新任務：以 iPhone 支架相機訓練 AI，時薪 $15

你或許刷到了一段來自印度南部服裝廠的影片。

工廠工人佩戴頭戴式攝像頭，記錄手部動作以訓練人工智慧系統。

這是因為隨著特斯拉、Figure AI 等公司競相開發人形機器人，訓練它們所需的真实世界動作數據變得極為紧缺。

帕洛阿爾托的 Micro1 因此在全球 71 個國家招募了約 4000 名工人，每月收到超過 16 萬小時的影片素材。每人每周至少提交 10 小時錄影，交替完成不同類型的任務。

Scale AI 和 Encord 也在招募各自的數據採集團隊，DoorDash 更於 2026 年 3 月推出 Tasks 應用，讓旗下外送員順便在家錄製家務影片，但明確排除了數據隱私法律嚴格的州。

這份工作的具體操作，比聽起來要奇怪。

申請者首先需通過名為 Zara 的 AI 智能體面試。Zara 會與你對話，評估你是否合適，並要求你提交一段試錄影片。

通過之後，你會收到一個額頭頭帶支架、一份錄製說明，和一張任務清單。說明上寫著，要讓雙手始終保持在鏡頭可見範圍內，動作要「保持自然速度」。

在攝像頭下，自然速度往往顯得太快，因此工人們普遍反映，實際錄製時必須刻意放慢，結果動作反而變得不自然，像是在模仿夢遊。

還有一個門檻：你需要配備 LiDAR 傳感器的 iPhone，也就是至少要 iPhone 12 Pro 或以上型號。

提交影片後，還需經過 AI 和人工雙重審核，僅約一半的素材最終可用。被拒的原因可能包括光線不足、手部移出畫面、動作過快，或背景中出現不應出現的物品。

工人按小時計酬，但如果影片被拒，這段時間的勞動就白費了。通過審核的影片，隨後還會進入一個標註流程，由另一批人工標註員逐幀標記動作類別、物體名稱和運動軌跡。

新德里的家教 Arjun 表示，他通常需要花一個小時構思，才能想出能錄滿 15 分鐘的家務內容。Micro1 要求工人不斷「變換內容」，因為多樣化的場景對訓練效果至關重要，但家的體量就那麼大，創意遲早會耗盡。

美國家庭的影片在其他地區賣得更貴。數據標註公司 Objectways 的創始人 Ravi Rajalingam 解釋說，由於機器人公司預設美國消費者會最先購買人形機器人，因此美國家庭的操作環境數據更具價值，相應的工人時薪有時可達越南或印度工人的三倍。同樣是摺衣服，身處洛杉磯的手和身處欽奈的手，收入可相差三倍。

圖片來源：https://newatlas.com/robotics/figures-humanoid-robots-household-chores-2025-helix-ai-brett-adcock/

Micro1 的副總裁 Arian Sadeghi 表示，每月 160 萬小時的素材遠遠不夠，「大概需要幾十億小時。我們連人與人之間的互動都還未開始採集，現在只是最基礎的家務而已。」

Hundreds of billions of hours, at the current collection rate, would take approximately 10,000 years of continuous work.

In 2019, anthropologist Mary Gray and computer scientist Siddharth Suri published a book called Ghost Work, literally translated as “幽靈勞動”.

他們想描述的是那些讓 AI 系統顯得「聰明」、卻從不出現在任何產品介紹中的勞動：標註圖片、過濾違規內容、清洗訓練數據。

《銷聲匿跡：數位化工作的真正未來》作者：[美] 瑪麗•L. 格雷、[美] 西達爾特•蘇里 譯者：左安浦

Gray 說，當她剛開始研究這個問題時，去問工程師們「誰在做這些工作」，得到的回答是「我也不太清楚」「我不敢去查」。

過去，幽靈工作主要發生在螢幕前，是點擊、標註、審核之類的操作。現在，身體本身，疊衣服的手勢、炒菜的節奏、打開冰箱的動作，都開始成為可以被採集、被定價、被轉售的原材料。

這些原材料從印度、尼日利亞、菲律賓、肯亞的普通家庭流出，匯聚到帕洛阿爾托和舊金山的公司，再轉化成產品流向市場。

Nick Couldry 和 Ulises Mejias 在研究數位經濟時提出了一個稱為「數據殖民主義」的框架，意思是：科技公司對數據的佔有，在結構上延續了歷史殖民主義對土地和資源的掠奪邏輯，將人類的日常生活本身轉化為一種可供資本提取的原材料。

