所有东西。

然后，机器就不再需要他们了。

走向关闭

2026 年 8 月 25 日，亚马逊在 MTurk 官网贴出了一则简短的公告：经过内部评估，决定于 2026 年 9 月 30 日关闭 AWS Mechanical Turk。

公告的措辞相当克制，没有任何煽情的回顾或致敬。用的是标准的企业话术：我们定期评估旗下的项目、工具和服务，并根据评估结果做出调整。

但业内人士对这一刻并不感到意外。事实上,MTurk 的衰落已经持续了好几年。据数据工人权益组织 Turkopticon 的成员帕洛斯基描述,亚马逊近年来明显减少了对 MTurk 的投入，不再开发新功能，不再优化体验,平台上的任务量和活跃工人数都在萎缩。早在 2026 年 7 月,亚马逊就已经停止接受 MTurk 的新客户注册,很多老用户当时就意识到,这是关停的前兆。

关闭背后的原因是多重的，但两条主线清晰可见。

第一条线是 AI 能力的飞跃。MTurk 上最典型的“人类智能任务”，比如图片分类、文字转录、简单的内容审核，这些在十年前只有人类才能可靠完成的工作,如今的 AI 模型已经可以用更快的速度、更低的成本做到同等甚至更好的效果。当机器自己就能分辨猫和狗的时候,你不再需要付钱给几万个人来贴标签。

第二条线是专业标注行业的崛起。即使 AI 仍然需要人类帮忙（它确实仍然需要），但需要的不再是 MTurk 那种”谁来都行、几美分一单”的廉价劳动。训练前沿 AI 模型所需的数据标注,已经变成一项高度专业化的工作。Scale AI、Mercor、Prolific 等新一代数据标注公司应运而生,它们招募的是有特定领域知识的标注员–律师来标注法律文本、医生来标注医学影像、资深工程师来做代码审查。这种被称为 RLHF(基于人类反馈的强化学习)的训练方式,要求标注员不只是执行简单指令,而是做出专业判断。

MTurk 卖的是最便宜、最不需要专业技能的人类劳动。“谁来都行”这四个字,曾经是它的核心竞争力。而当 AI 已经能替代”谁来都行”的工作,剩下真正需要人类的部分却要求”非你不可”的专业能力时,MTurk 就被夹在了中间:低端被 AI 替代,高端被专业公司拿走。

还有一个令人尴尬的发现加速了这个过程。2023 年的一项学术研究发现，MTurk 上高达 46% 的工人在用 AI 模型来完成任务。换句话说，本该由人类标注来训练 AI 的数据，已经在被 AI 自己生成了。标注员开始用 ChatGPT 来做标注，然后这些标注又被拿去训练下一代的 ChatGPT。这个荒诞的套娃意味着，MTurk 的核心价值主张，也就是提供真实的人类判断，已经从内部坍塌了。

当”谁来都行”变成”非你不可”

MTurk 的关闭，表面上看只是一家科技公司砍掉了一个不赚钱的老产品。但如果把它放进更大的坐标系里看，它说的其实是一个关于人类工作价值迁移的深层故事。

回到那个最基本的问题：在 AI 越来越强的时代，人类还能做什么？

MTurk 给出的答案，曾经是”做机器做不了的简单事”。2005 年的时候，让计算机识别一张图片里有没有猫，是一个极其困难的技术问题。但让任何一个有眼睛的人来看，只需要一秒钟。于是就有了 MTurk 这样的模式：把机器不擅长的事情外包给人，按件计酬，规模化运作。

这个答案维持了将近二十年，现在失效了。不是因为思路错了，而是因为那些”机器做不了的简单事”越来越少了。图像识别、语音转录、基础翻译、内容分类，这些曾经需要人类”智能”才能完成的任务，现在的 AI 模型都能胜任。而且更快、更便宜、不需要休息。

但这并不意味着人类在 AI 的价值链中变得毫无意义。恰恰相反，人类参与的角色正在发生一次剧烈的升级。

MTurk 时代的逻辑是：数量 × 简单 = 价值。你不需要成为专家，只要你是个人，能看懂图片、能听懂语音、能读懂短文，你就有经济价值。五十万人，每人每天做几百个几美分的任务，汇聚起来就是一台庞大的数据生产引擎。

后 MTurk 时代的逻辑正在变成：专业 × 判断力 = 价值。AI 需要的不再是海量的简单标注，而是少量但高质量的专家反馈。一个医生花半小时审核 AI 生成的诊断建议，一个律师花一小时评估 AI 起草的合同条款，一个资深程序员花两小时对 AI 写的代码做安全审查。这些工作，AI 自己做不了（至少目前做不了），廉价众包也做不了，只有真正懂行的人才能做。

