月薪6千，宝妈们正在自我“蒸馏”

作者｜刘曳

编辑｜路子甲

我重生了，重生为一台家务机器人，开机的一瞬间，拖地扫地、叠衣服、刷碗等技能一个不落，甚至能单手打出一个完美结实的垃圾袋收口。机器人上得厅堂下得厨房的梦，终于被我实现了。

如果机器人会写科幻小说，大概会如此开头。

韩国LG推出的家务机器人LG CLOiD

事实上，让机器人学会做家务，本质就像让猴子打出莎士比亚全集。

因为，无限猴子定律告诉我们：只要时间足够长，一只随机敲击键盘的猴子终能打出莎士比亚全集。在AI发展早期，这个思想实验曾经引发科学家们无穷的想象——只要采集足够多的随机数据，是否就能涌现出智能？

答案显然是否定的：纯随机的数据就像猴子的无序敲击，效率低到宇宙毁灭，也等不来一次有价值的灵感涌现。

但AI的发展，彻底改写了这个结果。科学家不再被动等待猴子们碰运气，而是主动采集数据，从每一次搜索到每一帧监控画面、每一段家务视频。来到2026年的楚门的世界，这里镜头无处不在，行为被持续记录，数据被源源不断地抽走、标注、喂养给正在学习如何替代你的模型。

线上居家视频采集工作越来越热门

算法把普通人做家务的逻辑理解之后，动作成了可复制的指令，批量部署是机器人公司最终的目标。

所以今天，每个人最基础的日常生活也开始变得耐人寻味，那些美好的愿景在实现过程中必然伴有牺牲。

当AI数据采集披上兼职外衣

月薪四千，允许AI机器人采集你的一举一动，最终训练出一个完全替代你劳动职能的智能体。你愿意吗？不少人会本能地拒绝。但当这份工作被包装成“AI数据采集员”，隐瞒真实用途，又精准瞄准急需补贴家用、拥有大量空闲时间的宝妈群体时，自我蒸馏就被很多人接受了。

BOSS直聘上的家务采集工作

小敖就是在BOSS直聘上刷到这种岗位的，当时她刚刚从上一家公司离职，想躺平又怕存款告急，处在躺不了放不下的阶段，就想着在家找个自由点的赚钱活路。

HR的承诺很诱人，“只录手部就行，不用露脸，不用说话，时间自由，随时能做。”她以为自己找到了一份轻松的居家兼职，在家封垃圾袋、拖地板、整理衣物，本来每天就要做的家务，现在再动手拍下视频就能换钱。

HR的承诺让小敖心动

她接了单，第一次拍摄，她按培训要求把手机架在厨房台面上，录了一段叠衣服的视频。上传后三天，后台提示“审核不通过”，理由是“光线不均匀，左侧有阴影”。

小敖一开始觉得审核员完全是在强词夺理，辛辛苦苦叠了那么久却不给结算，后来研究明白视频用途之后她就明白了，这种有阴影的视频AI没法识别，也就很难成为训练素材。

和小敖一样的采集员们发现工作并不轻松

“我换了盏灯重新拍，又被打回来，说动作起始位置不在画面中央。”来来回回重拍了四次才勉强合格。她算了算时间成本：第一条通过审核的20秒视频，她前后搭进去了将近两个小时。

正式开工后，合格率依然低得惊人，拍摄角度稍微偏一点，退回；手部动作超出画面边缘，退回；背景里有杂物入镜，退回；光线从左边打到右边而非正面，退回。“你觉得自己明明是在做家务，但AI平台告诉你，你做家务的姿势不对。”

做家务对她来说完全成了表演，有时候她感觉自己就是镜头背后的群演，一群机器人是最忠实的观众。

真正让她决定不干了的，是一次意外发现。

有一天系统派发的任务包里多了一条备注，说这周想要重点采集抓取垃圾袋收口的动作，要求包含5种以上收口方式，她突然意识到，自己在拍的这些东西，和网上家务机器人演示视频里的动作一模一样。“我当时全身发凉，我录了两个月叠衣服、封垃圾袋、捡玩具，原来全都是在教机器人怎么替代我。”而视频最终通过审核后，报酬是3.2元。

录制蔬菜打包视频

“我以为我在赚外快，其实是在替AI打工，而且他们早晚会来顶替我。”