在 Micro1 的案例中，工人每小時獲得 15 美元，在內羅畢或馬尼拉是具有競爭力的工資，但與流入機器人公司的數十億美元投資相比，連零頭都算不上。

更值得注意的是資訊上的不對等。Micro1 以保密為由，不向工人透露客戶名單，工人們也不清楚自己的數據將如何被存儲，是否會被轉售給其他第三方。工人簽了協議，收了錢，但他們在整條產業鏈裡的資訊處於末端，對自己正在參與的事情的全貌，知道得很少。

Gray 在研究幽靈勞動時發現了一件讓她印象深刻的事，工人們往往會自發找到彼此，建立非正式的互助網絡，因為工作本身提供的支持幾乎是零，人們必須靠彼此維持做下去的意義感。孤立是這類勞動的默認狀態。

到 2026 年，全球人形機器人市場預計達到 42.3 億美元，而到 2027 年，特斯拉等公司的量產計劃將使全球累計安裝量突破 10 萬台。

這些機器人，大概率將進入工廠和家庭，承擔體力勞動。而訓練它們的數據，正是來自那些現在仍靠體力勞動謀生的人。

圖片來源：https://developer.nvidia.com/blog/teaching-robots-to-tackle-household-chores/

哲學家邁克爾·波蘭尼於 1958 年寫了一本名為 Personal Knowledge 的書，他在書中表示：我們知道的，多於我們能夠說出的。他將此稱為「默會知識」，意指人類擁有大量不以命題形式存在，而是以動作、感知、直覺的形式附著於身體中的知識。

騎自行車是一個常見的例子，你知道如何保持平衡，但無法將這件事寫成一套可以教給別人的規則。它只能透過實踐習得，透過觀察、模仿和重複，在身體內部慢慢累積，而不能被直接傳遞。

波蘭尼寫這本書的時候，AI 還不存在。但他的論斷在今天獲得了一種新的現實重量。

我們正在做的，是試圖將這種默會知識從人的身體中抽取出來，轉化為機器可以處理的數據。

Micro1 的工人額頭上的攝像頭錄下的，除了是一個疊衣服的動作，還是手指如何感知布料的重量，手腕如何在恰當的時機翻轉，視線如何在疊的過程中追蹤布料的邊緣。

Scale AI 宣布已收集超過 10 萬小時的素材 https://scale.com/blog/physical-ai

這是人類歷史上第一次嘗試大規模地將身體知識外化。

波蘭尼說，默會知識無法被完全言說，但這並不意味著它無法被掠取。Couldry 和 Mejias 說，數據殖民主義將日常生活本身轉變為一種資源，一種「就在那裡，隨時可以被提取」的東西。現在，連在家鋪床這件事也被包含在內了。

人們常將 AI 的衝擊描述為「機器會取代知識工作者」，但現在最普通、最不被視為技能的那些動作也在被收集。如果連這些都可以變成訓練數據，那麼「什麼是人的勞動」這個問題，就不再是哲學思辨，而變成了一個非常實際的政治問題。

Zeus 是尼日利亞中部高地一座城市裡的醫學生。他每天下班後把手機固定在額頭上，然後開始為自己的床鋪床單。

He said he felt this was an “opportunity to leave a mark.” He didn’t feel like he was merely being used; he felt he was participating in something important.

這也許是對的，但這並不影響另一件事：他留下的印記，最終的形狀將是他鋪床動作的運動軌跡，被一家他叫不出名字的公司買下，用來訓練一台他將來未必負擔得起的機器。

波兰尼說，所有的知識都是個人的，是由具體的人、在具體的處境裡、通過具體的實踐產生的。把這種知識從人身上剝離出來，讓它在人離開之後繼續運轉，那麼現在，人作為知識的承載者，究竟擁有什麼？

這個問題目前還沒有答案。但它已經在尼日利亞的公寓裡、印度的廚房裡、菲律賓的院子裡，以每小時 15 美元的價格，被悄悄地問著。

參考資料：

https://www.technologyreview.com/2026/04/01/1134863/humanoid-data-training-gig-economy-2026-breakthrough-technology/

本文來自微信公眾號「APPSO」，作者：發現明日產品的 APPSO