在家训练类人机器人的零工工作者

总结概述

这篇文章把镜头对准了一个很容易被忽略的新型劳动现场：世界各地的零工工作者正在自己家里，靠拍摄叠衣服、洗碗、做饭等日常动作，给未来的人形机器人提供训练数据。作者通过尼日利亚医学生 Zeus、印度学生 Dattu 等人的经历，展示了这项工作看上去既前沿又琐碎的双重面貌。一方面，这些人觉得自己参与了某种“未来技术”的建设；另一方面，他们的现实工作却常常是把同一组动作反复录很多遍，忍受单调、空间受限、家庭干扰和隐私暴露的压力。

文章的核心判断是，机器人领域正越来越像早期大模型的数据经济：谁能以足够大规模收集真实世界中的动作数据，谁就可能在训练类人机器人方面占得先机。Micro1、Scale AI、Encord、DoorDash 以及中国的国有训练中心都在追逐这一目标。但作者同时强调，这套模式带来一系列难题，包括隐私、知情同意、数据质量和劳动者对数据用途的不了解。受访者知道自己在帮助训练机器人，却并不清楚数据会被如何存储、卖给谁、最终用于什么场景。于是，这不仅是一个机器人故事，也是一场全球零工数据劳动的新扩张。

文章基本事实

•文章介绍，尼日利亚医学生 Zeus 会在结束医院工作后，在自己公寓里打开补光灯、把 iPhone 绑在额头上，拍摄自己整理床铺等动作。

•他为美国加州帕洛阿尔托的公司 Micro1 工作，该公司收集真实世界动作数据并卖给机器人公司。

•Micro1 在 50 多个国家雇佣了数千名合同工，包括印度、尼日利亚和阿根廷等地。

•这些零工工作者拍摄叠衣服、洗碗、做饭等日常动作，作为训练类人机器人的数据。

•Zeus 的时薪为 15 美元，对尼日利亚当地而言收入不错，但他觉得长时间熨衣服和录动作非常枯燥。

•文章指出，2025 年资本在类人机器人领域投入超过 60 亿美元，而收集真实动作数据成为全球扩张中的新零工产业。

•Micro1 的 CEO Ali Ansari 估计，机器人公司每年在真实世界数据上的采购开支已超过 1 亿美元。

•文章还提到，DoorDash 让配送司机拍摄家务动作，中国多个国有机器人训练中心则让工人戴 VR 头显和外骨骼教机器人开微波炉、擦桌子。

•受访工作者普遍表示，他们并不清楚自己的数据最终如何被存储、共享或卖给哪些客户。

核心观点/意见/看法

✓训练类人机器人的真实动作数据正在形成一个跨国零工产业链。

✓这类工作一边被包装成参与未来技术，一边又高度重复、琐碎，并依赖低成本劳动者持续供给。

✓隐私和知情同意是这里最被低估的问题，因为拍摄的不是抽象数据，而是家庭空间、生活习惯和个人环境。

✓即便数据量在迅速增长，机器人专家仍不确定这些家庭场景数据是否足以安全、有效地训练机器人。

✓这说明“机器人革命”背后并不只有工程师和资本，也有大量分散在全球家庭中的数据劳动者。

文章具体内容整理

1) 日常家务正在被转化为机器人训练数据

•文章开头很具体地描写了工人把手机绑在额头上，反复拍摄铺床、叠衣服、洗碗等动作。

•这些动作看似普通，却正被机器人公司视为极有价值的现实世界训练材料。

•背后的逻辑和大模型时代类似：文本曾经训练语言模型，如今动作正在训练类人机器人。

2) 这是一份收入尚可、体验却常常古怪且枯燥的工作

•Zeus 等人愿意接这类零工，一个现实原因是它在当地支付水平不低。

•但他们也反复提到，长时间重复家务动作、想办法设计“新内容”、还要保持镜头合规，其实并不轻松。

•所以这份工作既有“参与未来”的新鲜感，也有非常现实的疲惫和无聊。

3) 家庭空间成了全球机器人数据工厂的一部分

•文章最值得注意的地方，是它展示了数据收集地点的变化：不再只是实验室和工厂，而是普通人的卧室、阳台、厨房。

•这让全球各地低成本、懂技术的年轻人都能被纳入数据供应链。

•结果是，家庭生活空间在不知不觉中被转化成了机器人学习现实世界的素材库。

4) 数据质量和安全性并不像规模扩张那样乐观

•一些机器人专家担心，人们在家里的动作习惯并不总是安全或标准，未必适合作为高质量训练样本。

•即使公司会拒绝明显不安全的视频，海量数据的质量控制依然极其困难。

•这意味着“多采集就能解决问题”并不一定成立，数据的可用性本身还是一个巨大问号。

5) 隐私与知情同意问题远没有被真正解决

•尽管平台要求不要拍到脸和明显身份信息，但视频仍然会记录家中陈设、生活节奏和家庭成员活动。

•更关键的是，劳动者大都只知道这些数据会“训练机器人”，却不知道具体用途、客户名单和数据去向。

•因此，这场新型数据劳动最敏感的问题，不只是收入公平，而是人们是否真正明白自己在把什么交出去。

— END —