文丨苏扬

编辑丨徐青阳

AI 遭遇数据饥荒，人类的生活成了一门生意。

从南非开普敦到美国芝加哥、洛杉矶，再到印度兰契，全球成千上万的人正在把自己的日常生活片段卖给科技公司，包括洗碗的视频、走路的脚步、打电话的录音、做饭的动作等。

这些再普通不过的日常琐事，正变成一种可以明码标价、拆开零售的 " 工业原料 "，变成了训练 AI 的 " 教材 " ——一个两小时的洗碗视频能换 80 美元，一段通话录音每分钟值 0.5 美元。

硅谷对真人数据的渴求，催生了一个蓬勃发展的数据市场产业

但钱不是白拿的。

那些签下合同的零工训练师，往往在不知不觉中交出了不可撤销的授权：他们的声音可能被永远用于 AI 客服，他们的面孔可能出现在半个地球之外的人脸识别数据库里，他们亲手训练的系统，有朝一日可能让自己失去工作。

这是一个关于生存与算计的故事。一边是现实的生计压力，一边是看不见的未来风险。而在这场数据 " 淘金热 " 中，谁是真正的赢家？

27 岁的南非青年雅各布斯 · 洛乌每天出门喂海鸥时，都会顺手拍下自己的脚步和沿途风景，然后把视频上传到 Kled AI 上，这是一个花钱收集用户数据训练 AI 模型的应用。一段十几秒的 " 城市导航 " 视频，可以换 14 美元。

22 岁的印度学生萨希尔 · 蒂加赚钱的方式更简单：让手机麦克风一直开着。他通过一款叫 Silencio 的应用，允许对方访问手机麦克风，捕捉餐厅里的嘈杂、路口的车流声。为了赚更多钱，他甚至专门跑去酒店大堂录制那些还没被采集过的环境音。一个月下来可以赚 100 多美元，足够一个月的开销。

18 岁的芝加哥焊接学徒拉梅利奥 · 希尔选择出售更私密的东西，包括他和朋友家人的通话记录，卖给名为 Neon Mobile 的平台，每分钟价值 0.5 美元。

这些零工远不止于此。

在洛杉矶，从圣莫尼卡到洛斯费利兹，数百人正在做家务时把摄像头绑在头上和手上。他们煮咖啡、刷马桶、浇花、洗碗，一切都被记录下来。

萨尔瓦多 · 阿尔西加从 Instawork 领到一个头戴式手机支架，回家对着镜头洗碗、擦灶台，同时用西班牙语或英语解说自己在做什么。两个小时的录像，他赚了 80 美元。

" 反正我也得做家务，" 他说，" 现在做家务还能赚钱。"

02 一切源于 AI 的数据饥荒

这些看似毫无技术含量的生活碎片之所以值钱，是因为 AI 快 " 饿死 " 了。

像 ChatGPT 和 Gemini 这样的大语言模型，需要海量的学习材料才能不断进步。但目前，像 C4、RefinedWeb 这类最常用的训练数据来源，已经开始限制 AI 公司使用自己的数据。

非营利研究机构 Epoch AI 预测，到 2026 年，AI 公司将耗尽可用于训练的新鲜文本资源。虽然一些实验室开始尝试让 AI 自己生成数据来 " 自学 "，但这种做法可能会导致模型质量下降，最终走向崩溃。

在这样的背景下，Kled AI、Silencio 等数据市场平台突然火了起来。

伦敦国王学院经济学教授鲍克 · 克莱因 · 提塞林克指出，零工 AI 训练是一个新兴的工作类别，并且规模将大幅增长。AI 公司通过付费获取用户授权的数据，也能有效规避版权纠纷的风险。如果仅仅靠从网上随意抓取内容，随时可能面临官司。

AI 研究员韦尼亚明 · 维塞洛夫斯基也表示：" 目前来看，人类数据依然是让 AI 跳出自己套路、学到新东西的最佳来源。"

简单来说就是：机器学得再快，终究离不开真实的人类数据。这一点在物理世界表现得尤为明显。

Universal Robots 的 AI 机器人产品副总裁安德斯 · 贝克指出，AI 实验室里收集的训练数据大多不适合真实场景部署，而且仅仅依靠视觉反馈，机器人根本无法学会那些需要 " 动手 " 的任务。要让机器人真正掌握开门、洗碗、叠衣服这类技能，必须依靠真实的人类在现实环境中反复演示。

CB Insights 的洞察主管杰森 · 萨尔茨曼总结道：" 模型现在还做不到自己判断什么是对、什么是错，也搞不清真实情况到底怎样，这些都得靠人类来教。"

正是出于这个原因，一些国家已经建起了专门的 " 手臂农场 " ——在固定设施中，有大量人员录制开门、叠衣服等任务的第一人称视频，为 AI 提供真实的操作示范。

数据显示，像 Sunain 这样的人类数据采集公司，在洛杉矶就有超过 1400 名贡献者，从西部的卡尔弗城一直延伸到东部的帕萨迪纳。Sunain 联合创始人沙赫巴兹 · 马格西说，洛杉矶的住宅类型、生活方式和人群多样性 " 无与伦比 "。

CB Insights 预测，到 2030 年，全球数据收集和标注市场规模可能达到 170 亿美元。高盛则预测，到 2035 年，人形机器人市场规模可能达到 380 亿美元。

正是看到了这些前景，资本开始疯狂涌入。

旧金山公司 Encord 去年物理 AI 业务收入增长了十倍，今年 2 月拿到了 6000 万美元融资。Meta 支持的 Scale AI 已经收集了 10 万小时的机器人视频。它的竞争对手 Micro1 则在 60 个国家雇了 1000 人，专门录制家务视频。

