機械人企業正競相收集工人們縫製鞋子、焊接鋼材等手工工作過程中的影片，讓機械人掌握新的技能。

撰文：Saritha Rai 編輯：黃鸝、范榮靖


▲在新德里，一批女性工人將手機鏡頭固定在額頭上，對塑料包裝進行分類並拆掉標籤
在新德里（New Delhi）西部邊緣的卡蘭維哈爾，拉托爾（Sunita Rathore）坐在堆積如山的廢料上，這個廢料回收區的巷道狹窄，連兩輛車都無法並行通過，兩側還環繞著露天排水渠。

這位43歲的女性身穿花卉圖案的紗麗，戴著綠色玻璃手鈪，多年來一直從事分揀和清潔廢料的工作，每月收入約2萬盧比（約211美元）。今天，她還戴著一件不同尋常的東西—一部固定在頭上的iPhone，鏡頭調整得恰好捕捉她雙手的一舉一動：用刀片割掉膠袋上的標籤，按照等級把送去再加工的袋子分別堆放起來。她一直向前傾身，以免讓雙腿進入畫面，要是有人喊她，她就會關掉鏡頭，因為禁止拍攝人臉。

拉托爾並不知道這些影片素材的用途，也不清楚自己的工作對人工智能（AI）和機械人技術的未來至關重要。

她只知道，戴上這個設備，每小時能多賺150盧比，而在二十年的工作生涯中，她第一次開始為四個孩子的學業存錢。

「這就是我每天工作八九個小時的原因，」她面帶微笑地說，忍受著德里接近攝氏38度的高溫。她的這筆意外之財，背後是當今世界正在展開的一場頗為奇特的產業動力。

從德里的廢料回收區到班加羅爾的牛仔布工廠，從漁村到全國各地的建築工地，數以萬計的印度工人正在被招募，以第一視角細緻地記錄下人類如何使用雙手。這些影片素材將被輸入正在開發的AI系統，用於訓練機械人如何完成工作。從某種意義上說，這些工人正在編寫讓自己的工作消亡的操作手冊。

多年來，人形機械人在受控環境中的表現令人驚嘆—按照編排的舞蹈動作起舞，以超乎常人的速度跑完半程馬拉松。但在真實環境中，它們卻舉步維艱：在倉庫裡伸手拿箱子時臉朝下跌倒，剛見到原本要對他們印象深刻的人就翻倒在地。網絡爆紅的影片與真正能工作的機械人之間的差距，正是科技行業稱為「具身智能」面臨的核心未解難題。

要讓機械人變得智能，問題不在於硬件或算法，而在於數據。與物理世界互動的機器需要的數據，不同於OpenAI等公司用於訓練GPT等大語言模型（LLM）所使用的文本、圖片和影片。它們需要的是人類進行折疊、焊接、繫鞋帶和堆疊等操作的真實影片素材。這類日常的第一視角影片過去就一直稀缺，因為無人關注，而現在情況發生了變化。

「整個行業正在追逐屬於自己的分水嶺時刻，一次足以重新定義具可能性的突破，」華盛頓布魯金斯學會研究員陳凱欣（Kyle Chan）說，他長期追蹤中國科技與產業政策，「這樣的飛躍能讓機器從昂貴的展示品轉變為真正能做實事的機器。」

這掀起了全球領先的機械人製造商之間的競賽，包括美國的Tesla、Figure AI和 Agility Robotics，以及中國的宇樹科技、智元機器人和優必選科技等，都在爭相收集所需的錄製影片來訓練自己的機械人。與OpenAI和Anthropic主要利用現有數據構建其AI模型不同，機械人領域的先行者需要親自製作新影片，或者尋找願意完成這一任務的合作夥伴。

「物理AI本質上是一個數據問題，要構建可靠、可部署的物理AI，需要的訓練數據量比迄今為止任何人所生產的數據都要高出幾個級別，」輝達（Nvidia）機械人與物理AI數據負責人萊文（Ben Levin）表示，輝達是當前最積極投入機械人研發的科技龍頭企業之一。

這其中有巨大的利益。花旗集團（Citi）預測，到2050年，全球人形機械人、世界模型及相關服務的市場規模可能達到7萬億美元，最終將有6.48億部此類機械人投入使用。馬斯克（Elon Musk）則預計，人形機械人的數量將達到數十億，相當於每個人至少對應兩部人形機械人。儘管影片訓練數據市場才剛剛起步，但有望成為科技領域增長最快的細分市場之一。據商業分析公司Research and Markets預測，該市場規模將從今年的119億美元增長至2031年的498億美元。


