你或许刷到过一段来自印度南部服装厂的视频：工厂工人佩戴着头戴摄像头，一遍遍重复手部操作，镜头忠实地记录下每一个动作——这不是为了监控，而是为了训练正在快速崛起的人形机器人。随着特斯拉、Figure AI等科技公司竞相布局人形机器人赛道，训练它们所需的真实世界动作数据变得极度紧缺，一种奇特的新工种应运而生：人们将iPhone绑在脑门上，以每小时15美元的报酬，把自己的日常动作“蒸馏”成AI可读取的训练素材。
这场大规模的数据采集运动，已在全球范围内悄然铺开。帕洛阿尔托的科技公司Micro1率先发力，在全球71个国家招募了约4000名工人，每月能收到超过16万小时的视频素材，每位工人每周至少需要提交10小时录像，交替完成家务、手工等不同类型的任务，以丰富数据维度。不止Micro1，Scale AI、Encord等专注于AI数据服务的公司也在积极组建自己的数据采集队伍，其中Scale AI凭借其Physical AI数据引擎，已完成超过10万小时的素材采集，为Physical Intelligence、Cobot等头部机器人公司提供高质量数据支持。
就连美国最大外卖平台DoorDash也嗅到了机遇，在2026年3月推出Tasks应用，让旗下送餐员在送单间隙或空闲时间，在家录制家务视频获取额外收入，不过为了规避法律风险，专门排除了数据隐私法律严格的州——这种“兼职式采集”，进一步扩大了数据来源的覆盖面，也让更多普通人无意间卷入了AI训练的产业链条中。
这份时薪15美元的工作，操作起来比听起来更荒诞。应聘者首先要通过一个名为Zara的AI智能体面试，Zara会通过对话评估应聘者的适配度，并要求提交一段试录视频，只有通过审核才能获得参与资格。通过面试后，工人会收到一套专属工具：一个额头头带支架、一份详细的录制说明，以及一张任务清单。说明中明确要求，双手必须始终保持在镜头可见范围内，动作要“保持自然速度”。
但矛盾的是，自然速度在摄像头下往往显得过快，AI难以捕捉细节，因此工人们普遍反映，实际录制时必须刻意放慢动作，原本流畅的日常操作变得僵硬又怪异，像是在模仿梦游。除此之外，这份工作还有一个隐形门槛：需要配备带有LiDAR传感器的iPhone，也就是至少iPhone 12 Pro以上的机型，这无形中抬高了参与门槛，也将一部分低收入人群挡在了门外。
录制完成的视频，还要经过AI和人工的双重审核，最终只有大约一半的素材能通过验收。被拒绝的原因五花八门：光线不足、手移出画面、动作过快，甚至背景中出现无关物品，都可能导致数小时的劳动付诸东流。更关键的是，工人按小时计酬，被拒绝的视频无法获得任何报酬。而通过审核的视频，还会进入下一个环节——由另一批人工标注员逐帧标记动作类别、物体名称和运动轨迹，进一步“加工”成AI能直接学习的结构化数据，这也意味着，一份可用素材的背后，藏着多轮人工劳动的叠加。
数据采集的过程，还充满了创意耗尽的困境。新德里的家教Arjun坦言，他通常要花一个小时构思，才能想出能录满15分钟的家务内容。Micro1对素材的多样性有着极高要求，强制要求工人不断变换任务内容，因为只有多样化的场景，才能让AI学会应对真实世界的复杂情况。但普通家庭的场景有限，日复一日的录制，让很多工人陷入了创意枯竭的尴尬，只能重复相似的动作，勉强完成任务指标。
更令人深思的是，数据也存在明显的“地域溢价”。数据标注公司Objectways的创始人Ravi Rajalingam解释说，机器人公司普遍预设美国消费者会最先购买人形机器人，因此美国家庭的操作环境数据更具商业价值，对应的工人时薪有时能达到越南或印度工人的三倍。同样是叠衣服、铺床单，身处洛杉矶的工人与身处钦奈的工人，收入差距悬殊，这种差距背后，是全球AI产业链中数据价值的不平等分配。
即便如此，当前的数据采集规模依然远远无法满足需求。Micro1的副总裁Arian Sadeghi直言，每月16万小时的素材只是杯水车薪，“大概需要几十亿小时。我们连人与人之间的互动都还没开始采集，现在只是最基础的家务而已。”按照目前的采集速度，要完成几十亿小时的素材积累，大概需要连续工作一万年——这也从侧面印证了，人形机器人的规模化落地，依然面临着难以逾越的数据瓶颈。
幽灵劳动，终于显形。2019年，人类学家Mary Gray和计算机科学家Siddharth Suri出版了《Ghost Work》（《销声匿迹：数字化工作的真正未来》）一书，首次提出“幽灵劳动”的概念，用来描述那些让AI显得“聪明”、却从未出现在产品介绍里的隐性人工劳动——标注图片、过滤违规内容、清洗训练数据，这些劳动隐藏在AI光鲜的背后，不被公众看见，却支撑着整个AI产业的运转。
Gray在研究中发现，当她向工程师询问“谁在做这些工作”时，得到的回答大多是“我也不太清楚”“我不敢去查”。过去，幽灵劳动主要发生在屏幕前，是点击、标注、审核等指尖操作；而现在，人类的身体本身成为了数据采集的对象，叠衣服的手势、炒菜的节奏、打开冰箱的动作，甚至走路的姿态，都开始成为可以被采集、被定价、被转售的“原材料”。