这就是所谓的”地板升高”现象：当自动化消灭了一个市场中最底层、最廉价的工作时，它并不会消灭人类判断的价值，反而会把这个价值向上推，集中到更高的专业层级上。留在 AI 训练环节中的人类，数量变少了，但每个人的重要性、专业门槛和收入都在上升。

从”被机器调度”到”调度机器”

MTurk 的工作模式有一个让人不太舒服的特征：工人完全是被动的。你登录平台，看到有什么任务可以做，接单，完成，拿到几美分，然后刷新页面找下一个任务。你不知道这些标注最终会被用到哪里，不知道你的判断好不好，不知道你在为谁训练什么。你只是一个齿轮。更准确地说，你是那台”土耳其行棋傀儡”柜子里藏着的真人棋手，只不过这次你连对手是谁都看不到。

这种模式在很长一段时间里是合理的，因为它解决了一个真实的效率问题。但它也暗含了一种对人类劳动的贬低：你的价值不在于你是谁、你懂什么、你有什么独特的判断力，而仅仅在于你是一个”人”，一个比当时的计算机更擅长处理某些感知任务的碳基生物。

MTurk 的关闭，从某种意义上也是这种模式的终结。

取而代之的新模式，核心区别不在于人类是否还在 AI 的生产流程里（他们仍然在），而在于他们在流程中的位置和角色发生了根本变化。从”被机器调度去做简单任务”，变成了”主动运用专业知识去评估、纠正和引导机器”。

在 RLHF 的工作流程中，人类专家不是在给 AI”喂数据”，而是在给 AI”把关”。他们看 AI 生成的多个回答，判断哪个更好、为什么更好、差在哪里。这不是一个几美分就能买到的判断，这需要专业训练、领域知识和批判性思维。

这里面有一个值得所有人思考的启示：在 AI 时代，你的工作价值越来越不取决于你”能做什么”，而取决于你”能判断什么”。

能做什么，比如打字、分类、翻译、编写基础代码，这些”执行型”能力正在快速被 AI 覆盖。能判断什么，比如这个方案靠不靠谱、这段代码有没有安全隐患、这个诊断合不合理、这个创意好不好，这些”判断型”能力反而变得更稀缺、更值钱。

柜子里的棋手，终于走了出来

最后回到那台 18 世纪的木柜棋手。

那个骗局之所以能维持几十年，是因为观众真心相信机器能思考，没有人认为里面藏着人。在他们的认知中，人的价值不可能低到被藏在柜子里替机器干活，那太荒唐了。

但过去二十年里，这恰恰就是数百万 MTurk 工人每天在做的事情：藏在机器背后，假装成 API 输出的一部分，为几美分一单的报酬贡献着人类智能。他们的工作对 AI 的发展至关重要，但他们自己几乎是隐形的。看不见名字，看不见面孔，看不见贡献。亚马逊把这叫做”人类智能任务”（Human Intelligence Tasks），但这些”智能”的提供者，在系统中的待遇却和一个可以随时替换的零件没什么两样。

现在，这台柜子要关闭了。

这不是因为人类不再重要，而是因为人类重要的方式正在发生根本性的变化。

过去，你的价值在于”你是个人”，有双能看图的眼睛、有对能听话的耳朵、有颗能读懂语义的大脑，这就够了。未来，你的价值在于”你是个什么样的人”，你有什么独特的知识、你能做出什么别人（包括 AI）做不了的判断、你能在什么层面上和 AI 协作而不是被 AI 替代。

对于那些仍在担心”AI 会不会抢走我的工作”的人来说，MTurk 的故事提供了一个比泛泛的焦虑更精确的坐标：被替代的不是”人类的工作”，而是”不需要你是你就能做的工作”。

如果你的工作价值完全建立在”能做某件事”上，而这件事恰好是可以被描述、被拆解、被大量重复的，那么你确实处于被替代的风险区。这正是 MTurk 上几十万工人曾经所处的位置。

但如果你的工作价值建立在判断力、创造力、专业知识和人际洞察上，建立在”只有你才能做出这个决定”的不可替代性上，那么 AI 的进步反而会让你变得更重要，因为需要评估和引导的 AI 输出只会越来越多，而有能力做出这种评估的人并不会因为 AI 变强就凭空增加。

1770 年的木柜棋手是一个关于伪装的故事：人藏在机器里，假装是机器在思考。2005 年的 MTurk 是同一个故事的互联网版本：人藏在 API 后面，假装是系统在处理。2026 年，这个延续了两百多年的故事终于走到了转折点。不是人从机器里消失了，而是人终于有机会从柜子里走出来，以自己的面目、自己的专业、自己的判断力，站在机器旁边，而不是蜷缩在机器里面。

这大概是 Mechanical Turk 关闭这件事，真正值得记住的意义。