2025年12月末，武汉某高校宿舍内，大二学生李铭坐在电脑前做数据标注任务。屏幕上显示着需要分析的语句，他要判断其情感倾向并提交结果。每完成一项任务，系统会显示0.1至0.3元的报酬。这样的场景正在全国高校中悄然增多。 人工智能被纳入国家战略性新兴产业后，对应的基础性工作需求不断扩大。多家科技企业开放数据训练平台，吸引大量学生参与数据分类、文本标注、对话质量评估等工作，按件计酬，月收入从几百元到两千多元不等。 参与此类工作的学生背景多元。山西某师范学院汉语言文学专业学生张悦认为，这份工作不仅能获取报酬，更重要的是接触前沿技术。她在标注过程中发现，文科背景在判断语言细微差异时有独特优势，这让她开始思考技术与人文交叉领域的职业方向。 重庆某高校学生王磊则坦言工作中经常遇到知识盲点。面对医学术语或法律条文时，他需要先查资料才能准确判断。这种"边做边学"确实拓展了知识面，但也反映出基础性工作对专业能力要求有限的现实。 从收益看，多数学生的时薪约为12至15元，低于技术类兼职。长时间面对屏幕进行重复操作容易疲劳，部分学生担忧这类工作技能增长有限，存在"用时间换微薄收入"的风险。 不过也有学生采取了更积极的策略。他们有意识地选择法律、医疗、金融等专业领域的任务，在实践中积累专业知识；有人通过观察总结算法的常见错误，试图理解技术运行逻辑。对这部分学生来说，这段经历成为简历中的加分项。 中国教育发展战略学会学术委员陈志文表示，不应用传统兼职标准评判新兴技术领域的实践活动。人工智能发展需要多层次的参与，即便是基础性工作也需要专注和技能积累。每个环节的质量都影响整个系统的智能水平，这是技术不断优化的重要基础。 教育界人士建议学生参与此类实践要把握好度。适度参与有助于了解行业运作机制，但要避免过度投入影响学业，更不能作为主要收入来源。高校应引导学生建立正确认知，将实践转化为真正的能力提升。 业内专家认为，随着人工智能技术发展，数据标注等基础性工作的技术含量将提高，对从业者的专业素养要求也会随之提升。学生若想在该领域获得长远发展，需要在实践中不断学习，深化对技术原理的理解，而非停留在机械操作层面。
当学生们的标注动作汇聚成海量训练数据，我们看到的是数字经济时代新型实践模式的出现，也是高等教育对接产业变革的真实写照。这场正在进行的"产教融合实验"既考验社会对新兴劳动价值的认识，也包含着未来人工智能人才培养的可能性。如何在保障劳动者权益的同时起到实践育人作用，将成为推动人工智能产业健康发展的重要课题。