这些“身体原材料”，大多从印度、尼日利亚、菲律宾、肯尼亚等发展中国家的普通家庭流出，经过层层加工，汇聚到帕洛阿尔托、旧金山的科技公司，最终转化为人形机器人的核心技术，流向全球市场。Nick Couldry和Ulises Mejias在研究数字经济时，提出了“数据殖民主义”的框架，恰好精准描述了这一现象：科技公司对数据的占有，在结构上延续了历史殖民主义对土地和资源的掠取逻辑，把人类的日常生活本身，转化为一种可供资本提取的原材料。
在这场数据掠取中，工人的付出与回报严重失衡。时薪15美元，在内罗毕、马尼拉等城市或许是有竞争力的工资，但相较于流入机器人公司的数十亿美元投资，连零头都算不上。更严重的是信息不对称：Micro1以保密为由，不向工人透露客户名单，工人们既不清楚自己的数据将如何被存储，也不知道是否会被转售给第三方。他们签了协议、收了报酬，却在整条产业链中处于信息末端，对自己正在参与的事情的全貌，知之甚少。
Gray在研究中还发现了一个令人动容的细节：由于工作本身几乎不提供任何支持，工人们往往会自发找到彼此，建立非正式的互助网络，靠着相互鼓励维持做下去的意义感。孤立，似乎是这类幽灵劳动的默认状态——每个人都独自对着摄像头重复动作，彼此隔绝，却又在无形之中，共同支撑着AI的进化。
市场的火爆，进一步加剧了数据采集的需求。2026年，全球人形机器人市场规模预计达到42.3亿美元，而到2027年，特斯拉等公司的量产计划，将使全球人形机器人累计安装量突破10万台。这些机器人未来将大量进入工厂和家庭，承担繁重的体力劳动；而训练它们的每一份数据，都来自那些现在还在用体力劳动糊口的人——这形成了一种荒诞的循环：体力劳动者正在用自己的动作，喂养着未来可能取代自己的机器。
我们知道的，多于我们能说出的。哲学家迈克尔·波兰尼在1958年出版的《Personal Knowledge》一书中，提出了“默会知识”的概念：人类有大量的知识，不以命题的形式存在，而是以动作、感知、直觉的形式，附着在身体里。就像骑自行车，我们知道如何保持平衡，却无法把这种能力写成一套可复制的规则，它只能通过实践习得，通过观察、模仿和重复，在身体内部慢慢积累，无法被直接传递。
波兰尼写下这个观点时，AI还未诞生，但他的论断在今天，获得了全新的现实重量。我们正在做的，正是试图把这种无法言说的默会知识，从人类的身体里抽取出来，转化为机器可以处理的数据。Micro1的工人们额头上的摄像头，录下的不仅仅是一个叠衣服、铺床单的动作，更是手指感知布料重量的细微触感、手腕翻转的精准角度、视线追踪布料边缘的本能反应——这些藏在动作背后的默会知识，才是AI真正需要学习的核心。
Scale AI在其Physical AI数据引擎的介绍中提到，高质量的机器人数据需要具备丰富性、多样性和增强性，不仅要捕捉动作轨迹，还要标注动作意图、任务结构和失败模式，通过反复验证，确保数据能真正提升AI模型的性能——这背后，正是对人类默会知识的深度挖掘与转化，也是人类历史上第一次尝试大规模地将身体知识外化。
波兰尼曾说，默会知识不能被完全言说，但这不代表它不能被掠取。Couldry和Mejias则补充道，数据殖民主义把日常生活本身变成了一种资源，一种“就在那里，随时可以被提取”的东西。现在，连在家铺床、洗碗、叠衣服这些最琐碎的日常，都被纳入了数据采集的范围，人类的生活，正在被一点点转化为AI的“燃料”。
人们常常将AI的冲击描述为“机器会取代知识工作者”，但现在，最普通、最不被算作技能的身体动作，也正在被大规模采集。如果连这些与生俱来的身体能力，都能被转化为训练数据，那么“什么是人的劳动”“人作为知识的承载者，究竟拥有什么”，这些曾经的哲学思辨，如今已经变成了非常现实的政治问题。
尼日利亚中部高地的医学生Zeus，每天下班后都会把手机固定在额头上，给自己的床铺床单、整理房间。他说，他觉得这是“留下印记的机会”，不觉得自己只是在被使用，反而认为自己在参与一件重要的事。这句话或许是真诚的，但它无法改变一个事实：他留下的“印记”，最终会被转化为铺床动作的运动轨迹，被一家他叫不出名字的公司买走，用来训练一台他将来不一定负担得起的机器。
波兰尼说，所有的知识都是个人的，是由具体的人、在具体的处境里、通过具体的实践产生的。当我们把这种附着在身体上的默会知识，从人身上剥离出来，让它在人离开之后依然能继续运转，那么人本身的价值，又该如何定义？
这个问题，目前还没有答案。但它已经在尼日利亚的公寓里、印度的厨房里、菲律宾的院子里，以每小时15美元的价格，被无数普通劳动者悄悄问起。而随着人形机器人的不断发展，随着数据采集的规模不断扩大，这个问题，终将被整个社会正视——我们在追逐AI进步的同时，不该忘记，那些被藏在摄像头背后的“幽灵劳动者”，才是这场技术革命真正的基石。