奈及利亞和印度的人們將iPhone綁在頭上，錄製自己做家務的過程。

住在奈及利亞中部山城的醫學生Zeus，結束在醫院漫長的一天後，回到他的單身公寓，打開環形燈，將iPhone綁在額頭上開始錄影。他像夢遊者般將雙手舉在前方，鋪床單，動作緩慢且小心，確保雙手始終在鏡頭範圍內。

Zeus是美國加州帕洛阿爾托公司Micro1的數據錄製員，該公司收集真實世界數據並銷售給機器人公司。隨著Tesla、Figure AI和Agility Robotics等公司競相打造人形機器人——這些機器人設計模仿人類在工廠和家庭中的動作——由像Zeus這樣的零工錄製的影片成為訓練機器人的熱門新方式。

Micro1在超過50個國家聘請了數千名合約工人，包括印度、奈及利亞和阿根廷，這些地區有大量懂科技的年輕人尋找工作。他們將iPhone綁在頭上，錄製自己摺衣服、洗碗和做飯。這份工作以當地標準來說薪資不錯，並促進了當地經濟，但也引發了隱私和知情同意的複雜問題。工作有時也頗具挑戰性且怪異。

Zeus在11月發現這份工作，當時LinkedIn和YouTube上到處都在討論這件事。他想：「這是一個很好的機會，能留下印記，提供未來訓練機器人的數據。」

Zeus每小時收入15美元，對奈及利亞這個失業率高、經濟緊張的國家來說是很好的收入。但作為一名懷抱成為醫生夢想的年輕學生，他覺得每天花數小時燙衣服很無聊。

「我真的不太喜歡這份工作，」他說。「我需要的是一份需要動腦的技術工作。」

Zeus和所有接受MIT Technology Review採訪的工作者都要求使用化名，因為他們未被授權公開談論工作內容。

人形機器人因為操控實體物體的難度而聞名難建造。但大型語言模型（LLM）如ChatGPT的興起，激發了機器人領域的範式轉變。正如大型語言模型透過大量網路文本學習生成文字，許多研究者相信人形機器人也能透過大量動作數據學習與世界互動。

編者註：在近期一項調查中，MIT Technology Review讀者將人形機器人選為2026年十大突破技術中的第11名。

然而，機器人需要關於物理世界更複雜的數據，而這類數據更難取得。虛擬模擬能訓練機器人做特技動作，但無法教會它們如何抓取和移動物體，因為模擬難以完美模擬物理現象。為了讓機器人在工廠工作和擔任家務助理，收集真實世界數據雖然耗時且昂貴，卻可能是必要的。

投資者正瘋狂投入解決這項挑戰，2025年在人體機器人領域的投資超過60億美元。在家錄製數據正成為全球蓬勃發展的零工經濟。像Scale AI和Encord這類數據公司招募自己的數據錄製員軍隊，而DoorDash則付錢給外送員錄製自己做家務的影片。在中國，數十個國有機器人訓練中心的工作者戴著虛擬實境頭盔和外骨骼，教導人形機器人如何開微波爐和擦桌子。

「需求很大，且增長迅速，」Micro1執行長Ali Ansari說。他估計機器人公司每年花費超過1億美元購買來自Micro1及類似公司的真實世界數據。

Micro1的工作者由一個名為Zara的AI代理審核，進行面試並檢視家務影片樣本。每週，他們需提交自己在家中做家務的影片，並遵循保持雙手可見、動作自然等指示。影片由AI和人工審核，通過後再由AI和數百名人工標註團隊標記動作。

「需求很大，且增長迅速。」

由於這種訓練機器人的方法仍處於初期階段，目前尚不清楚什麼樣的訓練數據才是好數據。Ansari說：「你需要提供大量多樣化的數據，讓機器人能夠對基本導航和操作世界的能力進行良好泛化。」

但許多工作者表示，在狹小的家中創造多樣化的「家務內容」很有挑戰。住在簡陋單身公寓的Zeus，除了每天燙衣服外，很難錄製其他內容。印度德里的家教Arjun花一小時錄製15分鐘影片，因為他花很多時間構思新的家務動作。

「家裡能拍多少內容？能拍多少？」他說。

隱私問題也很棘手。Micro1要求工作者不要在鏡頭前露臉或透露姓名、電話號碼、出生日期等個資，並用AI和人工審查刪除遺漏的資訊。

但即使沒有露臉，影片仍捕捉到工作者生活的私密片段：家中內部、物品和日常生活。理解他們在鏡頭前做家務時可能錄到哪些個人資訊並不容易。審查影片可能無法過濾掉除最明顯識別資訊外的敏感資料。

有家庭的工作者更需不斷協調如何避免私生活入鏡。兩個女兒的父親Arjun得努力讓兩歲的孩子不出現在鏡頭中。「有時工作很難，因為我女兒還小，」他說。

奈及利亞前銀行員轉為數據錄製員的Sasha，在共用住宅區晾衣服時會輕手輕腳，避免拍到鄰居，鄰居們對她的行為感到困惑。

「這會比人們想像的花更長時間。」

接受MIT Technology Review採訪的工作者都知道自己的數據用於訓練機器人，但沒有人確切知道數據如何被使用、儲存及與第三方（包括Micro1銷售數據的機器人公司）分享。Ansari表示，出於保密考量，Micro1不會透露客戶名稱，也不會告知工作者他們參與的專案細節。

馬里蘭大學巴爾的摩郡分校以人為本計算教授Yasmine Kotturi說：「如果工作者參與這項工作，重要的是公司本身要告知他們意圖，以及這種技術可能的發展方向和長期影響。」

有時，工作者會在公司Slack頻道詢問是否能刪除自己的數據。Micro1拒絕評論是否會刪除這些數據。

Ansari說：「人們是自願參與的，他們隨時可以停止工作。」

數千名工作者在不同家庭以不同方式做家務，有些機器人專家質疑這些數據是否足夠可靠來安全訓練機器人。

ASTM International機器人專家Aaron Prather說：「我們在家中的生活方式並不總是安全的，如果這些人教導機器人不良習慣，可能導致事故，那就不是好數據。」大量數據使得品質控管審查更具挑戰，但Ansari表示公司會拒絕展示不安全操作的影片，而笨拙的動作反而有助於教機器人哪些動作不該做。

還有我們到底需要多少數據的問題。Micro1表示擁有數萬小時的影片，Scale AI則宣布收集超過10萬小時。

加州大學柏克萊分校機器人專家Ken Goldberg說：「要達成目標會花很長時間。」大型語言模型訓練所用的文字和圖片資料量相當於人類閱讀10萬年，而人形機器人可能需要更多數據，因為控制機器人關節比生成文字更複雜。「這會比人們想像的還要久。」

住在印度繁忙科技中心的工程學生Dattu，結束一整天課程後，跳過晚餐，跑到擠滿盆栽和啞鈴的小陽台，將iPhone綁在額頭，反覆錄製摺同一套衣服的影片。

他的家人困惑地看著他。「對他們來說，這像是某種太空科技，」他說。告訴朋友這份工作時，「他們都對能靠錄製家務賺錢感到驚訝。」

兼顧大學課業與數據錄製及其他標註工作讓他感到疲憊，但他說：「感覺自己在做與全世界不同的事。」