布朗大学学生绘制AI数据标注劳动力地图，揭示“AI殖民主义”

一句话看懂：布朗大学本科生马存燕（Cunyan Ma）制作了一张互动地图，把科技公司、外包中介与全球数据标注工人联系起来，试图揭示支撑大模型训练却常被忽视的低薪人工劳动，也就是她所说的“AI殖民主义”。

事件核心：发生了什么

根据布朗大学2026年10月26日发布的新闻，该校大四学生马存燕在“技术责任、重构与再设计中心”支持下，开发了一个免费公开的互动地图。该地图汇总了已有的数据工人数据库、她本人收集的数据以及描述数据工人工况的新闻报道，把科技公司及其外包中介与遍布全球的数据标注者对应起来。

这些数据工人的工作包括给图片中的物体打标签、标注句子成分、转写长段语音、给聊天机器人回复打分，以及在医学影像中勾画肿瘤边界。马存燕还指出一个更沉重的一面：为了让AI系统识别并过滤令人不适的图像或文本，数据标注者必须亲自查看这些内容并打上标签。

为什么重要

大模型和图像生成应用的训练依赖海量人工标注，但这条供应链长期处于公众视野之外。目前公开信息显示，外界对数据工人的了解多来自记者和作者的个案报道，细节丰富但难以拼出全局。这张地图的价值在于把分散信息结构化，让“哪些公司通过哪些中介、在哪些地区雇佣数据工人”变得可查询，从而为讨论AI伦理、供应链透明度和外包用工责任提供可核查的起点。马存燕明确表示，她的主要动机是让“AI殖民主义”这一概念以直观可及的方式呈现出来。

对用户/开发者/创作者的影响

对普通用户而言，这张地图提醒人们：聊天机器人、图像识别等AI应用背后有真实的人在看、在标、在判断，其中一部分内容可能带来心理负担。对开发者和企业采购方来说，如果未来把数据标注供应商的透明度纳入合规或ESG审查，外包链条上的地区分布和用工条件可能成为需要说明的环节。对内容创作者和研究者，这类可视化工具可以作为引用素材，帮助把抽象的“训练数据”还原为具体劳动。需要说明的是，目前公开信息只描述地图的定位和功能，并未提供各公司标注成本的量化证据。