當我們?yōu)闄C器人每一個靈巧的動作而驚嘆時，不應忘記那些在陰影中為其繪制行動地圖的“影子”。這不是商業(yè)模式的拷問，更是一個關于技術倫理與社會的深刻命題：我們追求的智能未來，究竟應該由怎樣的人文基石來支撐？我們正在見證林立的具身大廈，但要記得何人把它一手手搭。

 作者：彭堃方

 編輯：呂鑫燚

出品：具身研習社

數(shù)據(jù)成為具身智能進化最大卡點，成為困住其走向物理世界的“靈魂”時，明面上，產業(yè)內討論的是真機數(shù)據(jù)與仿真、互聯(lián)網(wǎng)等數(shù)據(jù)類型的博弈。其中真機數(shù)據(jù)由于質量更高且在精細化操作領域的更具效用，被普遍認為“海量真機數(shù)據(jù)集能左右具身智能發(fā)展速度”。

但幾乎不會有人告訴你，機器人真機數(shù)據(jù)集的背后是怎樣一份沉甸甸的付出。

這份付出是一個略顯老套的商業(yè)故事，正如同騎手越來越快的車速為的是加速外賣平臺的即時零售夢實現(xiàn)一樣。數(shù)據(jù)采集員也在具身智能中扮演同樣的角色，他們通過身穿操作設備，一遍又一遍重復同樣的拿水杯動作，為得就是讓具身智能擁有抓取&放置的能力。

但由于數(shù)據(jù)需求帶來數(shù)采員的缺口巨大，這份工作常以“外包”的形式出現(xiàn)，在不穩(wěn)定的工作中誕生出更穩(wěn)定的具身智能產品。

有人說，這是時代賦予的“紅利期”，日薪200元不用風吹日曬，在兼職工作中屬于香餑餑，還有人說，這是和網(wǎng)約車司機、騎手齊肩的新工種，能作為長線發(fā)展。

亦有悲觀者認為，這份工作有點悲劇色彩。“數(shù)據(jù)收集員的工作正是為Optimus最終取代人類勞動鋪路。”Business Insider在報道特斯拉建立數(shù)據(jù)采集團隊的文中這樣評述。通過由數(shù)據(jù)采集員獲取的數(shù)據(jù)，機器人會變得更聰明，以至于這次他們親手鍛造的，或許成為未來的競爭對手。

無論視角如何，短期來看這好像都是一份能掙到錢的新路子，至于未來如何發(fā)展或許誰也沒拿到預言家的牌。在喧嘩與躁動的行業(yè)中，他們像一群“淘金者”，只不過這次他們不再是向土地要黃金，而是向自己要數(shù)據(jù)。

數(shù)據(jù)勞工的正反面

幾乎所有受訪的數(shù)采從業(yè)者，都將這份工作定義為“枯燥的體力活”。

枯燥，源于工作的重復性：員工需身著數(shù)采外骨骼或遙操設備，重復數(shù)百次夾取、拿放、搬運等動作，如同教導嬰兒學步般，引導機器人模仿人類行為。體力活，則體現(xiàn)在工作的低技術門檻，多數(shù)崗位明確偏好男性，甚至要求能抓取15公斤重物。

數(shù)據(jù)采集中心內，數(shù)采員們在特定場景中行走、抓取、避障，每一個動作都被精確記錄，成為機器人的行為藍本。或者，他們坐在電腦前，對海量視頻逐幀標注“這是手”“這是門把手”“這是安全行為”。他們是機器人在數(shù)字世界中的“鏡像”與“導師”。

Business Insider的采訪對象直言，這份工作對身體的負擔極大，“幾乎等同于一整天都在做有氧運動”。

坦白說，這類工作與兼職群中常見的外賣眾包、快遞分揀、工廠普工，有著高度相似的用戶畫像，以男性為主、無技術門檻的勞動密集型崗位。 

但招聘方卻常常附加“偏好條件”：希望應聘者具備計算機、人工智能相關背景，或擁有數(shù)據(jù)采集經(jīng)驗。這份在社交媒體上被貼上“含金量低、需避坑”標簽的工作，反而成為許多計算機、人工智能專業(yè)大專生的實習與就業(yè)選擇。

