企業向 4,000 名工人支付報酬，將其生活數據化以訓練 AI 機器人

一場全行業範圍內對現實世界訓練數據的爭奪催生了一種新型數位零工，Micro1 和 Scale AI 等公司正在全球範圍內向數千人支付報酬，讓他們記錄日常生活，以教會特斯拉（Tesla）和 Figure AI 的人形機器人在物理世界中如何運作。這個新興勞動力市場向工人們支付約 15 美元的小時薪，讓他們在做家務時把 iPhone 綁在頭上。這凸顯了開發具身智能（Embodied AI）競賽中的一個關鍵瓶頸：極度缺乏讓機器人變得實用所需的物理動作數據。

「我們可能需要數十億小時的數據，」Micro1 的 AI 副總裁 Arian Sadeghi 表示。他指出，該公司目前每月收集的 16 萬小時影片仍然遠遠不夠。「我們甚至還沒有開始收集人與人互動的數據。目前，這只是最基本的家務活。」

這項工作涉及遍佈 71 個國家的約 4,000 名全球勞動力，他們記錄自己鋪床、洗碗和疊衣服等任務。工人們必須使用配備 LiDAR 的 iPhone，每週提交至少 10 小時的影片素材，然後進行質量審核。這一過程滿足了機器人公司貪婪的需求。這些公司斷定，在 AI 模型架構取得突破之後，主要的競爭資源現在變成了海量的現實世界交互數據。

這種數據熱潮正推動人形機器人市場預計在 2026 年達到 423 億美元。各大公司正競相實現通用機器人的長遠願景。雖然這些數據對於訓練至關重要，但收集方法引發了關於 AI 時代勞動性質的新倫理問題，創造了一群在保密協議面紗背後支撐 AI 系統的全球「幽靈勞動力」。

機器中的幽靈

人類學家 Mary Gray 和計算機科學家 Siddharth Suri 將這種向低薪工人支付報酬以生成訓練數據的做法稱為「幽靈工作」（Ghost Work），描述了讓 AI 系統看起來具有自主性的隱藏人類勞動。隨著這種工作從螢幕上的點擊轉向螢幕外的物理動作，Nick Couldry 和 Ulises Mejias 等研究人員認為，這代表了一種「數據殖民主義」，即日常生活的原材料被從全球人群中提取出來，並被少數幾家科技公司提煉成價值資產。

這一新數據供應鏈中的工人通常分佈在印度、尼日利亞和菲律賓等國，他們在顯著的信息不對稱下運作。他們通常不知道自己的數據服務於哪些特定客戶，也不知道這些數據將如何被使用和存儲。雖然其薪酬在當地市場具有競爭力，但與獲得數十億風險投資支持的機器人公司所創造的價值相比，只是九牛一毛。數據標註公司 Objectways 的創始人 Ravi Rajalingam 指出，來自美國本土的數據溢價更高，工人的收入有時是越南或印度同行的三倍，因為機器人公司認為美國消費者將是第一批購買這些機器的人。

全球地緣政治競賽

這種低調的家庭數據採集行動只是具身智能霸權爭奪戰的一個縮影。雖然美國初創公司專注於獲取家庭和工廠任務的數據，但中國正在追求更具生態驅動力的方法。在最近的一場半程馬拉松中，中國的人形機器人在自主性和可靠性方面表現出顯著提升。去年只有少數團隊能完成的賽程，今年已有數十個團隊完賽。這一進步得到了國家的支持和大規模製造能力的支撐；北京領珝智能（Lingyi iTech）的「具身智能超級工廠」目標是到 2026 年產出 1 萬台，到 2030 年產出 50 萬台。

競爭還包括重大的軍事維度。在美國，Foundation Future Industries 等初創公司已獲得五角大樓的合同，測試用於戰鬥角色的人形機器人，埃里克·特朗普（Eric Trump）擔任戰略顧問。同時，俄羅斯成立了專門的無人系統部隊分支，中國政府也正在積極將民用科技公司轉變為軍事供應商。這場競賽不僅是為了爭奪家庭和工廠的市場份額，更是為了在未來戰場上獲得戰略優勢。

提煉人類經驗

從本質上講，這種全球性的數據收集努力是首次大規模嘗試提取和數位化哲學家邁克爾·波蘭尼（Michael Polanyi）所說的「默會知識」（Tacit Knowledge）——即人類知道如何去做但無法完全解釋的直覺性具身技能，如平衡、折疊或感知物體重量。通過記錄這些動作，AI 公司正試圖將這種身體知識拆解為機器可讀的數據。

這種悖論在尼日利亞醫學生 Zeus 的經歷中得到了體現。他在輪班結束後會記錄自己鋪床的過程。他告訴記者，他認為這是一個「留下印記」的機會，也是參與重要事業的一種方式。雖然他的貢獻是真實的，但他留下的印記只是一組動作捕捉數據，被一家他叫不出名字的公司購買，用來訓練一台他可能永遠買不起的機器人。知識正與知者分離，這引發了 AI 時代的一個基本政治問題：當你的身體經驗本身成為一種原材料時，你真正擁有什麼？

本文僅供參考，不構成投資建議。