本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
核心要点
- 据Deel统计，2025年跨境合同中AI训练师岗位全球增长283%（Deel 2026）。
- 拉丁美洲AI指数（ILIA）覆盖地区仅吸引全球AI投资的1.12%（Latin American AI Index 2025）。
- 数据与知识产权的所有权和控制权因项目而异。
- 该地区AI人才与全球平均水平的差距自2022年以来持续扩大，专业人才加速流失尤为明显；ILIA并未证实这一现象与就业增长之间存在因果关系。
- 未来十年的核心问题：拉丁美洲能否从劳动力供应方转变为AI价值链的真正参与者。
推动全球AI运转的隐形劳动
每一个能够理解细微语义、避免明显偏见的聊天机器人背后，都有数千小时的人工劳动。标注图片、分类回答、标记有问题的内容、评估模型输出——这些任务构成AI训练工作的主体，该地区工人正参与其中。
Deel 2026年拉丁美洲招聘报告记录了该地区劳动力市场的快速变化。AI相关岗位——训练、标注、模型评估——已跻身国际合同中增长最快的类别。墨西哥、哥伦比亚、阿根廷和巴西集中了这一需求，招聘平台主要来自北美和欧洲。
拉丁美洲具备一种少见的组合：西班牙语和葡萄牙语（全球使用人数最多的五种语言中的两种）、与美国相近的时区，以及支持部分人口远程工作的数字基础设施——尽管网络覆盖缺口仍然突出。Deel 2026报告显示，智利AI训练岗位增长209%，低于全球283%的水平；这一数字不代表整个拉丁美洲的情况。
问题在于，这些劳动力往往处理着自己并不拥有的数据，合同中的技术转让条款也因项目而异。
就业增长283%，资本占比1.12%
283%这个数字需要准确解读。它衡量的是招聘岗位的增长，而非创造的价值。波哥大的一个AI训练岗位，能为工人带来收入，也能为委托该岗位的美国企业提供训练数据。收入只有一部分留在哥伦比亚，数据和模型则依据合同条款由委托方控制。
ILIA 2025显示，该地区占全球GDP的6.6%，却仅吸引全球AI投资的1.12%。这一比例反映的是资本配置结构——AI投资和企业创建高度集中于该地区少数几个国家；原始资料并未证实这对外包角色存在因果影响。
自2022年以来，拉丁美洲与全球平均水平之间的AI人才差距持续扩大。根据EnCOre报告识别出的多项职能，该地区工人承担的任务主要集中在AI数据准备、标注和核验方面。
就业与专业技能之间的这种割裂，是依附性整合的典型特征：进入了价值链，但从最底层开始。
大宗商品的历史先例
拉丁美洲对这种嵌入模式有着深刻的历史记忆。19世纪，该地区出口橡胶、铜、硝石和咖啡。出口收入确实存在，但地租、增加值、工业加工能力和价格控制权留在宗主国手中。经济学家将其称为"资源诅咒综合症"，或更准确地说，20世纪60年代拉美经委会（CEPAL）经济学家发展出的"外围依附论"。
与AI训练的类比并非修辞比喻。训练数据是一种资源，其价值来自稀缺性、情境特殊性，以及语言和文化的在地性。墨西哥西班牙语的标注与卡斯蒂利亚西班牙语的标注不能互换。一位了解当地社会语境的巴西工人所做的内容评估，与一位菲律宾工人产生的信号截然不同。
这种特殊性有价值，而且价值足够大，以至于美国企业会明确提出这一需求。
外包标注工作的发包方通常掌控着工作指令和最终用途，由此造成权力与价值的不对称。标注员生产原料投入，用这些投入训练出的模型创造出可观的价值，而标注员拿到的只是一份时薪。
