AI训练链最底层:服装厂工人正在用肉身给机器人当“老师”

2026年6月，印度德里郊外。

32岁的服装厂女工拉莉塔每天走进车间，第一件事是扣紧头上的GoPro摄像头。比打卡还早。三个月前工厂给每个工人都发了这个小玩意儿，说是“为了提升生产效率”。一开始大家还互相打趣，说天天戴个这，搞得跟拍vlog的网红一样。

可没过多长时间，没人笑得出来了。车间各个角落都新装了镜头，工人每一个动作，每一次抬手，都被清清楚楚拍下来存走。原本吵吵闹闹的车间，慢慢变得安安静静，连聊天都要凑到耳边压低声音说。

拉莉塔在接受《卫报》采访时，声音里没有愤怒，只有麻木的无奈。她说，墙上装了监控，我们每个人身上也装了一个。她不敢说什么，这份工作是她养活一家人唯一的路子，丢了就没了。

这事不是印度独有的。从南亚的服装加工厂，各地的机器人训练中心，这种场景正在全球制造业悄悄铺开。

背后的逻辑，其实一点不复杂。

现在全球都在砸钱搞人形机器人。Crunchbase的数据显示，2025年前七个月全球机器人领域融资已超60亿美元，特斯拉、Figure AI、1X Technologies这些头部公司都在拼了命推进量产。但所有搞人形机器人的公司都绕不开一个难题：怎么让机器人学会干精细活。

靠写代码教机器人叠衣服、缝扣子、装零件？效率低得离谱，效果还不好。

现在最有效的方法，是给AI模型投喂数千小时的真实人类操作视频，最好是第一人称视角的那种。业内管这叫VLA模型（视觉-语言-动作模型），说白了就是AI看够了人怎么干活，自己就能学会拆解动作，然后照着做。

数据的数量和质量，直接决定了机器人能做到什么程度。

所以工厂和科技公司都在疯了一样找这种真实数据。据多家媒体报道，不少科技公司早已开始大规模采集人类动作数据——从工厂车间到普通家庭场景，累计已有数百万小时。工人和零工穿戴动作捕捉设备，重复做叠衣服、整理杂物这些动作，录完拿一点微薄的报酬。《麻省理工科技评论》把这事称为“人形机器人时代的零工经济”。

但拉莉塔们的处境，比这些零工还要憋屈得多。

她们的工厂老板从她们身上同时拿走了两份价值：一份是她们正常干活生产出来的产品，钱一分不少进了老板腰包；另一份，是她们一举一动产生的动作数据，转手就流去了机器人公司，变成了对方的核心资产。

整个过程，拉莉塔和她的同事从头到尾被蒙在鼓里。没人告诉她们这些数据到底是用来干嘛的，没人问过她们同不同意，更别说给一分钱额外补偿了。等于工人卖了一次劳动力，资本拿了两份收益。

全球AI数据标注市场，根据Grand View Research的报告，全球数据标注市场预计到2030年将达到171亿美元，是2024年规模的五倍以上。另一个研究机构SNS Insider 发布的报告显示，全球 AI 标注市场规模在 2025 年约为 23.9 亿美元，预计到 2033 年将增长至 283.1 亿美元。

机器人训练数据是增速最快的细分领域。

在采访的最后，拉莉塔问了记者一句话：“那将来谁来付钱给我们，当机器人取代了我们之后？”……

你一定也听过另一种声音。很多人说，现在人形机器人技术还没成熟，离大规模取代流水线工人还有很远的距离。

这话没错。现在最先进的人形机器人，在非结构化的车间环境里依然笨拙，不管是作业速度还是产品合格率，跟干了好几年的熟练工人比，差得不是一点半点。Figure AI的最新演示视频里，机器人叠一件T恤要花两分多钟，中间还得停下来“思考”。特斯拉的Optimus在工厂里的演示，动作依然僵硬迟缓。

但技术不成熟不代表这事就没问题。

科技公司和工厂老板心里都清楚，这条路的终点是什么。他们比谁都明白。现在他们就是让这些工人，亲手给这条路铺砖。

我大概算了算时间线。现在人形机器人量产的目标，大部分公司都定在2030年前后。拉莉塔今年32岁，等那时候她不到四十，正是上有老下有小的年纪。真丢了工作，她能去哪？

很多人说AI会创造新的就业岗位，这话没错。但新的岗位会不会留给这些已经被淘汰的老工人？我看悬。大部分干了十几年流水线的工人，你让他们转去做机器人运维、转去做AI训练，有几个能转得动？

就算真的转岗成功，那也是少数。大部分人只能拿着微薄的补偿金回家，或者去找收入更低的零活。这种事放到任何一个普通打工人身上，想想都后背发凉。你勤勤恳恳给老板干活，结果老板不光要赚你的钱，还要把你的劳动过程喂给未来替代你的机器人做嫁妆，你连说不的资格都没有。

