沒有隱私，便無后悔藥可尋。

AI陷入數(shù)據(jù)饑荒，人類的日常生活竟成了一門生意。

從南非開普敦到美國芝加哥、洛杉磯，再到印度蘭契，全球成千上萬的人正把自己的日常片段賣給科技公司，內容涵蓋洗碗視頻、走路腳步、通話錄音、做飯動作等。

這些再普通不過的日?，嵤?，正變成可明碼標價、拆分零售的“工業(yè)原料”，成為訓練AI的“教材”——兩小時洗碗視頻能換80美元，一分鐘通話錄音價值0.5美元。

硅谷對真人數(shù)據(jù)的渴求，催生出一個蓬勃發(fā)展的數(shù)據(jù)市場產業(yè)。

但錢并非白拿。

那些簽下合同的零工訓練師，往往在不知不覺中交出了不可撤銷的授權：他們的聲音可能被永久用于AI客服，面孔可能出現(xiàn)在半個地球外的人臉識別數(shù)據(jù)庫，親手訓練的系統(tǒng)或許某天會讓自己失業(yè)。

這是一個關于生存與算計的故事。一邊是現(xiàn)實的生計壓力，一邊是看不見的未來風險。在這場數(shù)據(jù)“淘金熱”里，誰才是真正的贏家？

01 人類將生活拆分“零售”

27歲的南非青年雅各布斯·洛烏每天出門喂海鷗時，都會拍下自己的腳步和沿途風景，上傳到Kled AI——一個花錢收集用戶數(shù)據(jù)以訓練AI模型的應用。一段十幾秒的“城市導航”視頻，能換14美元。

22歲的印度學生薩希爾·蒂加賺錢方式更簡單：讓手機麥克風一直開著。他通過Silencio應用允許對方訪問麥克風，捕捉餐廳嘈雜、路口車流聲。為多賺錢，他甚至專門去酒店大堂錄制未被采集過的環(huán)境音，一個月能賺100多美元，足夠覆蓋月開銷。

18歲的芝加哥焊接學徒拉梅利奧·希爾選擇出售更私密的內容，包括與朋友家人的通話記錄，賣給Neon Mobile平臺，每分鐘價值0.5美元。

AI零工訓練員上傳的內容五花八門，他們站在這場全球數(shù)據(jù)淘金熱的最前沿。

這些零工的工作遠不止于此。

在洛杉磯，從圣莫尼卡到洛斯費利茲，數(shù)百人做家務時會把攝像頭綁在頭上和手上。煮咖啡、刷馬桶、澆花、洗碗，一切都被記錄下來。

薩爾瓦多·阿爾西加從Instawork領到頭戴式手機支架，回家對著鏡頭洗碗、擦灶臺，同時用西班牙語或英語解說動作。兩小時錄像，他賺了80美元。

“反正我也得做家務，”他說，“現(xiàn)在做家務還能賺錢。”

02 一切源于AI的數(shù)據(jù)饑荒

這些看似無技術含量的生活碎片之所以值錢，是因為AI快“餓死”了。

像ChatGPT和Gemini這樣的大語言模型，需要海量學習材料才能持續(xù)進步。但目前，C4、RefinedWeb等常用訓練數(shù)據(jù)來源已開始限制AI公司使用其數(shù)據(jù)。

非營利研究機構Epoch AI預測，到2026年，AI公司將耗盡可用于訓練的新鮮文本資源。盡管一些實驗室嘗試讓AI生成數(shù)據(jù)“自學”，但這種做法可能導致模型質量下降，最終走向崩潰。

在此背景下，Kled AI、Silencio等數(shù)據(jù)市場平臺突然走紅。

倫敦國王學院經(jīng)濟學教授鮑克·克萊因·提塞林克指出，零工AI訓練是新興工作類別，規(guī)模將大幅增長。AI公司通過付費獲取用戶授權數(shù)據(jù)，能有效規(guī)避版權糾紛風險——若僅從網(wǎng)上隨意抓取內容，隨時可能面臨官司。

AI研究員韋尼亞明·維塞洛夫斯基也表示：“目前來看，人類數(shù)據(jù)仍是讓AI跳出套路、學習新內容的最佳來源?！?/p>

簡單來說：機器學得再快，終究離不開真實人類數(shù)據(jù)。這一點在物理世界表現(xiàn)得尤為明顯。

Universal Robots的AI機器人產品副總裁安德斯·貝克指出，AI實驗室收集的訓練數(shù)據(jù)大多不適合真實場景部署，且僅靠視覺反饋，機器人無法學會“動手”任務。要讓機器人掌握開門、洗碗、疊衣服等技能，必須依靠真實人類在現(xiàn)實環(huán)境中反復演示。

CB Insights洞察主管杰森·薩爾茨曼總結道：“模型目前無法自主判斷對錯、厘清真實情況，這些都得靠人類教導?！?/p>

正因如此，一些國家已建起專門的“手臂農場”——在固定設施中，大量人員錄制開門、疊衣服等任務的第一人稱視頻，為AI提供真實操作示范。

阿爾西加錄制了自己往洗衣機放衣服的過程，這是他零工任務的一部分。

數(shù)據(jù)顯示，像Sunain這樣的人類數(shù)據(jù)采集公司，在洛杉磯有超過1400名貢獻者，分布從西部卡爾弗城到東部帕薩迪納。Sunain聯(lián)合創(chuàng)始人沙赫巴茲·馬格西稱，洛杉磯的住宅類型、生活方式和人群多樣性“無與倫比”。