亚楠的选择则更彻底一些。几年前她还在跑外卖，如今在公司租下的房间里，她成了一名专职数据采集员。每天的工作很简单：戴上设备，拍自己叠衣服、擦拭桌面、做三明治。

以家居场景为例，一天下来能采集200多条视频，有效时长约2到3个小时，月薪6000到7000元，比居家采集员的3000到4000元高出不少，但依然算不上高薪。

她的工作流程已经被系统精确切割成一个个标准动作。前一天晚上在线上领取任务，第二天就在房间里反复执行，在杂乱环境中识别目标物，戴上夹爪抓取，换一个方位再来一遍。

一条视频只有20到30秒，公司规定的每天最低要求是1.5小时有效时长，也就是说她每天要产出至少180条合格视频。从穿戴上设备到脱下设备，她一天里大部分时间都在重复同一件事。

家务数据采集细化到如何清理枕头

“你觉得自己在做一份正经工作，但心里清楚，这些东西早晚会让一部分人失去工作。只是没想到，失去工作的那些人里，可能包括我自己。”

具身智能数据采集员的时薪和他们创造的数据最终卖出的价格之间，隔着10倍以上的差价。一条高质量的真机操作数据，在数据市场上的售价可能高达数百甚至上千元，而采集它的人只拿到了十几二十块。

数据采集圈有着像印度种姓一样的严格划分。

最底层是采集员，常见的人群画像包括宝妈、失业者、兼职人员，他们是整个链条的燃料。

第二层是外包平台，从数据公司接单后分包给采集员，中间抽取30%到50%，第三层是数据公司，将原始数据清洗、标注、对齐后打包成可训练的数据产品，最上层是宇树、优必选、智元、特斯拉等机器人本体公司，花高价购买这些数据来训练模型。

劳动者在产业链的最底端，拿着最低的报酬，产出着最原始的数据，而这些数据最终可能训练出一个替代自己的机器人，这可能就是自我蒸馏的更高形态，不仅在出卖自己的劳动人格，还在以极低的价格，亲手为终将取代自我的机器添砖加瓦。

本科生们抢着干的dirty work

AI数据采集早就不是新鲜事了，早几年，普通话录制、便利店货架标注、道路图像框选等等零散分布在众包平台上的微任务。

这是典型的互联网 dirty work：重复、机械、低门槛、低回报。对着屏幕把红绿灯框出来，听一段语音转写成文字，给商品打上“饮料”“零食”“日用品”的分类标签，一单几毛钱，熟练的人一天能做个几百单。

便利店数据标注越来越考验细心度

虽然枯燥，但用工需求大、结算快，一度成为热门副业。大学生、全职妈妈、小镇青年、暂时找不到工作的人，都能靠它贴补家用。

大家心知肚明自己在为算法提供原料，语音数据用来训练语音识别，标注的图像喂给自动驾驶模型，商品分类服务于推荐系统。

只是那时候，这些数据离自己的核心技能很远，你标注的是路上的车，不是你开车的技术；你分类的是货架上的可乐，不是你的工作内容。没有威胁到饭碗，就选择睁一只眼闭一只眼。

但如今，事情开始质变了。

AI正从“坐在电脑里处理文本和图像”的软件形态，进化成“走进真实世界动手干活”的具身智能。数据采集也随之从语音、静态图像扩展到了全身动作、连续家务行为。Nydia就是在这个转折点上撞上了现实。

大龄失业的她本想找份过渡工作，看到招聘信息写着“数据采集员”，以为是普通的办公室文职。到了现场才知道是“给机器人当牛马”，在一间摆满机械臂和摄像头的房间里，试岗内容是用遥控器操作机械臂，把面前的积木按指定顺序码放整齐。

如何擦拭窗台也成了很有讲究的学问

她试了三次，机械臂要么抓歪了，要么放偏了，要么直接把积木碰倒了。旁边的面试官面无表情地记了几笔，然后告诉她：“今天到这里吧，回去等通知。”她心里清楚，等到的不会是录取通知。

真正让她震惊的，不是自己被淘汰，而是排队等面试的人里，有好几个看着二十出头的年轻人，穿着整齐，手里拿着简历，一看就是刚毕业没多久。“我以为这种活只有我们这种年纪大、找不到工作的人才会来，结果人家年轻、学历高，也在往这个行业挤。”

她后来在社交媒体上写道，“数据标注这种以前没人愿意干的dirty work，现在居然成了香饽饽。”

