大家现在天天用ChatGPT这些工具，觉得AI聪明得像活的一样，能聊天、写代码、生成图片。可你有没有想过，这些东西是怎么训练出来的？ 不是凭空冒出来的魔法，而是靠全世界成千上万的普通人，一天到晚盯着屏幕，点鼠标、打标签、审核内容，把海量数据喂给机器。
肯尼亚和乌干达有不少数据标注中心，专门给硅谷大厂干活。拿乌干达北部城市古卢的一个中心来说，标注员安妮塔每天早上5点就得从住的地方出发，步行两个小时去上班，就为了省下4美元的摩托车钱。 她们每周要干45小时以上，任务是看驾驶员视频，盯着脸部表情和眼睛动作，判断有没有走神或者睡着，然后在图片里画多边形框出交通灯、停车标志、人脸这些东西。
一小时视频数据，可能需要800小时人工标注。薪水呢？一个月大概80万乌干达先令，折合200多美元，时薪1.16美元左右。如果进度落后，还得周末无偿加班。合同多是一两个月短期，随时可能结束。 肯尼亚的情况更扎心。2019到2022年，OpenAI就找了旧金山的公司，在内罗毕雇本地人给ChatGPT做安全过滤。
工人每9小时一班，要读150到250段文字，内容全是互联网最阴暗的部分：儿童性虐待、兽交、谋杀、自杀、酷刑、乱伦，还有具体到“蝙蝠侠罗宾被强奸”的故事描述。他们得给这些文本打标签，帮AI学会识别有害内容。 初级标注员基本月薪170美元，加上有害内容奖金70美元左右，税后时薪1.32到1.44美元，干得好的质量检查员最多到2美元。
再看数据中心这一块。AI跑起来要海量算力，服务器发热得用大量水和电冷却。冰岛因为地热和水电丰富，加上天气冷，自然冷却效率高，能效比能到1.1到1.2，比全球平均好很多。不少公司把服务器放到那儿，用可再生能源，省碳排放。
可全球范围看，问题不小。国际能源署数据说，AI发展到2050年会额外拉动3万亿升水需求，虽然数据中心直接只占4%，但加上发电和芯片制造就多了。 美国一些干旱区的数据中心，一座100兆瓦的每天用200万升水，相当于6500户家庭。2023年美国数据中心总共用了170亿加仑水。
美国企业为了AI项目，只能加大进口。2024年中国向美国出口变压器及相关部件价值约40亿美元，2025年中国仍是美国最大变压器买家之一。
这局面挺现实的。美国想在AI上保持领先，芯片卡得严，但电力基础设施是基础，变压器缺口直接拖后腿。国内制造扩建需要时间，原材料和工人短缺不是一天两天能解决的。 进口依赖短期内改不了，中国企业反而抓住机会，扩大全球份额。2025年美国大型项目需求还在涨，如果规划中的72%陆续开工，变压器进口还会增加。中国出口不减反增，说明市场规律在那儿，需求摆在那儿，供应链谁也绕不开。
