一句话看懂：AI 训练与推理背后的数据标注、内容审核和众包劳动力正在全球范围内快速膨胀，但现有雇佣与薪酬体系难以合规地管理这批非正式员工。全球雇佣平台 Papaya Global 正试图把自己变成面向这类劳动力的“支付基础设施”。
事件核心：发生了什么
据 The Next Web 报道，Papaya Global 本月向分析师阐述了其新定位：从传统的名义雇主（EOR）平台，转向受监管的支付公司，以承接 AI 产业链中规模庞大的非正式劳动力。数据机构 Dataintelo 与 Market.us 估算，全球数据标注与审核类劳动者目前约 300 万人，随着大模型训练、基于人类反馈的强化学习以及计算机视觉众包任务扩张，这一数字可能增至 3500 万。2026 年 3 月 SOMO 的报告统计，已有近 500 家公司活跃在 AI 数据采集与标注环节，亚马逊、谷歌、Meta、微软和英伟达合计使用了至少 30 家中间商。
这些劳动者大多不是正式雇员，而是承包商、派遣人员或零工。Staffing Industry Analysts 的数据显示，非正式用工已占企业劳动力的 18% 至 22%，在财富 500 强和全球 2000 强中正向 40% 至 48% 演进；Workday 的 VMS 部门则称，非雇员在财富 500 强中平均已占 36%，预计 2027 年达到 50%。
为什么重要
AI 行业的竞争焦点长期集中在模型、算力和数据，但支撑数据生产的那一端始终缺乏合规、可规模化的雇佣与支付方案。矛盾在于规则碎片化：据 Papaya 统计，48 个国家要求出租劳动力必须持有派遣牌照，32 个国家限制 EOR 安排的存续时间（德国 18 个月、法国 36 个月），65 个国家设有严格的承包商分类测试，其中 28 个国家主动执法。一旦分类错误，代价不是罚款，而是补发工资、福利，某些司法辖区甚至涉及刑事责任。风险还前置到了身份环节：TransUnion 2026 年 1 月对 1012 名美国成年人的调查显示，四分之一零工曾出租自己的已验证账户，五分之一曾出售账户，Z 世代和千禧一代中出租比例达 31%，仅 45% 的受访者认为平台的身份验证有效。深度伪造身份可以绕过静态的入职审核。
对用户/开发者/创作者的影响
对 AI 应用开发者和数据团队而言，这意味着外包标注、众包评估或海外数据运营的合规成本可能上升，供应商是否持有当地派遣牌照、是否具备承包商分类能力，会直接影响项目上线节奏。对企业采购来说，把全球薪酬打包进一体化 HR 系统、或以承包商记录服务（COR）转移分类风险的方案，正在成为比单一 EOR 更实际的选择。对内容创作者和零工从业者，身份验证趋严可能带来更多核验步骤，但也能减少账户被冒用和薪酬纠纷的风险。目前公开信息显示，这一领域的责任边界仍在通过判例和监管逐步明确。
值得关注的后续
一是 Papaya 的受监管支付模式能否在多个司法辖区真正落地，而非停留在定位宣讲；二是各国对承包商分类的执法力度会否随 AI 数据产业扩张而收紧；三是大型 AI 实验室是否会将合规雇佣与支付能力纳入供应商筛选标准，从而改变数据标注供应链的格局。
来源：The Next Web