這些以相關專業(yè)、大專學歷為主的新生力量，大多將其視為“行業(yè)紅利”。曾從事醫(yī)療機器人數(shù)采與標注的大專生小呂，數(shù)科專業(yè)本科剛畢業(yè)的小陳，都對這份工作給予了較高評價。小陳認為，滿意的待遇、相對安全的工作環(huán)境、蓬勃發(fā)展的行業(yè)前景，再加上個人興趣的驅動，讓他對這份工作充滿好感。但和大多數(shù)從業(yè)者一樣，他也清楚這份工作的不穩(wěn)定性，計劃先積累經(jīng)驗作為跳板，在行業(yè)中探索更多可能性。

這種“鯉魚躍龍門”的職業(yè)期待，與外包的AI數(shù)據(jù)標注、AI訓練師渴望晉升為大廠的AI產品經(jīng)理的職業(yè)規(guī)劃如出一轍。“貼近風口賽道，從底層積累經(jīng)驗逐步晉升”“優(yōu)秀者可轉正交社保”，這也是HR在招聘中常用來吸引求職者的敘事邏輯。

但若將視野從這些“專業(yè)對口”的勞工群體，擴展到更廣泛的從業(yè)者，便會發(fā)現(xiàn)他們身上諸多令人深思的“異狀”。

正如光與影相伴，當機器人最終站在聚光燈下接受掌聲時，這些教會它一切的數(shù)據(jù)勞工卻成為不被看見的影子。

而更詭異的是，這種數(shù)據(jù)勞動正在“異化”。就像程序員們與其親手打造的AI編程工具相愛相殺一樣，勞動密集型崗位上的數(shù)據(jù)勞工正在教會其偉大的機器人如何從事基礎性、枯燥的重復性勞動。

看不見的另一層是“無根”。

從互聯(lián)網(wǎng)、移動計算，到大模型和如今的具身智能，技術風口一輪接一輪，數(shù)據(jù)勞工們也隨著浪潮遷徙，難以扎根。技術迭代，數(shù)據(jù)勞動便會游移。

另一層面的“隨波逐流”則是體現(xiàn)在他們的勞工關系上。他們的工作多通過層層外包獲得，勞動關系脆弱。項目一旦終止，都可能導致整個團隊瞬間解散，失業(yè)如影隨形。

在這場具身大潮中，不說與動輒百萬年薪的算法工程師相比，數(shù)據(jù)勞工薪資與招工群里的其他體力工種并無區(qū)別。在數(shù)據(jù)采集方面，以北上廣深一線城市為例，普遍日薪160元-200元之間，時薪20出頭。在數(shù)據(jù)標注環(huán)節(jié)，更是價低。這類工作就是針對客戶視頻里的目標檢測識別，打標簽，屬于遠程辦公，全國可做。目前正在三四線城市正迅猛發(fā)展，攤薄用工成本。他們是這條高附加值產業(yè)鏈上最基礎、也是待遇最微薄的一環(huán)。招聘的低門檻，意味著其可替代性之強，也注定了議價權之弱。

人工智能領域知名政經(jīng)批判學者凱特·克勞福德在《技術之外：社會聯(lián)結中的人工智能》一書中表示，“這些工人從事支持AI‘魔法’說法的重復性工作，但他們從未因為使這個系統(tǒng)正常運行而獲得認可。盡管這項工作對AI系統(tǒng)的‘工作’至關重要，但通常薪酬很低”。

譯文翻譯有些拗口，換句話說當智能展現(xiàn)出震撼人心的魔力時，那些支撐其運作的幕后勞動者，卻未得到應有的認可，至少在薪資回報上是如此。

 數(shù)據(jù)勞工現(xiàn)狀從何而來？

回到問題的開始，數(shù)據(jù)勞工的這些“異狀”究竟從何衍生呢？AI的發(fā)展促進了具身智能的誕生，而具身智能也承襲了諸多AI的技術底層邏輯，其中之一是“大力出奇跡”的Scaling Law。具身智能的智能水平某種程度上與數(shù)據(jù)的質與量成正比，甚至業(yè)內一度認為具身智能要理解復雜的物理世界，或許要達到“互聯(lián)網(wǎng)”數(shù)據(jù)量級。因此，只有在保證質上足夠干凈精確、足夠豐富，才能從規(guī)�；�定律中催生智能涌現(xiàn)。

于是，具身智能需要數(shù)據(jù)采集、標注等大量人力才能堆砌出。這些大量的人力成本，就成為初創(chuàng)企業(yè)的輜重了。而為了“輕裝上陣”，在摩爾定律逐漸打破，模型迭代日新月異的節(jié)奏里，企業(yè)選擇把這項基礎工作外包給三方。

