出租身體，把靈魂注入機器。

公元 2026 年，來自第三世界國家的數千名臨時工，正用自己的身體“喂養”人形機器人。

凌晨四點，尼日利亞拉各斯的一間出租屋里，25 歲的 Zeus（化名） 從睡夢中醒來。他沒有繼續睡，而是從床頭柜上拿起一部 iPhone 和一根彈性綁帶——這是他過去三個月來最重要的工作裝備。

Zeus 將手機固定在額頭中央，調整角度讓雙手恰好落入畫面。然后，他開始做家務：鋪床、疊衣服、把碗筷碼進水槽。每一個動作都被以第一人稱視角完整記錄下來，上傳到一個他只在合同里見過名字的平臺。

幾個月后，這段視頻出現在了位于美國帕洛阿爾托的一家公司數據庫里。再過一段時間，它將成為某個科技巨頭人形機器人的訓練素材——幫助一臺造價數萬美元的鋼鐵之軀，學會像人類一樣打開抽屜、收拾桌面。

Zeus 并不清楚自己到底在為誰工作，也不知道這些視頻最終會被用在哪款機器人上。他只知道，每完成一小時的錄制，他的移動支付賬戶會多出 15 美元。在尼日利亞，這個數字相當于普通日結工人的兩到三天收入。

一條正在膨脹的數據流水線

這并不是孤例。

在尼日利亞、印度、肯尼亞、印度尼西亞，以及全球五十多個發展中國家，類似的場景正在數以千計的家庭中同時上演。他們被一家名為 Micro1 的公司招募，簽署保密協議，領取任務清單，然后日復一日地錄制自己做家務的視頻。

Micro1 并非唯一的玩家。Scale AI、Encord 等數據公司同樣在招募自己的“數據記錄員”。甚至連 DoorDash 這樣的送餐平臺也開始支付費用，讓司機錄制自己做家務的影像。這些視頻最終被打包分類，賣給開發人形機器人的科技公司——Tesla Optimus、Figure AI、Agility Robotics 等，都在買家名單上。

這條產業鏈的運作邏輯并不復雜，Micro1 這樣的公司充當“數據中間商”，負責招募、培訓、質量審核和最終交付。工人按照詳細指令錄制視頻，比如“保持雙手始終在鏡頭內”、“以正常速度移動”、“避免露出面部”等。提交后的視頻先經過 AI 篩選，再由人工團隊進行動作標注，最后以特定格式交付給機器人公司。

Micro1 宣稱擁有數萬小時的視頻素材，Scale AI 也宣布已收集超過十萬小時……行業數據顯示，機器人公司每年從這類數據公司的采購支出已超過一億美元——而 2025 年，投資者在整個具身智能賽道的投入更是高達六十億美元。

為什么需要真實的“人類動作數據”

這一切的根源，在于一個看似簡單卻極難解決的問題：如何讓機器人像人類一樣靈活地與物理世界交互？

大語言模型的成功為這個領域提供了思路。ChatGPT 之所以能夠理解人類語言，是因為它“閱讀”了互聯網上的海量文本。研究者們相信，要讓機器人學會抓取物體、打開抽屜、操作家電，也需要給它喂海量的真實人類動作數據。

虛擬仿真可以在一定程度上模擬這個過程——但抓取一個玻璃杯的力度、推動一扇門的角度、彎腰系鞋帶時的重心轉移，這些細節很難在虛擬環境中完美復現?！罢鎸嵤澜绲臄祿诙鄻有陨鲜菬o可替代的。”加州大學伯克利分校的機器人學家肯·戈德伯格（Ken Goldberg）如此評價。

這也是為什么，即使數據采集的成本高昂、隱私爭議不斷，這條產業鏈仍然在快速膨脹。要訓練一臺能夠在家庭環境中自主工作的機器人，需要的不僅是工廠流水線的標準化動作，而是涵蓋臥室、廚房、洗手間等無數場景下的多樣化人類行為——這些數據，目前只能靠真人錄制。

被忽視的隱私與倫理代價

然而，當每一段家務視頻都成為數據商品，那些將攝像頭對準自己家庭的工人們，處境并不輕松。

MIT Technology Review 在報道中指出了幾個核心問題：首先，視頻不可避免地捕捉到工人家中的陳設布局、家具品牌、甚至日常生活規律——這些信息在數據脫敏后真的安全嗎？其次，工人們知道自己的視頻會被用于訓練機器人，但通常不清楚具體會賣給哪家公司、用于訓練哪款產品，知情權在這里是缺失的。

更深層的擔憂在于數據可靠性。人類在家務勞動中并非總是以最優方式執行——有時候用笨辦法省力，有時候因陋就簡。如果機器人大量學習這類“壞習慣”，會不會在關鍵時刻產生安全隱患？Micro1 聲稱會過濾不安全操作的視頻，但這個標準由誰制定、誰來審核，目前并不透明。

在中國，這個問題的解法截然不同。不同于西方的家庭零工模式，數十個國有機器人培訓中心正在訓練工人們佩戴 VR 頭盔和外骨骼，以更“標準化”的方式向人形機器人示范動作。兩種模式，兩種路徑，各有代價。

當每一個家務動作都成為數據

回到 Zeus 的故事。在那間凌晨亮著燈的出租屋里，他可能不會用“基礎設施”來形容自己的工作。但從某種意義上說，他確實正在成為一場技術革命的一部分——只是這場革命的成果，可能永遠與他無關。

全球零工經濟正在為具身智能時代建造最底層的數據地基，每一段疊衣服的視頻、每一次打開冰箱的抬手，都是機器人學習“如何成為人類的養分”。這是一場靜悄悄的勞動力轉移：從發展中國家數以萬計的家庭，到科技公司價值連城的訓練數據集。

隨著人形機器人從工廠走向家庭、從小眾走向主流，這條數據流水線只會越來越長。而 Zeus 們的生活，或許不會因此改變太多。

參考來源 MIT Technology Review: The gig workers who are training humanoid robots at home[1] Silicon Canals: Gig workers in 50+ countries are filming themselves doing chores to train humanoid robots[2] MSN轉載: Global gig workers fuel humanoid robot race[3]

如果你對具身智能的技術落地與工程實踐，以及其衍生的次世代文化感興趣——

歡迎報名參加開源中國與 FAIR plus 2026 聯合舉辦的 OSC 源創會·深圳站【具身智能工程化實戰沙龍】。

報名地址：https://www.oschina.net/event/8598188（點擊“閱讀原文”直達）

活動時間：2026 年 4 月 24 日 9:30-12:30（FAIR plus 展會核心日）

活動地點：深圳會展中心（福田）9號館4號會議室

核心受眾：具身智能 / 機器人開源開發者、硬件 DIY 愛好者、機器人算法 / 控制 / 嵌入式工程師、高校機器人科研團隊、AI+硬件創業團隊技術人員

4 月 22 日 - 24 日，深圳福田會展中心等你，歡迎來玩！

1. The gig workers who are training humanoid robots at home: https://www.technologyreview.com/2026/04/01/1134863/humanoid-data-training-gig-economy-2026-breakthrough-technology/
2. Gig workers in 50+ countries are filming themselves doing chores to train humanoid robots: https://siliconcanals.com/sc-a-gig-workers-in-50-countries-are-filming-themselves-doing-chores-to-train-humanoid-robots-for-15-an-hour/
3. Global gig workers fuel humanoid robot race: https://www.msn.com/en-us/news/other/global-gig-workers-fuel-humanoid-robot-race/gm-GMA8027762