企业向 4,000 名工人支付报酬，将其生活数据化以训练 AI 机器人

一场全行业范围内对现实世界训练数据的争夺催生了一种新型数字零工，Micro1 和 Scale AI 等公司正在全球范围内向数千人支付报酬，让他们记录日常生活，以教会特斯拉（Tesla）和 Figure AI 的人形机器人在物理世界中如何运作。这个新兴劳动力市场向工人们支付约 15 美元的小时薪，让他们在做家务时把 iPhone 绑在头上。这凸显了开发具身智能（Embodied AI）竞赛中的一个关键瓶颈：极度缺乏让机器人变得实用所需的物理动作数据。

“我们可能需要数十亿小时的数据，”Micro1 的 AI 副总裁 Arian Sadeghi 表示。他指出，该公司目前每月收集的 16 万小时视频仍然远远不够。“我们甚至还没有开始收集人与人互动的数据。目前，这只是最基本的家务活。”

这项工作涉及遍布 71 个国家的约 4,000 名全球劳动力，他们记录自己铺床、洗碗和叠衣服等任务。工人们必须使用配备 LiDAR 的 iPhone，每周提交至少 10 小时的视频素材，然后进行质量审核。这一过程满足了机器人公司贪婪的需求。这些公司断定，在 AI 模型架构取得突破之后，主要的竞争资源现在变成了海量的现实世界交互数据。

这种数据热潮正推动人形机器人市场预计在 2026 年达到 423 亿美元。各大公司正竞相实现通用机器人的长远愿景。虽然这些数据对于训练至关重要，但收集方法引发了关于 AI 时代劳动性质的新伦理问题，创造了一群在保密协议面纱背后支撑 AI 系统的全球“幽灵劳动力”。

机器中的幽灵

人类学家 Mary Gray 和计算机科学家 Siddharth Suri 将这种向低薪工人支付报酬以生成训练数据的做法称为“幽灵工作”（Ghost Work），描述了让 AI 系统看起来具有自主性的隐藏人类劳动。随着这种工作从屏幕上的点击转向屏幕外的物理动作，Nick Couldry 和 Ulises Mejias 等研究人员认为，这代表了一种“数据殖民主义”，即日常生活的原材料被从全球人群中提取出来，并被少数几家科技公司提炼成价值资产。

这一新数据供应链中的工人通常分布在印度、尼日利亚和菲律宾等国，他们在显著的信息不对称下运作。他们通常不知道自己的数据服务于哪些特定客户，也不知道这些数据将如何被使用和存储。虽然其薪酬在当地市场具有竞争力，但与获得数十亿风险投资支持的机器人公司所创造的价值相比，只是九牛一毛。数据标注公司 Objectways 的创始人 Ravi Rajalingam 指出，来自美国本土的数据溢价更高，工人的收入有时是越南或印度同行的三倍，因为机器人公司认为美国消费者将是第一批购买这些机器的人。

全球地缘政治竞赛

这种低调的家庭数据采集行动只是具身智能霸权争夺战的一个缩影。虽然美国初创公司专注于获取家庭和工厂任务的数据，但中国正在追求更具生态驱动力的方法。在最近的一场半程马拉松中，中国的人形机器人在自主性和可靠性方面表现出显著提升。去年只有少数团队能完成的赛程，今年已有数十个团队完赛。这一进步得到了国家的支持和大规模制造能力的支撑；北京领珝智能（Lingyi iTech）的“具身智能超级工厂”目标是到 2026 年产出 1 万台，到 2030 年产出 50 万台。

竞争还包括重大的军事维度。在美国，Foundation Future Industries 等初创公司已获得五角大楼的合同，测试用于战斗角色的人形机器人，埃里克·特朗普（Eric Trump）担任战略顾问。与此同时，俄罗斯成立了专门的无人系统部队分支，中国政府也正在积极将民用科技公司转变为军事供应商。这场竞赛不仅是为了争夺家庭和工厂的市场份额，更是为了在未来战场上获得战略优势。

提炼人类经验

从本质上讲，这种全球性的数据收集努力是首次大规模尝试提取和数字化哲学家迈克尔·波兰尼（Michael Polanyi）所说的“默会知识”（Tacit Knowledge）——即人类知道如何去做但无法完全解释的直觉性具身技能，如平衡、折叠或感知物体重量。通过记录这些动作，AI 公司正试图将这种身体知识拆解为机器可读的数据。

这种悖论在尼日利亚医学生 Zeus 的经历中得到了体现。他在轮班结束后会记录自己铺床的过程。他告诉记者，他认为这是一个“留下印记”的机会，也是参与重要事业的一种方式。虽然他的贡献是真实的，但他留下的印记只是一组动作捕捉数据，被一家他叫不出名字的公司购买，用来训练一台他可能永远买不起的机器人。知识正与知者分离，这引发了 AI 时代的一个基本政治问题：当你的身体经验本身成为一种原材料时，你真正拥有什么？

本文仅供参考，不构成投资建议。