训练一个能折衣服的机器人，比训练一个能写程式的AI还难？2026年的人形机器人产业正面临这一核心障碍。文字、代码、数学题在网络上唾手可得，但“用两根手指捏起湿衣服、翻面、整齐对折”的动作数据，网上根本不存在。解决方案出人意料：头绑iPhone的零工。
奈及利亚医学生：额头绑手机，时薪15美元
Zeus住在奈及利亚中部山城的单间公寓里，是一名医学生。下班后，他把iPhone绑在额头上，打开环形灯，对着镜头铺床、折衣服、假装洗碗。每段视频15分钟，重复再重复。雇佣他的公司叫Micro1，总部在加州帕罗奥图，在全球50多个国家雇用了“数千名”合约工。Zeus向MIT Technology Review表示，时薪15美元在奈及利亚高失业率的经济环境下算���错，但坦言这份工作让他无聊——“我是那种需要动脑的人”。印度德里的家教老师Arjun则面临另一困境：他有两个女儿，每次录影前得先把2岁的孩子“弄”出镜头。录一段15分钟的家务视频，他要花将近1小时构思新题材。奈及利亚前银行员Sasha在共用住宅院子里晒衣服时，得蹑手蹑脚避免镜头捕捉到邻居。工程系学生Dattu在印度某科技重镇的阳台上，反复折同一套衣服。这四位工人都使用化名，且未获授权公开谈论工作。
机器人为何需要看人折衣服？
人形机器人正吸引全球巨额资本——2025年全球投资超过60亿美元。但建造能在真实家庭环境运作的机器人，面临根本问题：虚拟模拟可以训练机器人做杂技，却无法精确模拟手指抓取物件时的物理反馈。比方说，抓一件刚洗完带水分的T恤，力道差0.1牛顿就会滑落。LLM（大型语言模型）的成功提供了新思路：机器人也许能通过观看海量人类动作来学习操控物件。问题在于，这些动作数据只存在于真实世界，必须一段一段收集。UC Berkeley机器人学家Ken Goldberg指出：“LLM训练于人类要10万年才能读完的文字，人形机器人需要更多数据，因为控制机器人关节比生成文字更���杂。”Micro1 CEO估计，机器人公司每年花“超过1亿美元”向Micro1等数据供应商购买真实世界动作数据。竞争对手也在跟进：Scale AI宣布已收集超过10万小时视频，外卖平台DoorDash也付钱给配送员拍摄家务视频。
视频背后的灰色地带
这个产业链存在几个令人不安的结构性问题。首先是隐私。Micro1要求工人不露脸、不说出姓名或电话，并承诺以AI加人工双重过滤敏感信息。但即便如此，视频仍然捕捉了工人的家居内景、财物摆设与日常作息。马里兰大学教授Yasmine Kotturi表示，“公司有责任告知工人这项技术的长期方向，以及如何影响他们”。其次是数据质量。ASTM International的Aaron Prather指出，“我们在家里的生活方式不一定符合安全标准。如果这些人在教坏习惯，可能导致事故，那就不是好数据。”Micro1 CEO回应公司会拒收不安全示范，但他补充，笨拙的动作有助于机器人学习“不该做什么”。更深层的问题是结构性工资套利。富裕国家的AI公司需要训练数据，却以发展中国家的薪资水准支付。时薪15美元在硅谷是出租车起步价，在奈及利亚却是令人心动的高薪。Zeus坦言，他清楚地知道这份工作的本质，但在高失业率��境下，他没有更多选择。AI的竞争，本质是工程师密度×算力×数据的乘积。数据这一项，正被外包给那些最不可能买得起这些机器人的人。