Kate Crawford《AI 地圖》為什麼讓人工智慧不再像雲端？AI 是礦場、勞動、資料與權力

Kate Crawford《AI 地圖》為什麼讓人工智慧不再像雲端？AI 是礦場、勞動、資料與權力

人工智慧常被描述得很輕：一個模型、一段提示詞、一個雲端服務，彷彿它只存在於螢幕和資料中心之間。Kate Crawford在《AI地圖》提醒人，AI從來不是漂浮的軟體魔法。它需要礦產、能源、土地、晶片、資料、低薪標註勞動、物流網絡與巨型企業的資本支撐。當我們只談模型多聰明，很容易忘記它其實是一套很重、很耗資源、也很不平均的基礎設施。

Crawford的重點重點落在拒絕把AI想成沒有成本的工具。真正值得問的，除了它能做什麼，還涵蓋它靠什麼運作、誰提供資源、誰承擔外部成本、誰決定系統會被部署到哪些人身上。AI的問題從來除了有準確率，也包括權力如何沿著供應鏈、資料集與決策系統流動。

實體索引｜Kate Crawford 與《AI 地圖》

• 人物：Kate Crawford，研究 AI、勞動、環境與權力的學者。
• 著作：《AI 地圖》（Atlas of AI），把人工智慧放回礦產、能源、資料、勞動與全球供應鏈。
• 物質實體：稀土、晶片、資料中心、標註工作、物流、電子廢棄物與土地，構成 AI 的實際基礎。
• 核心主題：AI 不是雲端魔法；它依賴資源、工人、基礎設施與權力分配。

快速抓住這篇文章

• 《AI地圖》重點落在追問AI的能源、礦產、勞動、資料與權力成本。
• AI並不「非物質」：晶片、資料中心、冷卻、電力、採礦與全球物流都是它的一部分。
• 自動化背後經常有大量人類勞動，包括資料標註、內容審核、維運與供應鏈工作。
• 資料集不是自然資源；它們是被蒐集、分類、命名與商業化的社會產物，因此會帶著既有偏見。
• AI治理不能只問模型是否安全，也要問它的資源消耗、勞動條件、資料來源與部署權力。

Kate Crawford、《AI地圖》與人工智慧的物質世界

名稱	在書中的位置	今天仍值得追問的問題
Kate Crawford	研究AI、權力與科技政治的學者	人工智慧如何建立在資源、勞動與分類權力上
《AI地圖》	2021年出版的重要著作	AI的環境、勞動、資料與政治成本
物質成本	書中的核心視角	礦產、能源、土地、晶片與資料中心如何支撐AI
隱形勞動	自動化背後的現實條件	標註、審核、維運與供應鏈工作如何被抹去
分類權力	AI系統的重要政治問題	誰有權替人、物與行為命名、排序與預測

《AI地圖》出版於2021年。Crawford不把AI當成單純的計算技術，而是把它放進全球資源、勞動與政治的歷史裡。她提出的核心判斷很直接：若只把AI看成演演算法，人就會看不見系統如何從地底挖取資源、從人類生活擷取資料，並在不同制度裡重新安排權力。

AI不是雲端，雲端也有地面

「雲端」這個詞很容易讓人以為數位服務沒有重量。但每一次模型訓練、推論、儲存與傳輸，都依賴實體硬體與能源。晶片需要礦產，資料中心需要土地、設備與冷卻，網路需要大量基礎建設。AI的便利因此重點落在建立在一條常被使用者看不見的物質鏈上。

Crawford的觀點重點落在要人停止把資源消耗想成別人的問題。當一種技術被說成無限可擴張，最需要追問的往往是：它的能源、土地與原料成本被放在哪裡？誰的生活環境因此被改變？

自動化背後，為什麼總還有人在做看不見的工作

AI的神話之一，是系統會自己學習、自己判斷、自己完成任務。實際上，許多系統依賴大量人類勞動：整理資料、標註圖像、分類文字、檢查內容、處理例外、修正輸出、維護硬體。這些工作常被外包、切碎，或以低可見度的方式存在於全球供應鏈。

當使用者只看到自動回覆、即時生成或快速推薦，很容易以為人已經退出流程。Crawford的提醒是，很多時候，人重點落在被移到更低薪、更不穩定、也更難被看見的位置。真正的AI勞動問題，除了在「會不會取代工作」，也在誰被迫做最難被承認的工作。

