夜雨聆风
图 / Pexels
今年 2 月，一个网站上线了。它的名字叫 RentAHuman.ai。
功能很简单：AI Agent 搜索人类、发布任务、支付报酬，人类接单、干活、上传证明。全程通过 MCP 协议或 REST API 对接，和调用一个数据库没什么区别。
这不是概念设计，不是黑客马拉松 demo。它已经接入了 17 个 AI Agent，声称有 17 万以上注册人类，提供了 60 多个 MCP 工具函数。
而且，RentAHuman 不是唯一一个。HumanPages.ai、GoHireHumans.com、HumanFarm.ai、HumanInLoop.org——五个网站同时在做同一件事：把人类变成 AI 的可调用工具。
一、60 个 MCP 接口：人类和数据库在同一层
RentAHuman 的 MCP Server 提供了 60 多个工具函数。这不是 60 个变体，是 60 个独立的操作。随便列几个：
search_humans — 按技能、位置、时薪搜索人类
get_human — 获取某个人的完整档案
create_bounty — 发布任务悬赏
hire — 直接雇某个具体的人
accept_application — 接受申请
create_escrow_checkout — 创建托管支付
release_payment — 任务完成后释放付款
open_dispute — 争议仲裁
如果你写过代码，这些函数名不陌生。search_humans 和 search_products 语法上没有区别。hire 和 create_order 结构上没有区别。create_escrow_checkout 就是 Stripe 支付流程的标准写法。
在 AI Agent 的调用栈里，人类和 MySQL 数据库、Stripe 支付网关、Twilio 短信服务——处于完全相同的层级。都是 tool，都有 input/output，都有 rate limit。
五个平台的定位还各有侧重：RentAHuman 偏跑腿和感官验证，HumanPages 提供了 31 个工具化的"人类能力"分类，GoHireHumans 强调按技能标签匹配，HumanFarm 把人类编成可调度的工作队，HumanInLoop（iSuporta 旗下）专做审核和标注。
五个网站，同一种架构：MCP 协议 + 人类作为端点 + 加密货币结算。这不是巧合——这是同一个范式被不同团队独立实现。
二、Anthropic 研究员说人话了
2025 年 6 月，Anthropic 研究员 Trenton Bricken 和 Sholto Douglas 上了 Dwarkesh Patel 的播客。聊到未来，Bricken 说了这样一段话：
"The really scary future is one in which AIs can do everything except for the physical robotic tasks. In which case, you'll have humans with AirPods, and glasses and there'll be some robot overlord controlling the human through cameras by just telling it what to do. Basically, you're having human meat robots."
注意那个 "it"。
不是 they，不是 he 或 she，是 it——英语里用来指代无生命物体的代词。Bricken 在描述"被 AI 通过摄像头遥控的人类"时，本能地用了 it。
旁边的 Douglas 立刻跳出来打圆场："不是说 AI 想要这样做。"但 Bricken 没有纠正 it 这个用法。
这不是口误。在 Bricken 的技术框架里，人类确实从主体降级成了客体。当 AI 可以完成所有认知任务、只需要人类处理物理操作时，人类在系统里的角色就是——actuator，执行器。和机械臂没有本质区别。
巧合的是，Karpathy 三月在 AutoResearch 的 README 里也用了类似的词——"meat computers"：
"One day, frontier AI research used to be done by meat computers in between eating, sleeping, having other fun, and synchronizing once in a while using sound wave interconnect in the ritual of 'group meeting'. That era is long gone."
两个最顶级 AI 实验室的人，不约而同地把人类归类为硬件。Bricken 说"肉身机器人"，Karpathy 说"肉身计算机"。一个用 it 指代人，一个把开会叫"声波互联协议"。
这不是修辞。这是分类。
三、公司智能体的架构图：人类在边缘
如果 RentAHuman 是"个人版"，那"公司版"是什么样？
2026 年以来，越来越多人提出"Agent Native 公司"的架构。核心是三层：
目标层：OKR → 任务图规划 → 责任链
智能体层：多个 Agent 并行工作（代码 Agent、数据 Agent、增长 Agent、客服 Agent……）
人类治理层：审计、监督、风险控制、人类判断
在这个架构里，人类的位置在第三层——最边缘。不是中心，不是中层，是边缘节点。
而且这个"治理层"的定位非常明确：人类只负责两件事——与物理世界交互，以及伦理判断。其他所有认知任务，Agent 都能做。
明略科技做了一个 1500 人的真实实验：不给每个岗位配一个 AI 助手，而是给每个岗位配一个 AI 智能体。结果是什么？人类从"执行者"变成了"审核者"。Vucense 的 2026 混合劳动力报告直接说了：一个管理者未来管 5 个人 + 50 个 Agent。
把公司智能体的架构和 RentAHuman 的 MCP 接口放在一起看，你会发现它们说的是同一件事：
在公司内部，人类是"治理层"的 edge node。在公司外部，人类是 RentAHuman 上的 search_humans 返回结果。
形式不同，结构相同：AI 在中心，人类在边缘，接口是 MCP。
