当美国街头的Waymo自动驾驶出租车流畅避开行人时，操控方向盘的可能是时薪仅15美元的菲律宾远程操作员——这一在2026年美国参议院听证会上被揭穿的真相，暴露了自动驾驶神话背后的全球劳动力套利链条。

　　Waymo首席安全官在听证会承认，其车辆在复杂路况（如施工区域、交警手势）下会切换至人工接管模式，操作员多为菲律宾等地的合同工，时薪仅15美元（约为美国同等岗位的1/3）。类似现象普遍存在：

　　现阶段AI无法处理10%的“边缘场景”（如突发障碍、模糊交规PA视讯平台），企业将这部分难题外包给低薪劳动力，以维持“全自动”营销叙事。人力成本仅占自动驾驶总成本的1%-3%，却贡献80%的系统可靠性。

　　语言与成本优势：93%人口掌握英语，普通上班族月薪约1800元人民币，不足美国的1/6；

　　成熟BPO产业：超200万人从事外包工作，涵盖数据标注、远程操控等，形成规模化服务能力。

　　科技巨头通过分包商（如Scale AI）雇佣劳工，规避直接雇佣责任。菲律宾操作员需同时监控多辆车，工作强度高且面临夜班眩晕、心理创伤等风险。

　　网络延迟：美国到菲律宾的信号传输需数百毫秒，导致紧急制动延迟，可能造成事故（如Waymo在洛杉矶的连撞事件）；

　　Waymo使用中国吉利提供的车辆底盘，却将控制权交给菲律宾团队，引发美国议员对“中国硬件+海外操控+美国道路”组合的安全性质疑，认为其构成国家安全漏洞。

　　当前AI训练依赖海量人工标注数据，但从业者多为短期合同工（如乌干达标注员合同仅1-2个月），技能无法积累，形成“用完即弃”的循环。

　　伦理重构：学者呼吁将部分AI利润反哺数据源头社区，打破“算法燃料”式剥削。

　　自动驾驶的光环背后，是技术短板与资本逐利共同制造的劳动力套利陷阱。当硅谷用“革命叙事”吸引投资时，真正推动车轮前进的，仍是那些被隐藏在数据阴影下的全球底层劳动者——而打破这一困局，需从承认“人力价值”开始。 (以上内容均由AI生成)