▲大學畢業生拉托爾在新德里的一間塑料廢棄物分揀廠工作，她每天錄製自己的工作內容，收入約為16美元

▲拉托爾一直在錄製自己在新德里分揀塑料垃圾的過程
在全球人口最多的國家，這種抓緊機遇的迫切性尤為明顯。

「由於經濟發展的反差局面，印度已成為這類數據最豐富的來源，」42歲的潘迪（Avinash Pandey）說道。他位於德里（Delhi）的初創公司Manu Data Technologies是這場數據採集競賽中新興企業中的一員。「數以百萬的人仍在從事那些在富裕國家早已實現自動化的手工任務。」

像他這樣的公司負責拍攝、清理、標註並提供來自印度各行各業的影片素材：在製鞋廠裡，工人只給鞋子穿鞋帶；在班加羅爾（Bangalore）的倉庫裡，人們正在包裝易碎品；在西部莫爾比（Morbi）地區的農場裡，工人正在採摘農作物。研究人員所需的數十億個細微動作，正在印度全國範圍內以實時方式大規模記錄下來。

這正在促進AI領域的下一場重大競爭。美國在前沿研究方面仍遙遙領先，但在科技行業正在興起的具身智能和機械人技術方面卻落後於中國。美國數據公司正在招募社工和Door Dash外賣騎手來拍攝自己完成工作的影片，但這還遠遠不夠。依託較大規模的製造業勞動力資源和較為完善的工業基礎，中國正加快推進人形機械人相關數據的採集與應用。部分企業和機構通過為工人配備虛擬現實（VR）設備和動作捕捉裝置，採集工廠作業、雜貨打包、家具組裝和服裝縫製等場景中的操作數據，用於機械人訓練。與此同時，相關數據的存儲和使用主要集中在中國境內。

因此，這波熱潮轉向了印度。印度數以百萬的工人正成為全球最豐富的機械人訓練數據來源。從製鞋工人到焊工，再到裁縫，工人們戴著頭戴式鏡頭和動作追蹤手套，記錄下自己雙手操作的過程。

一批不同尋常的創業者正在抓住這一機遇。來自紐約長島、年僅19歲的哥倫比亞大學輟學生Eddy Xu，為其初創公司Build AI籌集了2200萬美元資金，並將整個團隊從三藩市遷至班加羅爾。該公司表示，已在數十個工廠為超過1.4萬 名工人配備了定制的頭戴式攝像設備，累 計收集了超過一百萬小時的第一視角影片素材。27歲的薩德納尼（Nikita Sadhnani）曾參與亞馬遜（Amazon）Alexa機器學習創始團隊的工作，如今在 Google創立了Berg Labs AI。潘迪的Manu Data公司則為製鞋工人和紡織工人配備了安裝在棒球帽上的攝像設備。

薩爾塔克（Annanya Sarthak）創辦、總部位於班加羅爾的Awign Enterprises是一間擁有150萬名工人的零工平台，目前每天從分佈在1000座城市的家庭和工廠錄製數千小時的影片。薩爾塔克已向頂級機械人製造商提供了20萬小時的定制影片素。由於保密協議，他無法透露具體客戶名稱。這些數據包括觸覺手套、腕部鏡頭以及遠程操控機械臂的記錄。他的目標是在年底前累積200萬小時的影片素材。包括Y Combinator支持的Human Archive和Cortex AI在內，一大批海外初創企業也加入了這波熱潮。

薩德納尼指出，市場對印度場景數據的需求十分可觀，中美兩國龍頭機械人實驗室都在積極尋求該類數據資源。她所創立的初創公司，專門為全球實驗室提供清洗標註完成的影片數據集。據她介紹，設在德拉敦（距離德里以北4小時車程）的辦公室每日至少收到三個業務來電，「客戶需要數百萬小時的錄製影片數據，現階段還沒有任何一間印度企業可以供應如此大規模的數據。」

包括由OpenAI支持的Physical Intelligence、Figure AI、輝達和蘋果（Apple）在內的前沿實驗室和初創企業都在爭相採購這些數據。薩德納尼稱，一位客戶傳來了一份清單，希望覆蓋400種不同場景，其中包括肉毒桿菌美容中心、加油站、鑽石切割中心和醫院。

在三藩市，機械人初創企業Drift正在開發一個測試與評估平台，用於收集此類錄製影片，利用這些數據來評估機械人在室內商業場所和家庭環境中的表現。「對現實世界的數據需求巨大，但所需數據和現有數據的質素之間仍存在差距，」這間初創企業的聯合創辦人庫馬爾（Nikhil Kumar）表示。該公司得到新加坡早期風險投資公司Antler Innovation的支持。

庫馬爾表示，擁有製造業生態系統和硬件優勢，確實讓中國處於領先地位，「但對於利用人類錄製影片訓練的機械人通用型AI模型來說，突破可能來自更能理解世界的新型架構。」

在德里附近為Nike、Adidas和Puma公司生產運動鞋的鞋類製造商阿爾派恩鞋業（Alpine Shoes）的工廠裡，亞達夫（Dilip Kumar Yadav）每月賺取1.94萬盧比，工作內容是通過高頻焊接聚合物片材來製作鞋面。這位38歲的工人佩戴新型頭戴式設備，每天能讓他多賺300盧比，足以讓他寄一筆可觀的錢給住在北方邦普拉塔普加爾（Pratapgarh）地區的家人。這間工廠幾十項不同的工作都可以錄製成影片，例如裁剪鞋面、鞋底成型、每雙鞋的彎折測試，以及修邊（將材料邊緣削薄）使鞋子更貼合腳型。