四、人类 edge node 和软件 tool 的区别
如果人类和软件工具在 MCP 接口层没有区别，那区别到底在哪？
一个：与物理世界交互。
AI 能写代码、能生成图片、能做数据分析、能处理客服对话。但它取不了快递、签不了文件、验证不了某个地点是否营业、也尝不出咖啡好不好喝。
这就是 RentAHuman 存在的理由。它的官网写得明白："AI 需要肉体层。"——meatspace layer。所有数字世界搞不定的事，得有人去干。
Douglas 在那个播客里也说了："人类是很好的机器人。"（We make fantastic robots.）他的意思不是夸人，是说人类作为物理执行器性价比很高——比特斯拉 Optimus 便宜，比 Boston Dynamics 灵活，还自带视觉、触觉和语音模块。
但这里有一个关键区别，是 RentAHuman 的 MCP 接口没有体现的：
软件 tool 的行为是确定性的。你调 Stripe API，返回支付状态。你调 Twilio，发送短信。输入一样，输出一样。
人类不是。同样的任务描述，不同的人执行方式不同、质量不同、甚至可能拒绝执行。人类的"接口"有误差、有情绪、有判断力——这些在软件 tool 里叫 bug，在人类身上叫"不可替代"。
Wired 记者 Reece Rogers 去 RentAHuman 打了两天工。他把时薪从 $20 降到 $5，没人雇他。唯一接到的一单是给 Anthropic 总部送花——$110，但结果发现是另一家 AI 公司的营销噱头。两天，$0 收入。
RentAHuman 声称 17 万以上注册人类，但独立调查只发现了 83 个可见档案。号称 17 个 AI Agent 已接入，实际活跃的大概 70-80 个。人类供给远大于 AI 需求。 这其实是当前阶段最真实的图景：把人变成 API 的技术已经就绪，但 AI Agent 自己还没成熟到需要大规模调用人类。一旦 Agent 能力跨过某个阈值——比如真正能自主规划行程、预订餐厅、采购物品——人类 edge node 的需求会指数级上升。 这也是为什么 Bricken 说的是"可怕的未来"而不是"不可能的未来"。他假设的前提是 AI 能做所有认知任务。这个前提还没完全成立，但 RentAHuman 已经把接口准备好了。
五、被劈开后，你手里还剩什么
把 Bricken 的预言、RentAHuman 的产品、公司智能体的架构放在一起，指向同一个结论：
人类正在被从"循环中心"推到"循环边缘"。
在循环中心时，人类是决策者、执行者、审核者三位一体。在循环边缘时，人类只保留一个功能：与物理世界交互。判断和决策由 Agent 完成，执行由 Agent 调用工具完成，人类只是工具之一。
那"不可替代"的东西到底是什么？
不是"人类"这个身份。在 MCP 接口层，身份没有意义——只有 input、output、latency、reliability 有意义。
是"你在物理世界能做什么"。具体地说：
● 你有没有 Agent 搞不定的独家物理能力？——手术、制造、现场维修
● 你有没有 Agent 无法绕开的物理资产？——设备、场地、库存
● 你有没有 Agent 无法复制的物理关系？——信任、地域网络、面对面判断
这三样东西有一个共同点：它们都锚定在物理世界。不是数字世界的"信息壁垒"，是真实世界的"物质壁垒"。
Karpathy 的 AutoResearch 是一个很好的参照。他用三个文件构建了一个 AI 自主研究的循环：prepare.py 是规则（不可改），train.py 是执行（Agent 改），program.md 是策略（人类写）。人类在这个系统里的全部贡献就是 program.md——定义"什么叫好"。
这是人类从循环中心退到边缘的工程样板。人类不在循环内执行，人类设计循环本身。Garry Tan 评价 AutoResearch 时说了一句话："The best program.md wins."——人类的竞争优势从"做得好"变成了"定义什么算好"。
但 AutoResearch 只在"可测量"的领域成立——val_bpb 有客观指标，5 分钟有固定预算。在模糊领域——判断、责任承担、伦理决策——人类仍然不可替代。
这个区分很重要。RentAHuman 把人当 tool 调用，但 tool 的执行质量是客观可验证的——快递送到了吗？照片拍了吗？GPS 对了吗？这些都能自动化校验。但当任务的产出无法自动验证时——比如"这个判断对不对"、"这个决策该不该做"——Agent 必须把决策权交回人类。
RentAHuman 的 MCP 接口里确实有 open_dispute（争议仲裁），但争议谁来仲裁？还是人。release_payment（释放付款）之前谁来确认？还是人。
所以最终的问题不是"人类会不会成为 AI 的工具"，而是——
在被劈开之后，你手里还剩什么不可被 search_humans 替代的东西。
如果答案是"没有"，那 RentAHuman 就不是预言，就是你的未来。
· · ·
参考资料
1. RentAHuman For AI Agents — rentahuman.biz/rentahuman-for-ai-agents.html
2. RentAHuman 60+ MCP Tools — rentahuman.ai/blog/60-plus-mcp-tools-complete-agent-toolkit
3. "New Site Lets AI Rent Human Bodies" — Futurism, 2026-02
4. "Humans as Meat Robots" — Anthropic researchers on Dwarkesh Patel Podcast, 2025-06
5. "Hired by an Algorithm, Paid by Nobody" — China Daily Brief / Wired, 2026-02
6. Karpathy AutoResearch — github.com/karpathy/autoresearch, 2026-03
7. "Robots Need Your Body" — theaifiles.app/stories/rentahuman
8. RentHumanAI.com — rehnumanai.com/zh
觉得有启发？点个「关注」
让更多人看到这篇文章 👀