資料不是原料，它是被收集與命名過的生活

AI常被說成靠資料驅動，彷彿資料是一種中性的自然資源。但資料不是從地上撿來的。它來自人們的照片、文字、聲音、行為紀錄、工作成果與公共資料；它被蒐集、清理、分類、命名與授權，每一步都帶著權力選擇。

這也是為什麼資料偏差不能只靠增加資料量解決。若分類方式本身把人壓成刻板類型，若資料來源忽略同意與脈絡，若少數群體只以被觀察的對象出現，模型就可能學到一套看似完整、其實非常狹窄的世界。

分類重點落在決定誰被怎麼理解

AI系統要運作，常需要把世界分成類別：人臉、情緒、風險、垃圾內容、正常行為、可疑交易。這些分類看似必要，卻從來不是只有技術答案。誰決定什麼叫做正常？誰的表情被讀成情緒？誰的行為被列為異常？

Crawford的問題和Noble、Benjamin、O’Neil可以接在一起：模型不是只在描述世界，它也在替制度提供新的分類語言。當分類結果影響就業、保險、福利、治安或內容可見度時，技術判定就會變成現實生活的門檻。

AI治理不能只談安全，也要談供應鏈與權力集中

今天談AI治理，很容易聚焦模型是否會答錯、會不會被濫用、能否遵守規範。這些都重要，但Crawford要人再往外看：誰擁有運算資源？誰能取得大量資料？誰能負擔訓練與部署成本？這些條件會決定誰有能力定義AI未來。

若AI基礎設施越來越集中在少數公司與國家手中，使用者與小型創作者即使能使用工具，也未必能真正參與規則制定。治理除了是限制風險，也包括讓資源、知識與決策權不會完全被集中。

Crawford和Haraway、Zuboff、Srnicek的差別

• Crawford：AI的環境、勞動、資料與分類成本如何構成權力。
• Haraway：人、機器、身體與身份邊界如何被重新安排。
• Zuboff：行為資料如何被轉成預測與商業影響力。
• Srnicek：平台如何透過資料、基礎設施與市場入口建立優勢。

這些理論放在一起，會讓AI不再只是一個螢幕上的工具。它同時是資源系統、勞動系統、資料系統與市場系統。只看其中一層，往往會低估它如何改變世界。

對台灣讀者來說，AI不是離產業很遠的軟體話題

台灣長期身處全球硬體、半導體與製造供應鏈的重要位置，因此AI的物質成本並不遙遠。當我們談AI應用、模型能力與數位轉型時，也應該看見電力、伺服器、晶片、勞動與產業分工如何共同構成這些服務。

這不表示台灣只能被動承受全球技術競爭。相反地，越理解AI的物質條件，越能提出更具體的問題：能源怎麼用？勞動如何被保障？資料能否被合理治理？技術收益是否只流向少數公司？這些才是AI進入社會後真正需要回答的事。

對讀者的實際意義

讀《AI地圖》最實用的地方，是不再只用「這個模型厲不厲害」評價技術。也可以問：它用了什麼資源？依賴誰的勞動？訓練資料從哪來？它把哪些成本留在使用者看不見的地方？這些問題會讓AI討論從功能走回責任。

讀者常問

《AI地圖》主要在談什麼？

《AI地圖》討論人工智慧背後的物質、勞動、資料與政治成本。Crawford反對把AI想成漂浮在雲端的抽象工具，並要求人看見它依賴的資源、供應鏈與分類權力。

AI為什麼有環境成本？

AI的訓練、推論與儲存依賴資料中心、硬體、電力與冷卻系統；硬體又需要礦產、製造與全球物流。具體成本會因模型、設備與地區而不同，但AI並不是沒有物質消耗的服務。

AI自動化背後真的還需要很多人嗎？

需要。資料標註、內容審核、系統維護、例外處理與供應鏈工作，都可能是AI服務能運作的條件。自動化常把人類勞動移到看不見的地方，而不是讓它完全消失。

AI治理只要管模型安全就夠了嗎？

不夠。模型安全重要，但也要考慮能源與資源消耗、勞動條件、資料來源、權力集中與部署後對不同群體的影響。AI是一套基礎設施，不只是程式。

Crawford留下的，不是拒絕AI

《AI地圖》真正留下的，是一種不把技術神化的能力。AI可以有用，但它永遠不是無重量、無勞動、無政治的工具。當我們看見它腳下的土地、手上的資料與背後的人，才有可能讓它被更負責地使用。