如果我们把视线从拉莉塔的车间抬起来，看向更宏大的图景，会发现这仅仅是冰山一角。你以为只有在印度工厂吗？4月22日路透社最新获取的内部备忘录证实，Meta正向其美国员工的办公电脑部署一款新型追踪软件，全面记录鼠标移动轨迹、点击行为、键盘敲击数据，并定期对屏幕截图，用于训练AI智能体。Meta今年已在全球范围内裁减10%的员工，并正着眼于在年内进行进一步的大规模裁员。放眼整个行业，亚马逊近几个月已累计裁撤约3万名企业员工，约占其白领总数的一成；金融科技巨头Block更是在今年2月直接砍掉了近半数员工。在内部管理上，Meta正在强推“AI优先”战略。管理层不断施压员工在编程等任务中全面接入AI智能体，哪怕这在短期内会拖慢他们的工作节奏。同时，Meta正在抹平特定岗位职能之间的差异，转而提倡一个名为“AI构建者”(AI builder)的全新通用头衔。

耶鲁大学(Yale University)法学教授伊芙奥玛·阿均瓦(Ifeoma Ajunwa)指出，企业在历史上通常只在搜寻员工不当行为或非工作相关活动时，才会动用计算机日志和截屏技术。她认为，记录员工按键数据的举措让数据收集目标更进了一步，使得白领阶层开始面临以往只有外卖骑手等零工经济从业者才经历过的实时监控。“

今天花时间看了国际清算银行（BIS）最新发布的年度报告。简单介绍一下国际清算银行，它是1930 年设于瑞士巴塞尔的国际金融机构，服务各国央行，统筹全球金融监管标准，每年发布年度经济报告，为全球宏观风险提供中立权威研判。俗称“央行中的央行”，这个俗称是不准确的，只是很多人都习惯这么叫。

今年他的报告中用了很大篇幅专门探讨了AI对生产力的复杂影响。BIS这份报告指出了四种可能的发展路径。

BIS的经济学家通过模型推演发现，AI对经济的影响至少存在四种情景。第一种是“一切照旧”——劳动力仍是制约性投入要素，经济以每年2%的历史趋势稳定增长。第二种是“有限提升”——生产率永久性地小幅上移，这在工业革命以来从未发生过，若真出现将是历史性事件。第三种是“变革性增长”——AI成为自我强化的增长引擎，产出增速指数级扩张，劳动力占比降至接近零，这是硅谷梦想中的终极图景。

第四种，“需求瓶颈”。

什么意思呢？简单说，当自动化大规模取代工人，收入会从消费领域越来越多地转向AI投资领域。随着生产能力不断扩张，消费群体却在萎缩。被取代的工人失去了收入，也失去了消费者的身份。最终，AI生产出的商品和服务没人买得起了。企业发现继续投资创新和自动化已无利可图——不是技术不行了，而是市场没了。

生产力停滞并非源于技术瓶颈，而是因为缺乏消费需求。如果是第四种情景出现，那比“AI取代人类”等耸动标题都更深刻，也更值得深思。

BIS的报告还引用了Trammell和Korinek（2023）的研究。这两位经济学家在NBER工作论文中指出，如果AI资本能够成为人类劳动力的足够接近的替代品，经济可以从持续指数增长的模式过渡到加速超指数增长的模式。但前提是——需求跟得上。

与此同时，Jones和Tonetti（2026）的研究则指出了另一种制约力量（据BIS报告引述）：如果不同经济任务之间存在强烈的互补关系，整体产出将受到“最薄弱环节”的制约。换句话说，就算AI把90%的任务都做到了极致，只要剩下10%必须由人类完成的任务卡住了，整体效率就上不去。这是一个关于“短板”的寓言，看到他俩的这个观点，感觉是对人类价值的某种微妙安慰吧。

回到现实中来。

帕洛阿尔托有一家叫Micro1的初创公司，在全球71个国家招募了约4000名工人，每月收集超过16万小时的视频素材。这些工人时薪15美元——在德里或内罗毕，这算“体面收入”。但对比科技公司数十亿美元的投资，这不过是产业链末端的残羹。

外卖平台DoorDash甚至推出了一款叫Tasks的应用，让送餐员在送餐之余顺便录制家务视频——叠衣服、扫地、整理书架——用来训练家用机器人。这款应用刻意避开了那些数据隐私法律严格的州，比如加州和伊利诺伊。换句话说，资本家知道自己在做什么，也知道这事有争议，只是在法律薄弱的地方先跑起来再说。

人类学家Mary Gray在《幽灵劳动》一书中早已揭开了这个真相：那些让AI显得“聪明”的标注、审核、数据清洗，大多由隐形的工人完成。而现在，这场“幽灵劳动”已从屏幕延伸到身体——叠衣服的手势、炒菜的节奏、打开冰箱的角度，甚至手指感知布料重量的细微动作，都成了可采集、可定价、可转售的“原材料”。

与此同时，AI对白领职场的冲击也正在发生结构性的变化。

我想起之前看过的一个采访，上海交通大学中国发展研究院院长、经济学家何帆在采访中提到他观察到一个现象，让他感到很担忧：“AI现在已经让很多年轻人的第一份工作消失了。我跟很多老板聊天，现在他们不招秘书了。AI可以帮助安排开会、出差。证券公司以前有研究部，会招很多研究助理，现在也不用招了。律师事务所里实习生打杂的工作，AI也能做。大学老师原来有些工作交给研究生，现在发现AI做得比研究生还省事。”