经济学家丹尼·罗德里克将"好工作"定义为能够积累可转移技能、带来体面收入、并将工人嵌入某一产业链的工作。AI训练工作正在产生一种新类别的就业，其质量尚待确定：它可能培育真正的技能，也可能以技术包装复制平台经济中结构性不稳定的老路。
打破这一模式的行动者
整体图景并非一片黯淡，例外情况值得具体点名——它们展示了何为可能。
阿根廷发展出了一个AI初创企业生态，培育的不只是标注员，还有创始人。Tryolabs（计算机视觉）、Mercado Libre（自建推荐和欺诈检测模型）、Satellogic（卫星图像与地理空间分析）等企业表明，从边缘市场出发可以构建自主技术资产。这些公司已完成融资、申请专利，并在本地招募工程师担任设计而非单纯执行的职能。
巴西做出了一项值得关注的制度选择：2021年4月颁布、同年7月修订的《巴西人工智能战略》（EBIA）设立了AI研究公共资金、产学合作机制，并关注AI治理、监管和数据伦理使用。2024至2028年间，政府启动了PBIA计划，旨在基于本国数据开发葡萄牙语模型，强化AI主权。
哥伦比亚和智利通过各自的经济发展机构推出了机器学习加速培训项目，目标是在从事标注工作的劳动者与薪酬更高的技术岗位之间搭建通道。这些项目规模尚小，但逻辑方向正确：如果AI训练能成为入口而非天花板，依附性模式就有可能被部分打破。
这些举措令人想起其他快速技术部署场景中的动态，例如部分新兴国家在工业机器人领域的整合经验——在少数情况下，本地培训确实帮助这些国家向价值链上游移动，而不是停留在组装环节。
在AI就业增长的同时避免沦为长期外包方
2025至2035年的核心问题，是拉丁美洲AI训练就业的增长究竟会带来技能提升和价值捕获，还是仅仅停留于依附性整合。
两种轨迹都有可能，目前的信号尚不足以判断走向。
第一种轨迹：持续的标注与训练劳动需求积累出一批熟悉AI工具和逻辑的工人。其中技能较强、能够获得补充培训的工人逐步转向技术岗位——提示词工程、模型评估、微调，进而走向工程领域。本地初创企业吸纳这一人才储备。区域投资者或被成熟生态系统吸引的外国基金开始资助自主资产，全球投资份额逐步提升。
这是印度在1990至2000年代走过的路：从IT外包起步，逐步培育出工程师、创业者，最终孕育出全球性科技企业。
第二种轨迹：标注劳动需求与模型开发在结构上保持分离。美国企业不断优化流程以降低对人工的依赖，标注任务的自动化程度持续提升，减少对人工劳动力的需求。受过标注训练的工人陷入困境：技能水平高于非技术岗位的要求，却不足以胜任企业所需的工程职位。人才差距在这一情景下可能继续扩大，而缺乏连贯公共政策的政府也未能建立必要的过渡通道。
未来几年区分这两种轨迹的关键，与其说是就业数量，不如说是就业性质。积极信号包括：拉丁美洲大学发表的AI学术论文增加，或该地区专利申请增长。消极信号则是：标注岗位数量增长但薪酬停滞，或平台自身加速将标注任务自动化。
政策选择至关重要。EBIA规划了若干有望增强国家能力的措施，包括资助研究、建立合作伙伴关系以及改善数据使用。挑战在于，这些政策需要时间和政策连续性——而历史上拉丁美洲的政治周期一直难以保障这两点。
拉丁美洲的工人正参与全球数据生产和AI系统训练的部分链条。衡量其技术发展轨迹的真正标准，将是到2035年，这一地区是更多出现在AI企业的董事会席位上，还是依然停留在外包商名册里。
信息来源
- Deel，《拉丁美洲招聘报告2026》
- Latin American AI Index 2025（智利德萨罗略大学）
- HiresLink，2026年第一至二季度拉丁美洲AI招聘数据
- 《巴西人工智能战略》，巴西科学、技术与创新部，2024年更新版
