时薪15美元的新工种：将人类肢体动作数据化以训练人形机器人

事件概述

随着特斯拉（Tesla）、Figure AI等公司加速开发人形机器人，训练模型所需的真实世界动作数据变得极为紧缺。为此，Micro1、Scale AI、Encord 等数据采集公司在全球范围内招募工人，通过佩戴头戴式摄像头记录日常家务动作，以构建物理人工智能（Physical AI）的训练数据集。

核心信息

• 招募规模与来源：Micro1 已在 71 个国家招募约 4000 名工人，每月收集超过 16 万小时的视频素材；Scale AI 和 Encord 也在同步进行类似招募。DoorDash 于 2026 年 3 月推出 Tasks 应用，允许送餐员顺带录制家务视频（排除隐私法律严格的州）。
• 工作模式与门槛：
  • 应聘者需先通过名为 Zara 的 AI 智能体面试并提交试录视频。
  • 合格者将获得额头头带支架及任务清单，要求双手始终在镜头内，动作保持“自然速度”。
  • 硬件门槛：必须使用带有 LiDAR 传感器的 iPhone（iPhone 12 Pro 及以上机型）。
  • 审核机制：视频经 AI 与人工双重审核，仅约 50% 可用。拒收原因包括光线不足、手部移出画面、动作过快或背景杂乱。
• 薪酬与地域差异：
  • 基础时薪约为 15 美元，按有效录制时间计酬，无效录制无收入。
  • 美国家庭环境数据价值更高，时薪可达印度或越南工人的三倍（如洛杉矶 vs. 钦奈）。
• 数据需求缺口：Micro1 副总裁 Arian Sadeghi 指出，目前月度 160 万小时远远不够，预计需要几十亿小时数据才能满足训练需求。按当前速度，完成该目标需连续工作约一万年。

值得关注

• 幽灵劳动显形：此类工作延续了 Mary Gray 和 Siddharth Suri 在《Ghost Work》中描述的“幽灵劳动”概念——即支撑 AI 系统却隐形的底层人工劳动。不同的是，过去是屏幕前的点击标注，现在则是身体动作本身成为被定价和转售的原材料。
• 数据殖民主义：Nick Couldry 和 Ulises Mejias 提出的“数据殖民主义”框架在此案例中体现明显：科技公司从发展中国家普通家庭提取日常生活数据，转化为高价值资产，而数据来源方处于产业链末端，缺乏对数据流向和用途的知情权。
• 默会知识的外化：哲学家迈克尔·波兰尼（Michael Polanyi）提出的“默会知识”（Personal Knowledge）指那些无法用语言完全表达、依附于身体实践的知识（如叠衣服的手感、平衡感）。此次大规模数据采集，是人类历史上首次尝试将此类隐性知识外化为机器可处理的数据。
• 市场展望：据预测，2026 年全球人形机器人市场规模将达 42.3 亿美元，2027 年累计安装量有望突破 10 万台。训练这些机器人的数据，正来自当下从事体力劳动的普通人群。

参考资料

• MIT Technology Review: Humanoid data training gig economy
• Scale AI Blog: Physical AI Data Collection