问题在于，年轻人特别需要这第一份工作。只有在第一份工作里，他们才能真正知道真实世界是怎么运转的。结果你把他的入门券给弄没了。

如果教育不改变，不教给年轻人更多真实世界的生存技能，以后可能出现一种荒诞的局面——孩子的第一份工作要花钱买。花钱上班，花钱买一个工作机会，就为了简历上能写一笔“我有工作经验”。

这个判断虽然来自个人观察而非严谨统计，但它揭示了一个普遍的焦虑：AI正在从“替代任务”走向“替代岗位”，尤其是替代那些原本用来培养新人的入门级岗位。当梯子被抽走，后来的人怎么爬上来？

6月4日，Anthropic公司发布了一份题为《When AI builds itself》的研究报告。数据惊人：截至2026年5月，其Claude代码库中超过80%的代码由AI自主编写；工程师日均合并的代码量是2024年的8倍；AI解决复杂研发任务的能力飞速迭代，模型能力翻倍周期从7个月压缩至4个月，如今能独立完成人类数天、甚至十数日才能搞定的研发工作。

报告直言：AI已具备“自我迭代、自我优化”的能力。若不提前设置“安全刹车”，递归自我改进（RSI）——AI将脱离人类控制，自行演化。报告中称：“对于未来世界会是什么样子，我们没有良好的直觉，因为我们当前的经济是由人类和人类建造的工具所驱动的。就其本质而言，一个由快速递归自我改进所驱动的世界，可能会在自我改进模型的能力全面超越人类、并向更广泛经济体扩散蔓延的过程中，被这一模型所主导。如果人类劳动力失去竞争力，届时的经济形态将难以预测。”

有戏剧性的是：发布这份警告的Anthropic公司，5月28日刚完成650亿美元的H轮融资，投后估值9650亿美元，6月1日已向美国证券交易委员会（SEC）‌递交资料‌，预计年内上市。一边是发布安全警告，一边是资本市场最大规模的盛宴。一个“刹车”的呼吁者，其自身价值最大化恰恰依赖于AI“加速”。

生物学家爱德华·威尔逊说过一句话：人类拥有“旧石器时代的情绪，中世纪的制度和神一样的技术”。我们的技术跑得太快，制度和伦理追不上了。

在硅谷的AI未来畅想中，人类劳动力占比降至接近零，产出爆发式增长。就像马斯克所说的人类可能不再需要为了生计而工作。但通往那个黄金国度的隧道是黑暗的。隧道里，是拉莉塔们被无偿征用的身体数据，是年轻人消失的职场入门券，是建立在过度投资和金融脆弱性之上。

“谁来付钱给我们，当机器人取代了我们之后？”

拉莉塔的这句追问，我不知如何回答。也许真正的“深度”不在于预测未来是“需求瓶颈”还是“超指数增长”，而在于看清一个更迫近的现实：我们正在用怎样的代价，去喂养硅基生命体。如果创造出的硅基生命体，首先吞噬的是公平、尊严和希望，那未来还是想象中美好的未来吗？

马斯克说届时社会将进入“后稀缺经济”，不仅提供基本收入，更实现‌全民高收入‌，商品与服务成本极低，政府需构建更厚实的安全网 。对这个说法，我觉得过于线性和理想化了。迈克尔·伯里、瑞·达利欧都表达如下观点：若失业速度超过社会消化能力，可能引发动荡；同时，人形机器人成本、伦理框架及分配机制仍是重大障碍。‌‌

这场AI驱动的生产力狂欢，首先需要的或许不是更多的投资和技术突破，而是一场关于分配的深刻反思。否则，当“需求瓶颈”真的到来时，我们可能会发现——瓶颈并非来自技术或产能，而是来自一个被掏空了消费能力和未来希望的、庞大而沉默的群体。

我认为人形机器人技术发展本身没有错。我奶奶八十多岁时卧床三年，我们家人轮流给她翻身、擦洗、抱上抱下，每次都累得满头大汗。也叫过护工，但是护工也都累跑了。那时候我常想，如果有一个机器人能帮忙做这些多好。给失能老人翻身，协助他们站立、如厕、进食，24小时监测跌倒风险。技术进步后应该取代那些最苦最累、最危险、人类最不想干的工作，而不是用一针一线养活一家人的女工们。

可现实是资本在算“降本增效”的账。

拉莉塔们还在车间里，头顶着GoPro，一针一线地缝制着衣服，也一帧一帧地录制着取代自己的教程……

注：本文引用的宏观数据和分析模型，主要来自国际清算银行（BIS）《2026年度经济报告》；劳工案例来自《卫报》2026年6月24日报道及Rest of World等相关报道；AI技术进展引用自Anthropic 2026年6月4日发布的《When AI Builds Itself》报告。文中部分个人观察言论，已标注为个人观点，不代表统计数据。