人形機器人領域最近一直在講「走進工廠」、「走進家庭」，但很少有人說清楚這些機器人是怎麼學會做事的。答案不是某個神奇的大模型，而是分佈在全球幾十個國家的兼職工人，用綁在額頭上的iPhone一幀一幀地拍自己洗碗、折衣服、炒雞蛋。
這是MIT科技評論在4月初的一篇報導揭開的事實。
頭戴iPhone，走進廚房
具體怎麼操作：把一部iPhone綁在額頭上，對準自己的手，然後按照任務說明做各種家務——折疊毛巾、把菜從鍋裡鏟進碗裡、整理廚房檯面。每次任務通常幾十分鐘，影片上傳後由AI和人工審核員聯合打標，標出每個動作的開始時間、結束時間、手的位置。
做這件事的主要是加州Palo Alto一家叫Micro1的公司，覆蓋50多個國家的合約工人，主力在奈及利亞、印度和阿根廷。時薪15美元，以當地收入水準算不錯。
雇主端，Tesla、Figure AI、Agility Robotics這些做人形機器人的公司都在買這些數據。機器人要學會在真實家庭環境裡幹活，靠模擬器遠遠不夠，真實的人類操作數據是不可替代的原材料。
不只是Micro1。Scale AI自稱收集了超過10萬小時的類似數據。DoorDash甚至在付錢讓外送員順手拍自己做家務的過程。整個行業每年花在真實世界訓練數據上的錢超過1億美元。
這不是第一次，但規模在變大
AI訓練數據靠人工標註這件事不新鮮。早年的圖像識別靠Amazon Mechanical Turk工人，NLP靠大量的文字標註。但人形機器人的訓練數據有個本質區別：它需要的不是文字或圖片的分類，而是動作的三維時序數據，帶著力度、節奏、空間座標。
這件事不能靠純合成數據解決，因為機器人在真實物理世界裡遇到的摩擦、重量、材質差異太多。Scale AI的數據越來越多地來自專門招募的工人在家錄製的影片，而不是實驗室裡的專業人員。
這意味著什麼？意味著人形機器人的能力邊界，某種程度上是被分佈在全球的家庭廚房決定的。一個機器人能不能折疊不同材質的毛巾，取決於有沒有人拍過足夠多對應材質的操作影片。
15美元一小時：這份工作長期穩定嗎？
工人們對這份工作的感受相當正面。
「感覺自己在做一件和全世界都不一樣的事。」（參與者Zeus）
另一個叫Dattu的工人說感覺自己在「留下印記」，讓數據參與到機器人的成長裡。但研究者對這個行業的可持續性有疑問。UC Berkeley的Ken Goldberg直接說：
「大家低估了要收集到足夠安全可用的機器人訓練數據需要多長時間。」
更實際的問題是隱私。工人拍攝的內容不只是自己的手，還有家裡的擺設、家庭照片、生活習慣、房間佈局。Micro1說會去除臉部和敏感資訊，但工人本人不知道數據最終給了哪家公司、存在哪裡、會不會被轉售。有人提出過刪除請求，但沒人知道結果如何。
馬里蘭大學的研究者Yasmine Kotturi認為，這種資訊不對稱是個結構性問題：工人承擔了資訊風險，但沒有得到相應的知情權。
還有一個隱患：ASTM International的Aaron Prather指出，如果工人在錄製時操作不規範（比如用了不安全的切法），這些「錯誤示範」可能被打包進訓練數據，讓機器人學到危險習慣。
這條供應鏈不會消失
| 數據供應商 | 數據量 | 主要工人來源 |
|---|---|---|
| Scale AI | 100,000+ 小時 | 全球分散 |
| Micro1 | 數萬小時 | 奈及利亞、印度、阿根廷 |
| DoorDash | 未揭露 | 外送配送員 |
人形機器人要真正做到「進家庭」，需要處理的場景多到不可思議：各種形狀的家具、各種材質的衣物、各種佈局的廚房、各種高度的檯面。這不是靠幾千小時數據能解決的量，而是靠幾百萬小時。
這條全球化的、分散化的數據供應鏈會長期存在，而且會越來越龐大。在機器人能夠完全自主學習之前，人類必須先演示給它看。
只不過，負責演示的那個人，可能是在奈及利亞某個租來的公寓裡，頭上綁著一部iPhone，一邊洗碗一邊幫未來的機器人學走路。
參考來源：CocoLoop、The gig workers who are training humanoid robots at home（MIT Technology Review）