我花了一周时间录制自己做家务赚钱。谁才是机器人？

# 我花了一周时间，录自己做家务来赚钱。现在谁才是机器人？ 来源：https://www.wired.com/story/household-chores-training-robots/ 做饭、洗衣、整理。你所有的家务活都可以变成训练未来人形机器人的数据——前提是你准备好承担后果。 机器人观看人们做日常任务的图片插图 图片插图：Jobanny Cabrera；Getty Images 我不再只是一个普通人。我是一个现实世界的导管，一个信息的媒介。我手里拿着刀，切着一根有机黄瓜，弯着腰，这样绑在我额头上的iPhone（https://www.wired.com/gallery/iphone-buying-guide/）就能拍到我全部十根手指。我把黄瓜片扔进沙拉碗里，然后结束录制。在某个地方，一个机器人宝宝变得更聪明了一点。 这就是我上个月整整一周的生活状态——在我舒适的公寓里收集数据，教人形机器人（https://www.wired.com/story/a-humanoid-robot-set-a-half-marathon-record-in-china/）如何洗盘子、叠衣服、倒饮料，以及其他一些琐碎的家务。如果机器人要和我们生活在一起，帮忙做家务（https://www.wired.com/story/physical-intelligence-home-robot/），它们需要发展精细运动技能（https://www.wired.com/story/when-robots-have-their-chatgpt-moment-remember-these-pincers/）。我自豪地完成了家务（我平时收拾护裆时可没为大规模数据集做贡献）。而且很高兴还能赚点钱。 第一人称视角视频——用绑在头上或胸前的摄像头拍摄——正变得越来越重要，因为越来越多的公司试图建造机器人并改进它们的AI模型。尽管互联网上充斥着可抓取的视频，但特定场景的片段——比如数千个特写镜头，展示手如何倒水到杯子里而不洒出来——对于微调机器以完成现实世界任务至关重要。这种行业称为“自我中心数据”的录制方式需求如此之大，以至于一些投资者估计（https://www.stellarisvp.com/blog/physical-ai-has-a-massive-data-problem），领先的公司将在未来几年内从第三方供应商那里购买数亿小时的此类数据。 “我希望地球上的每个人都能录下自己洗碗的样子，”数据收集市场Kled的22岁创始人Avi Patel说。“这样就能造出机器人，你再也不用洗碗了。”自我中心数据收集在印度等国家已经增长，那里的个体经营者平均每月收入约125美元（https://www.latimes.com/business/story/2025-11-02/inside-californias-rush-to-gather-human-data-for-building-humanoid-robots），而这些第一人称视频零工也能提供类似的报酬。 随着兴趣增长，更多的数据收集公司正在寻求在美国扩张，比如DoorDash今年早些时候推出的独立应用Tasks。不久之后，美国许多零工工人（https://www.latimes.com/business/story/2026-03-12/why-people-in-la-are-strapping-cameras-on-their-bodies-to-do-chores）可能也开始通过提供“现实”来维持生计，而不仅仅是递送室温的外卖。 幸运的是，我之前测试DoorDash的Tasks应用时（https://www.wired.com/story/i-tried-doordashs-tasks-app-and-saw-the-bleak-future-of-ai-gig-work/），已经拥有了一个智能手机（https://www.wired.com/tag/smartphones/）头戴支架。即使在当时，我的印象也是，定制视频数据是零工经济（https://www.wired.com/tag/gig-economy/）的反乌托邦未来，但我想更好地了解这个不断发展的行业。由于Tasks在我居住的加利福尼亚州不可用，我注册了另外三个平台：Kled、Luel和Waffle Video。 我赚到的钱很少。我基本上是在近乎免费地训练机器人，对我每月与伴侣分摊的2500美元旧金山房租来说无济于事。但这份零工确实有一个意想不到的好处：我的公寓从未这么干净过。 Kled的突破性时刻发生在今年早些时候，Patel在X（https://x.com/avipat_/status/2011478875121889439）上发布了一段视频，展示了该公司广泛视频数据档案的一小部分。