选择性正规化、行动空间与工具递归
中国数据标注正规化如何发生？
第一篇论文讨论中国数据标注行业的正规化。数据标注是 AI 产业链中最基础、也最容易被忽视的环节。过去的研究大多把它描绘成一种全球化的隐形劳动——低收入地区的工人通过众包平台为算法喂养数据，分散、低薪、没有保障。这篇民族志研究花了一年半，跑了中国六个城市，深度访谈了 22 位从业者，想弄清楚一个问题：当国家力量介入，职业认证、产业园区、社保合同一一到位，标注员的日子真的好过了吗？答案比想象中复杂，正规化带来了身份认同和社会保障，但也带来了新的棘手问题。我觉得这篇所呈现出来的张力，很值得一读，对理解今天中国 AI 产业的发展很有帮助。
另一篇聚焦 AI 智能体工具生态的大规模实证分析。AI 智能体这一年发展得很快，但它们实际上在做什么？作者从公开代码库里收集了将近 18 万个 MCP 工具进行分析，其中几个数字让我印象很深：短短 16 个月，能直接修改外部环境的行动工具占比从 27% 冲到了 65% ，智能体正在从「帮你查资料」变成「替你做事」。而且到 2026 年初，超过 6 成新工具是 AI 自己帮忙写出来的。AI 给自己造工具，递归循环，加速冲向一个谁也不知道的未来。
祝今日读写愉悦，洞见深省。
前沿速递
从全球堆栈到国家内嵌式人工智能堆栈：中国数据标注行业的正规化
核心概念
行星堆栈秩序（Planetary Stacking Order）：这指的是全球人工智能产业中数据标注工作的一种多层次、全球化的分工体系。在这个体系中，高价值的研发、设计环节通常由全球北方的科技公司掌控，而劳动密集型、低附加值的数据标注任务则通过外包和离岸的方式，层层分派给全球南方的低成本劳动力。这些劳动力通过众包平台、专业外包公司或大型科技公司的内部团队等不同形式被组织起来，形成一个像堆栈一样层层叠加的全球生产网络。
再地域化（Re-territorialisation）：这指的是将原本跨越国界、无固定工作场所的数字劳动（如在线众包），重新锚定在特定国家领土和制度框架内的过程。在中国数据标注行业的背景下，它表现为国家通过政策引导、建立实体产业园（国家数据标注中心）和实施数据安全法规，将分散的线上标注工作转变为集中在特定地理空间、受国家统一监管的产业。这个过程与全球化趋势下的去地域化（即工作与地点分离）相反。例如，一个标注员以前可以在任何地方通过国际平台接单，工作是无根的。而再地域化后，他/她可能需要进入一个位于中国内陆城市的国家级数据产业园工作，遵守公司的统一管理和国家的数据安全规定，其劳动被重新置于国家主权和地理边界之内。
选择性正规化（Selective Formalisation）：这指的是国家或市场在推动行业发展的过程中，并非将所有非正规的经济活动都统一纳入正规体系，而是有选择地将一部分劳动实践和组织形式制度化、合法化，同时允许甚至依赖另一部分非正规实践继续存在。在中国数据标注行业，这意味着虽然许多工人进入了有正式合同和社保的公司或数据中心，成为正规军，但行业内依然并存着大量通过非正式公会组织、短期项目分包或个人接单的非正规用工形式。这种混合状态对资方而言可以保持灵活性和低成本，对国家而言则是一种渐进式的治理策略。就像一个城市在改造小商品市场时，会把一部分摊贩纳入新建的、管理规范的商场内，但同时默许另一些流动摊贩在市场外围继续经营，以满足不同层次的需求并缓冲就业压力，这就是一种选择性的正规化。
研究问题
现有研究已将数据标注描绘成一种不可见的、不稳定的全球性数字劳动，通常通过外包和离岸模式转移到低收入地区，形成了一种行星堆栈秩序的全球分工体系。然而，中国的状况有所不同，数据标注行业正经历一个快速的正规化和本土化过程，这其中不仅有市场力量的驱动，更有国家战略的深度介入，但学术界对于这一特定背景下的正规化动态、机制及其对劳动者的具体影响缺乏深入的民族志考察。
因此，本研究的核心问题是：中国的数据标注行业正规化进程是如何在国家、市场和工人三方逻辑的交织下展开的？这一过程如何重塑了数据标注工作的组织形式、空间布局和劳动体验，并最终促成了一种有别于全球模式的国家内嵌式人工智能堆栈？