從資本的邏輯來看這一點無可厚非。具身智能公司的核心資本必須投入到算法研發(fā)和硬件制造等“硬核”環(huán)節(jié)。將數(shù)據(jù)工作外包，是降本增效的好辦法。但需要強調的是，外包后，企業(yè)管理鏈條延長，企業(yè)規(guī)范（權力）的傳導會遞減、乏力。這當中極容易滋生亂象。拿標注質量來說，當具身智能企業(yè)下達一份數(shù)據(jù)采集或標注的操作手冊供三方員工按部就班實現(xiàn)標準作業(yè)流程。這其中“具身企業(yè)—勞務公司—三方員工”之間存在“二次合格”。即原本“具身公司—全職員工”要求及格的數(shù)據(jù)，在上述鏈路后，變成三方員工“得過且過”地交付勞務公司數(shù)據(jù)，而勞務公司又“得過且過”地把數(shù)據(jù)交給具身智能公司，最終影響數(shù)據(jù)質量。（部分情況下如此）

回到數(shù)據(jù)勞工的薪資待遇問題。當工人在接受層層外包后，薪資普遍像洋蔥一樣，剝的越來越少。你可以看到網(wǎng)絡上，圍繞這項工作的外包方，工資各有差異，一手的三方可能日薪250元，二手的勞務公司則可能日薪200元，而更多層的勞務則可能變?yōu)?50元。最終這些勞工被當作資源反復倒手。當然，數(shù)據(jù)勞工勞動價值的壓低，還表現(xiàn)在外包項目方本身也可能“吃不飽”。具身研習社也采訪到某數(shù)據(jù)采集項目負責人，他表示“目前與廠商合作都比較困難，部分廠商要求需要買他們的機器人才能分到業(yè)務�，F(xiàn)在很多都是希望輸入人過去，去客戶那采集，用客戶的場地。但是這種本質上已經(jīng)變成了純人力公司”。而當企業(yè)選擇成為人力外包公司，就會發(fā)現(xiàn)企業(yè)在具身產業(yè)鏈已經(jīng)走到很邊緣的位置，自然這份蛋糕注定吃不到多少。

總之，低質量、低激勵的數(shù)據(jù)工作甚至可能反噬技術本身，導致數(shù)據(jù)質量下降，這些亂象也共同揭示出產業(yè)初期的“野蠻生長”。

 結語

當我們沉浸在具身智能描繪的未來藍圖中，不應忽略那些支撐技術迭代的“數(shù)據(jù)勞工”。他們的職業(yè)發(fā)展與產業(yè)演進本就是相互依存的整體，而非割裂的個體與背景。從勞工視角來看，像小陳一樣試圖“轉正進管理”只是少數(shù)人才能實現(xiàn)的理想路徑，更多人面臨的是“技能無沉淀、就業(yè)無保障”的困境。真正的職業(yè)成長，應當圍繞“經(jīng)驗轉化”與“風險兜底”展開。底層采集員可憑借一線實操經(jīng)驗，轉向數(shù)據(jù)質量把控，比如篩選有效動作數(shù)據(jù)、修正冗余標注，或是參與編寫場景化采集手冊，將“如何讓機器人精準識別障礙物”“不同場景下的動作規(guī)范”等經(jīng)驗轉化為行業(yè)標準，擺脫純體力勞動的局限。

從產業(yè)方來看，數(shù)據(jù)勞工不會永遠伴隨著數(shù)采廠的建設而呈線性增長，未來AI自動標注、世界模型生成與仿真技術優(yōu)化數(shù)據(jù)采集方案，可能會逐步“擠占”勞工的生存空間。

但需要明白的是，在“感知”層面（如識別物體）的自動化可能較快，但在需要“理解”物理世界復雜交互（如力度、觸感、突發(fā)情況）的“認知”層面，高質量的人類演示數(shù)據(jù)大概率在較長一段時間內仍是不可替代的“教科書”。

當我們?yōu)闄C器人每一個靈巧的動作而驚嘆時，不應忘記那些在陰影中為其繪制行動地圖的“影子”。這不是商業(yè)模式的拷問，更是一個關于技術倫理與社會的深刻命題：我們追求的智能未來，究竟應該由怎樣的人文基石來支撐？我們正在見證林立的具身大廈，但要記得何人把它一手手搭。

       原文標題 : 數(shù)據(jù)勞工“撐起”萬億級具身智能賽道