该视频迅速被观看了超过400万次，数据购买者开始疯狂拨打Patel的电话。“所有主要的基座模型和实验室都联系我，要求获取数据，”他告诉我。 机器人训练数据只是Kled从30多万用户那里收集的数据的一部分——这家初创公司主要付费让人们上传他们的整个相机胶卷作为AI训练数据。Patel看到早期采用者在马来西亚已经接受了这种零工工作，并且有一个“特殊任务”部分来帮助推广视频提交。用户从列表中选择他们想要拍摄的家务，然后通过应用直接录制内容。这些任务没有列出时薪；每个任务被标记为低、中或高报酬，没有具体范围。（该公司表示，大约一个月后，更新将包含许多（但不是所有）任务的报酬。） 我在Kled上选择了“倒垃圾”作为我首次的机器人训练任务。它被标记为“中等报酬”。开始很容易，因为应用会指导用户录制什么： *描述：捕捉你如何倒家庭垃圾，以帮助训练现实世界的机器人工作流。* *任务要求：录制一个连续的应用内视频，展示：取下垃圾袋、系紧、放入新垃圾袋、并把垃圾扔出去。保持摄像头稳定，避免拍摄面部。* 我将智能手机绑在头上，录制了系好厨房垃圾袋并把它带到公寓后面的巷子垃圾桶的过程。我有点担心碰到邻居，还得解释我在干什么。录制在大约两分钟时自动关闭，我还没能重新套上垃圾袋，因为应用说已达到限制。 Patel说，Kled过去一年最重要的重点是欺诈检测。人们经常尝试上传从互联网下载的视频，以及空白的黑色方块。还有隐私问题：“你必须确保所有数据都是匿名的，并删除个人身份信息，因为如果你不这样做，实验室就不会从你这里购买，”他说。“任何不良上传也是如此。你必须过滤掉所有这些东西。”Patel说，Kled最近退出了尼日利亚，因为大约95%的用户提交的上传要么是无用的重复内容，要么是欺诈性的。 我在Kled上完成了九项任务，在周末做家务时断断续续地录制，之后才发现应用要求用户在上传100个媒体文件后才具备任何形式的提现资格。有点恼火，我决定上传去年假期拍的90多张照片来达到提现门槛。由于Kled需要几天时间处理数据，我在等待拿到钱的同时，转到了其他收集机器人训练数据的平台。 Luel是一个向世界各地用户支付数据费用的平台，与Kled非常相似。两者都有年轻的创始人：Luel的William Namgyal在其公司今年早些时候加入Y Combinator时年仅18岁。两家公司都收集各种数据，不仅仅是自拍视频。“人们愿意录制简单的片段，用他们自己的语言说台词，”Namgyal谈到Luel对语言保存的兴趣时说。“为什么不扩展到自我中心视频和文档呢？”该应用现在还付费让用户录制电脑屏幕和上传收据照片。 在我的测试中，Luel的设计感觉比Kled更笨拙一些。该平台并不按家务类型划分工作；它只有一项“录制任何动手活动的第一人称视角视频”列表，每小时提供6.60美元。（作为对比，美国联邦最低工资是每小时7.25美元。）Luel的要求非常具体——仅限头戴式，广角摄像头水平放置，最低1080p分辨率，95%时间可见手部。 我再次把手机绑在头上，开始在厨房干活，擦洗盘子和装洗碗机。我向Luel的网站提交了一段五分钟的视频；一天后被拒绝了。“你的手在足够多的帧中不可见，”Luel的解释写道。 一开始我什么也没拿到。几天后，Luel给我发了一封邮件，推翻了最初的决定。邮件解释说，虽然我“在抽样帧中的手部可见度为83%”，但我满足了列表中其余的要求，Luel实际上会支付报酬。我赚了55美分。 Waffle Video很容易成为三个平台中我最喜欢的。与Kled和Luel不同，它只专注于视频训练数据，而且我在应用中看到的“任务”，比如系鞋带和倒水，每小时支付25美元。这还不错。 用户创建的每个数据集都是为购买数据的公司量身定制的，因此Waffle的“任务”只在有限时间内可用。该应用还为零工工人提供经常性收入——本质上是一种联合收入——如果他们的视频被授权给其他公司。“我认为创造一个共生关系的机会巨大，这种关系存在于那些贡献自己生活、视角、创造力、本质上还有数据的人与这些模型之间，”Waffle 34岁的联合创始人兼首席运营官Joshua Mesnik说。“让这种关系变成互惠互利，而不是单向的。”Mesnik于2024年与33岁的CEO Joey Newfield共同创立了这家初创公司。 Waffle在其关于应用需要什么和不需要什么的指南中也最为详细。在上传之前，用户可以查看他们的提交可能被拒绝的每一个原因，从模糊的录制质量到包含受版权保护的音频。除了示例视频，每个任务还包含关于如何录制每个家务的详尽说明，比如“倒液体”的细节： - 倒液体的动作必须可见。 - 液体必须清晰可见。 - 两个容器都应可见。 - 接收容器必须是透明玻璃或透明塑料，以便看到液位变化。 在初创公司像我这样的人那里收集了这些第一人称视频后，下一个障碍是将大量数据转化为可销售的格式。Waffle通过所谓的MAPLE——媒体资产处理与标注引擎——处理每个用户视频。“每项内容都经过版权检查。所有内容都被标注、注释并结构化，以便AI训练可以随时摄取，”Mesnik说。公司对原始、未标注的信息不那么感兴趣；他们想要干净包装的视频，每个文件都附有高度描述性的元数据。 在使用Waffle时，我真正进入了视频数据的节奏。报酬足够高，感觉很有吸引力，我欢快地在家里转悠，就像一个真人秀制片人希望拍摄尽可能多的内容。一遍又一遍地系鞋带？搞定！擦洗盘子直到闪闪发光？搞定！把健怡可乐在杯子之间来回倒，直到它没气？搞定！ 我的智能手机基本上整个晚上都粘在我的额头上，完成Waffle上的AI任务。每次提交大约20秒，这是应用对这个“任务”的要求。我在几天的工作中迅速完成了125个批准的提交，赚了20美元。 Luel的创始人Namgyal担心工作的未来，尽管他经营的公司正在训练那些可能有一天取代人类工人的机器人。“我最大的恐惧是失业率会极度上升，比现在还要高，”他说。Namgyal将Luel和更广泛的零工工作视为人们快速赚点钱的方式，而不是劳动力趋势的万能药。“我们的部分目标也是创造就业机会，但这显然是一件难事。” Patel自豪地分享说，Kled上收入最高的人之一是一名卡车司机，他通过用行车记录仪拍摄并提交坑洼照片，每月赚8000美元。但这个用户的体验显然是个例。大部分为AI模型训练提交数据的人并没有赚到这么多钱，尽管对视频训练数据的需求似乎几乎无限。自我中心视频零工工作仍然，嗯，是零工工作（https://www.wired.com/story/i-work-in-hollywood-everyone-who-used-to-make-tv-now-training-ai/），这意味着更少的工人保护和更低的整体稳定性。 在美国，专业化可能是通过做这项工作赚到可观收入的唯一途径。任何人都可以录制切黄瓜的视频，但只有经验丰富的寿司师傅才能真正展示切三文鱼刺身的最佳方法。“我确信有一个世界，厨师完全从地球上消失，”Patel说。“但他们永远不会真正被取代，因为他们在家录制视频，制作用于训练这些机器人的独特食谱。他们正在获得报酬。” 终于到了我该拿报酬的时候了。当Kled处理完我九个自我中心视频和97张度假照片后，我并没抱太大期望，但我还是对报酬感到震惊：1美元。 在度过最初的失望之后，我感到了一丝自豪。也许我正在帮助建立一个更美好的未来——一个我的孙辈们会幸福地不知道我所养成的清洁习惯的未来。然而，我的自豪感很快消散了，因为我越想越觉得，我正在训练的正是那些可能取代人类完成不仅仅是繁琐家务，还有更多工作的人形机器人。 我这一周的总收入是21.55美元。对我来说，这是一次随意的副业，一种通过完成公寓里的家务来额外买几瓶健怡可乐的方式。但是，对于世界各地的工人，以及越来越多的美国工人来说，这种AI零工工作（https://www.wired.com/story/i-work-in-hollywood-everyone-who-used-to-make-tv-now-training-ai/）可能会在经济压力下被接受，并被当作生存的手段——今晚教会机器人如何做饭，这样你明天就能把食物端上餐桌。 --- ***你怎么看？*** *在下方评论区告诉我们你对这篇文章的看法。或者，你也可以将信件投稿至**[\[email protected\]](https://www.wired.com/cdn-cgi/l/email-protection#3f525e56537f48564d5a5b115c5052)。* - AI智能体（https://www.wired.com/story/ai-agents-plunged-tech-world-into-chaos/）如何让科技世界陷入混乱 - **你的收件箱：** Will Knight的AI实验室（https://www.wired.com/newsletter/ai-lab?sourceCode=BottomStories）探索AI的进展 [](https://www.wired.com/author/reece-rogers/) Reece Rogers（https://www.wired.com/author/reece-rogers/）是《连线》杂志的服务类撰稿人，专注于解读关键话题并帮助读者充分利用他们的技术。在加入《连线》之前，Reece在Business Insider报道流媒体。……阅读更多（https://www.wired.com/author/reece-rogers）