对那些参与给 AI 喂数据中标项目的人来说，钱不是白拿的。

希尔对自己的这段经历心情复杂。他在 Neon Mobile 上卖了 11 个小时的通话，赚了 300 美元，但应用经常掉线，提现也经常不能即时到账。"Neon 对我来说一直挺可疑的，" 他说，" 但我一直用它来赚点轻松的外快。"

很快，麻烦来了。

2025 年 9 月，Neon Mobile 推出才几周，TechCrunch 就曝出一个安全漏洞，任何人在网上都能直接访问用户的电话号码、通话录音和文字记录。希尔说，Neon 从未通知过他。现在他担心自己的声音会被怎么用。

这还不算最糟的。

纽约演员亚当 · 科伊在 2024 年把自己的肖像卖给了 AI 视频编辑器 Captions（现名 Mirage），价格是 1000 美元。他在合同里加了很多保护条款：不能用他的形象搞政治，不能卖酒、烟草或色情内容，授权一年后失效。

可没多久，朋友就开始转发一些网上疯传的视频给他。画面里，他的脸、他的声音，正在推销一种未经证实的孕妇保健品。

" 跟别人解释这件事让我觉得特别尴尬，" 科伊说。" 那些评论读起来很奇怪，因为他们评论的是我的外表，但那根本不是真正的我。"

更让科伊难受的是，当时他决定卖掉肖像时的想法——反正大部分模型都会从网上抓取数据和肖像，不如自己赚点钱。现在回头看，这简直像个笑话。从那以后，他再也没碰过这类平台。

伦敦大学城市圣乔治分校法学教授恩里科 · 博纳迪奥指出，很多平台的协议条款几乎允许 " 永久性地对这些材料做任何事，而且不用再付钱 "。而贡献者 " 几乎没有切实可行的方式来撤回同意或重新谈判 "。

更可怕的是，即便平台声称会做 " 去标识化 " 处理，声音、面容这些生物特征，本质上就很难真正实现匿名。

你可能以为自己只是 " 租 " 出了几段录音，但合同里的小字可能藏着更大的坑。

当用户在 Neon Mobile 或 Kled AI 上分享数据时，授予的是一张 " 全权许可 " ——全球范围内、排他性、不可撤销、可转让、免版税。换句话说，平台可以永久地销售、使用、公开展示、存储肖像，甚至创作 " 衍生作品 "。

Kled AI 创始人阿维 · 帕特尔辩解说，他们的协议只允许用于 AI 训练和研究。公司会审查买家，避开那些 " 意图有问题 " 的行业和可能滥用数据的机构。他说：" 整个业务都依赖于用户信任。"

但这样的保障有多可靠？博纳迪奥教授指出，合同允许平台和客户 " 做几乎任何事情 "。

更麻烦的是，当你的数据被卖出去之后，你根本不知道它流向了哪里。斯坦福大学以人为本 AI 研究所的数据隐私研究员詹妮弗 · 金说，这些平台没有明确说明数据会怎么用、在哪里用。消费者 " 面临数据被以他们不喜欢、不理解或未曾预料到的方式重新利用的风险，而且几乎没有追索权 "。

学者劳拉 · 基特尔的经历更典型。她在找非营利组织和政府机构的工作，朋友推荐了 Mercor。合同发过来，她仔细看了一遍，条款要求她授予免版税权利，允许使用她现有和未来的学术论文，以及任何可能对某个未指明的客户有利的知识产权。

" 我觉得这有点太过分了，" 她说。

她想改合同，结果一个叫 " 梅尔文 " 的 AI 助手回复邮件说：改不了，不接受可以走人。

Mercor 后来解释，合同只适用于贡献者在项目过程中选择使用的自己的创作。自己创作且没用的，不受约束。但对基特尔来说，那种不好的感觉已经无法释怀。

牛津大学互联网地理学教授马克 · 格雷厄姆是《喂养机器》一书的作者。他承认，对发展中国家的人来说，这笔钱短期内确实有用，但他警告：" 从结构上看，这种工作不稳定、没有发展前景，实际上是一条死胡同。"

他说，AI 市场靠的是 " 工资的逐底竞争 "，以及对 " 人类数据的暂时性需求 "。

一旦需求变了，" 工人们得不到任何保护，学不到任何可转移的技能，也没有任何安全保障 "。最终的赢家，是那些 " 捕获所有持久价值的北半球平台 "。

换句话说，零工们今天赚的每一分钱，都在帮助 AI 变得更强、更聪明。而当 AI 足够强大时，这些训练它的人，可能恰恰是最早被替代的那一批。

正如 DoorDash Tasks 总经理伊桑 · 比蒂说的：" 这些是我们十多年来一直在解决的现实世界问题，我们意识到，曾帮助我们的相同能力也可以帮助其他企业。"

DoorDash 们正在做的，是把配送员的劳动经验转化成数据资产，卖给任何需要训练 AI 的企业。

优步也在做同样的事。

去年 10 月，优步在司机应用中增加了数字任务类别，让司机上传餐厅菜单、录制多语言音频样本。它的 Uber AI Solutions 部门已经扩展到 30 个国家，提供标注、翻译和模型训练服务。

两家公司走的都是 Scale AI 开创的路子：用分布式的远程工作者创建新数据集、验证 AI 输出。只不过，优步和 DoorDash 手里多了几百万个可以直接派到现实世界任何角落的人。

阿尔西加的朋友曾经质问他：" 好吧，你就是问题所在。" 他朋友的意思是，你正在教 AI 做只有人类才能做的事，你不是在帮倒忙吗？

阿尔西加则回答称：新技术总会带来恐惧和变革，但它也创造了新的工作类型，比如他最新的这份零工。" 人们仍然需要人，" 他说。

问题是，当 AI 连 " 人 " 都不需要的时候，这份需要还会存在吗？