试岗结束后，工作人员带她们参观了一间展示厅。里面摆着正在测试的家务机器人，叠衣服的、擦桌子的、整理杂物的，甚至还有一台能打麻将的机器人。

麻将机前围了一圈人，有人开玩笑说“以后连打牌都不用自己动手了”，Nydia没笑出来。她站在叠衣服的机器人前面看了很久，机器人的夹爪正反复抓起一件T恤，折叠、压平、翻面、再折叠，动作比她想象中流畅得多。

“机器人真的要来和人类抢饭碗了。科技发展得越快，被取代的速度也越快。年轻人尽早规划找出路，而我们这些大龄失业者该何去何从？”这是她亲眼见到家务机器人、麻将机器人后最直白的心声。

她不是在抱怨招聘门槛高，也不是在后悔自己没抓住机会，她只是第一次意识到曾经在科幻片里才有的机器人替代人类的场景，正在走进她的生活。

听起来，危机似乎近在咫尺。但事实真的如此吗？

正在被异化的我们

Nydia离开面试公司时，脑子里一直回荡着这个画面，叠衣服的机械臂反复抓起一件T恤，折叠、压平、翻面、再折叠，动作流畅得像一个做了十年家务的人。“如果它有天能叠得比我好，是不是就不再需要我了？”

家务机器人正在被投喂更复杂的数据

但顺着这个问题往下想，答案往往是肯定的。

是的，那些数据正在被采集、被标注、被喂给模型；是的，你我现在的每一个动作都在为未来的机器人铺路；是的，这条产业链底端的剥削是真实存在的，劳动者在产业链最底层拿着最低的报酬，而产出的数据最终可能训练出一个替代自己的机器人。

马克思笔下所提到的异化，在数据采集员身上全部实现了，他们和劳动产品分离、和劳动本身分离、和人的创造性本质分离，甚至和其他劳动者之间也只剩下相互取代的关系。

但这不是明天就会发生的事。动作流畅的机械臂，绝大部分还没有大规模投产落地，号称走进家庭的机器人演示视频，大多是在严格控制光照、桌面材质和物体形状的环境下拍出来的，一旦换到真实的、杂乱的的客厅和厨房，它们就会迅速现出原形。

具身智能的真正难点，远不止学会叠衣服这么简单。

家务机器人能叠衣服，是因为有人反反复复在机器人面前展示了叠了三百遍，把每一个角度、每一次折叠都录下来喂给他们。家务机器人能区分垃圾和玩具，是因为有无数双手在不同的光照、不同的桌面上一次次地抓取、放下、再抓取，把每一个步骤拆解到足够机器人读懂的程度。

可是机器人们实际上并没有读懂任何事，他们不认识棉和麻的区别，只是匹配到了对应的像素特征，如果遇到了训练数据里从未出现过的布料就会立刻卡住，因为他们技能不是真正的技能，只是对已有数据的机械重复。

家务机器人们不懂为何要做饭

家务机器人真的很像一面回音壁，把人类的经验压缩、编码，然后变成一台不需要拿工资、不需要休息、不会抱怨的机器。但是更深刻本质的理解和关怀是不存在的，比如为什么我们要做家务、为什么要叠衣服、为什么要拖地？机器人理解不了复杂的家庭关系，和这个小小房间里的流动情感。

我们做家务，是为了拥有可以安心休憩的空间，可以更自在地拥抱明天，而机器人不懂，他们只明白被预设的程序。

这是机器人和人之间永远无法抹平的差距，虚拟世界里完美运行的算法，一进现实世界就失灵，这是具身智能领域公认的“最后一公里”难题。

目前，在非结构化家庭环境中，完成一套完整、可靠、低成本的家务劳动，至少还需要5-10年甚至更久。更合理的态度是既看到不公平，也看到距离；既不盲从恐慌，也不放弃批判。

不如保留一点空间给人类。我们的家务不只是动作数据，它需要我们倾注对家人的情感。比如同一道红烧肉，人人口味千变万化，温度的控制、成分的搭配、火候的拿捏，所有看起来可以被量化的东西，到了一定火候就变成了没法教的手感，它们藏在一个人多年观察、实践的经验里。

这些是当前的AI无法理解、也难以编码的东西。我们应当警惕的，不是技术本身，而是利用信息差、把数据采集包装成轻松兼职的招募话术。了解技术真实的边界，比贩卖焦虑或盲目拥抱都更重要。

AI的变化就像一列飞驰而过的地铁，窗外的风景正在飞速倒退，我们坐在车里，甚至都来不及看清窗外的风景，更没法让它慢一点、再慢一点。

但至少我们还可以做一件事，决定我们自己要在哪一站换乘，而不是就这样一路接受支配驶向终点。