不遠處的庫馬里（Nisha Kumari）正在給鞋子穿鞋帶，頭戴式鏡頭記錄下她的手指動作，以供後人參考。這兩名工人從未聽說過機械人會接手工廠的工作，也不清楚自己的動作有朝一日可能教會機器更快速系鞋帶、更高效地焊接、更流暢地打包。這種趨勢帶着殘酷的諷刺，但卻勢不可擋。

這一新興產業的經濟價值相當驚人。來自印度的第一視角或自我中心視角的影片素材，即便是未經處理的原始素材，每小時也能賣到7美元以上；而經過標註的影片素材，每個動作都詳細標記，例如「右手，刀刃朝向番茄」，每小時售價可達15至30美元甚至更高。

「同樣的數據在美國的成本將是三倍以上，」薩爾塔克表示。Awign的一間客戶正在為建築行業開發機械人，他們希望獲取數據中心建設過程中每一項任務的第一視角影片素材，包括安裝機架、裝配GPU、連接服務器、安裝冷卻設備等，以縮短工時、降低成本，並彌補勞動力短缺。「沒有任何其他國家能提供如此多樣化的場景資源，」他說。


▲耶甚萬特正在班加羅爾的電商倉儲和物流服務商Pathways錄製自己的工作過程

▲Awign聯合創辦人薩爾塔克和辛格在班加羅爾
然而，倫理問題日益受到關注。儘管許多初創公司會向工人支付報酬，但一些規模較小、不擇手段、朝不保夕的數據供應商可能分文不付。許多工人並不清楚自己究竟在錄製什麼內容，也不知道這些數據將被如何使用。專家指出，即使存在同意書，也往往只有幾行草草作結、可執行性存疑的文字；而拍攝工作通常是在沒有相關手續的場所進行。「稱這種錄製為『經過同意』完全是荒謬的，」紐約活動人士喬杜里（Mishi Choudhary）表示，她創立了公民自由與數碼權利法律服務機構slfc.in。

印度新頒布的《數碼個人數據保護法》（Digital PersonalData Protection Act）設定了更嚴格的要求，但其核心義務要到2027年才正式生效。私隱研究人員指出，即使影片僅截取手部畫面，仍會捕捉到工人生活的私人片段，例如家庭內部環境、個人物品以及日常生活的細節，這些信息在法律上均被視為生物識別數據。鏡頭在未經同意的情況下拍攝旁觀者的面部，記錄下可識別個人身份和位置的信息，這可能構成安全隱患。

目前，在這個數據收集空窗期，專家稱其可能持續十年，為數十萬缺乏其他選擇的人帶來了實在的收入。不過這個空窗期結束後會發生什麼，則是另一個問題。


▲每天上午9點到下午6點（期間可以休息），瓦多尼在班加羅爾的家中一邊做日常家務，一邊用智能手機拍攝自己，每月收入約315美元
「在這種不平等的安排中，權力失衡顯而易見，」喬杜里表示，「創造這一資源的人理應得到透明的信息和公平的報酬，而不是以工作的名義扔給他們幾粒碎銀。」

毫無疑問的是，這場正在展開的競賽規模空前。「1990年代，印度成為全球軟件服務的中心。2000年代，呼叫中心興起。2010年代，軟件即服務應運而生，」薩爾塔克表示，他認為那些在印度工廠車間部署攝像設備的人，正在見證下一波浪潮的形成，「這一次不再是軟件，而是人類自身的經驗。」

這究竟會成為印度下一個重要出口產業，還是淪為剝削，目前尚不清楚。但顯而易見的是，這場競賽規模非同尋常、遍及全球且勢不可擋，而其核心是數以百萬的工人，他們帶著微笑、流著汗水，在毫不知情的情況下訓練將取代自己的機器。

在班加羅爾一間名為Pathways的公司營運的大型倉庫裡，耶甚萬特（Yeshwanth N）正在小心翼翼地為燈泡封箱、貼標籤和掃描，準備向一個大型電商平台發貨。他看過不少科幻作品，相信機械人終將在印度成為現實。這位27歲的年輕人有自己的打算。「等到機械人來了，我就回家，在我家三英畝的農田裡種萬壽菊和粟米，」他一邊說，一邊伸出雙手做出撒種子的動作，「機械人做不了這個。」—譯 孟潔冰

… 本文摘錄自 《彭博商業周刊/中文版》 2026/10月 第359期