AI 模型廉价众包标注退场

寂静回声

Amazon Mechanical Turk 进入了维护模式，官网说明，7 月 30 日起不再接受新客户，已经在用的账户不会受到影响。AWS 的“维护中服务”页面也把 Amazon SageMaker AI - Mechanical Turk 列入清单，公告日期是 2026 年 6 月 30 日。服务还在跑，但新用户入口被关掉了。
Mechanical Turk 2005 年推出，本质上是一个微任务众包市场。公司或研究者把一件大任务拆成很多小任务，分发给全球在线工人完成。
这些任务可以很简单：判断一张图片里有没有某个物体，给一句话标情绪，检查两条数据是不是重复，参与一份问卷。对机器来说不好做、对人来说几秒钟能判断的事，都可以被拆成一批批小任务。
后来它成为 AI 训练数据链里的一个入口，Mechanical Turk 官网仍写着，它可以帮助公司收集和分析数据，加速机器学习开发。页面还把有标注需求的客户引向 Amazon SageMaker Ground Truth 和 Ground Truth Plus；前者是数据标注工作流服务，后者是由 AWS 管理的托管式标注服务。

所以 Mechanical Turk 同时有两层身份：老牌众包平台，早期 AI 数据标注入口。在 AWS 文档里，维护模式的含义很具体：服务不再接收新客户；已经在用的客户可以继续使用；AWS 会继续做安全和可用性改进，但不计划推出新功能。
Mechanical Turk 还能运行，但它已经不是 AWS 准备继续扩张的新入口。对新客户来说，门已经关上；对老客户来说，它会继续承接原有需求。
今天的 AI 数据需求已经变了，大模型训练和评测不能只靠“有人点一下、选一下、判断一下”。这类工作需要更稳定的质量控制、更清楚的数据来源、更严格的安全边界，以及能追踪责任的流程。
开放众包市场很灵活，价格也低，但问题同样明显：谁在做标注，是否理解任务，是否用自动化工具糊弄，数据质量怎么复查，平台能不能防止欺诈。TechCrunch 提到，2023 年一项针对 MTurk 摘要任务的研究估计，33%-46% 的参与工人使用大语言模型完成任务。这个结果不能代表所有任务，但已经足够提醒企业和研究者：只看“人类标注”这个标签，已经不够可靠。
早期的 AI 标注像外包零工：把任务拆碎，找一批人快速做完。现在的数据生产更像一套流程：要定义标准、筛选人员、做一致性检查、追踪样本来源，还要处理隐私和合规问题。

MTurk 首页仍把标注需求引向 Ground Truth 和 Ground Truth Plus，但 Ground Truth 本身也被 AWS 列进 2026 年 6 月 30 日的维护清单。它不能被理解成 AWS 正在扩张的新标注入口。更直接的变化是，AWS 正在收拢旧的人审和标注产品线；企业客户如果还需要高质量人工数据，通常会转向托管团队、专业数据供应商或自建流程。
过去几年，Scale AI、Surge AI 这类公司反复强调质量管理、流程控制和数据交付能力。客户愿意付钱，买的是可复查、能稳定交付的数据，不只是人力池。
研究者也长期使用 Mechanical Turk。心理学、社会科学、产品研究、AI 标注，都能用它快速找到受试者或任务工人。门槛低，是它最直接的优势。
门槛低也会带来问题：任务质量和样本可靠性更难控制。平台越老，生态里的套利、自动化和重复样本痕迹也越难清理。
对现有工人来说，这次变化不会立刻切断收入来源。官网写得很明确，现有用户不受影响。但如果没有新客户继续进入，任务供给就很难靠新增需求扩大，平台活跃度也可能慢慢下降。
对研究者和小团队来说，门槛会抬高。过去可以用一个开放市场快速发任务；以后更可能要进入托管式标注服务、专业样本平台，或自己维护受试者社区。

Mechanical Turk 这次变化说明，依赖开放众包市场的 AI 数据入口正在走下坡路。
过去，很多智能系统背后都有一个默认假设：机器做不了的部分，可以交给便宜、分散、随叫随到的人力补上。这个模式曾经有效，也支撑了早期数据标注、内容审核和用来做产品演示的表面智能。
现在，AI 公司面对的是另一套要求：数据要能追溯，标注要能复核，评测要可重复，安全测试要有流程。单纯把任务丢给开放众包市场，越来越难满足这些要求。
Mechanical Turk 不接新客户之后，AI 背后的人工环节并没有消失。这个环节只是从开放、便宜、分散的市场，转向托管团队、专业供应商和企业自建流程。
对行业观察者来说，AI 成本还包括模型背后的数据、评测和人工反馈。以后模型能力和算力价格仍然重要，谁能稳定拿到可核验的人类反馈和评测数据，也会变得更重要。