CB Insights預測，到2030年，全球數(shù)據(jù)收集和標注市場規(guī)?；蜻_170億美元。高盛則預測，到2035年，人形機器人市場規(guī)模或達380億美元。

正是看到這些前景，資本開始瘋狂涌入。

舊金山公司Encord去年物理AI業(yè)務收入增長十倍，今年2月獲6000萬美元融資。Meta支持的Scale AI已收集10萬小時機器人視頻。其競爭對手Micro1在60個國家雇了1000人，專門錄制家務視頻。

03 沒有隱私，也無后悔藥

對參與AI數(shù)據(jù)喂養(yǎng)項目的人而言，錢并非白拿。

希爾對這段經(jīng)歷心情復雜。他在Neon Mobile賣了11小時通話，賺了300美元，但應用常掉線，提現(xiàn)也難即時到賬?！癗eon一直讓我覺得可疑，”他說，“但我一直用它賺點輕松外快?！?/p>

很快，麻煩來了。

2025年9月，Neon Mobile推出僅幾周，TechCrunch就曝出安全漏洞：任何人可在網(wǎng)上直接訪問用戶電話號碼、通話錄音和文字記錄。希爾稱，Neon從未通知過他，現(xiàn)在他擔心自己的聲音會被如何使用。

這還不是最糟的。

紐約演員亞當·科伊2024年把肖像賣給AI視頻編輯器Captions（現(xiàn)名Mirage），價格1000美元。他在合同中加了諸多保護條款：不能用其形象涉及政治，不能推銷酒、煙草或色情內容，授權一年后失效。

可沒多久，朋友開始轉發(fā)網(wǎng)上瘋傳的視頻給他。畫面里，他的臉、聲音正推銷一種未經(jīng)證實的孕婦保健品。

“跟別人解釋這件事讓我特別尷尬，”科伊說，“那些評論讀起來很奇怪，因為他們評論的是我的外表，但那根本不是真正的我?！?/p>

更讓科伊難受的是，當時他賣肖像的想法——反正大部分模型會從網(wǎng)上抓取數(shù)據(jù)和肖像，不如自己賺錢?，F(xiàn)在回頭看，這像個笑話。此后，他再也沒碰過這類平臺。

倫敦大學城市圣喬治分校法學教授恩里科·博納迪奧指出，很多平臺的協(xié)議條款幾乎允許“永久性地對這些材料做任何事，且無需再付費”。而貢獻者“幾乎沒有切實可行的方式撤回同意或重新談判”。

更可怕的是，即便平臺聲稱會做“去標識化”處理，聲音、面容等生物特征本質上很難真正匿名。

04 全權許可的合同陷阱

你或許以為只是“租”出幾段錄音，但合同小字里可能藏著更大的坑。

用戶在Neon Mobile或Kled AI分享數(shù)據(jù)時，授予的是“全權許可”——全球范圍、排他性、不可撤銷、可轉讓、免版稅。也就是說，平臺可永久銷售、使用、公開展示、存儲肖像，甚至創(chuàng)作“衍生作品”。

Kled AI創(chuàng)始人阿維·帕特爾辯解說，協(xié)議僅允許用于AI訓練和研究。公司會審查買家，避開“意圖有問題”的行業(yè)和可能濫用數(shù)據(jù)的機構。他稱：“整個業(yè)務依賴用戶信任?！?/p>

但這樣的保障有多可靠？博納迪奧教授指出，合同允許平臺和客戶“做幾乎任何事情”。

更麻煩的是，數(shù)據(jù)賣出后，你根本不知其流向。斯坦福大學以人為本AI研究所的數(shù)據(jù)隱私研究員詹妮弗·金說，這些平臺未明確說明數(shù)據(jù)的用途和使用地點。消費者“面臨數(shù)據(jù)被以不喜歡、不理解或未預料的方式重新利用的風險，且?guī)缀鯖]有追索權”。

學者勞拉·基特爾的經(jīng)歷更典型。她在找非營利組織和政府機構的工作時，朋友推薦了Mercor。合同發(fā)來后，她仔細查看，條款要求授予免版稅權利，允許使用她現(xiàn)有和未來的學術論文，以及任何可能對未指明客戶有利的知識產權。

“我覺得這太過分了，”她說。

她想修改合同，結果一個叫“梅爾文”的AI助手回復郵件：改不了，不接受可以離開。

Mercor后來解釋，合同僅適用于貢獻者在項目過程中選擇使用的自己的創(chuàng)作，未使用的不受約束。但對基特爾而言，那種不好的感覺已無法釋懷。

05 誰是真正的贏家？

牛津大學互聯(lián)網(wǎng)地理學教授馬克·格雷厄姆是《喂養(yǎng)機器》一書的作者。他承認，對發(fā)展中國家的人來說，這筆錢短期內確實有用，但他警告：“從結構上看，這種工作不穩(wěn)定、無發(fā)展前景，實際是條死胡同?！?/p>

他稱，AI市場依賴“工資的逐底競爭”和“對人類數(shù)據(jù)的暫時性需求”。

一旦需求改變，“工人們得不到任何保護，學不到可轉移技能，也沒有安全保障”。最終的贏家，是那些“捕獲所有持久價值的北半球平臺”。

換句話說，零工們今天賺的每一分錢，都在幫助AI變得更強、更聰明。而當AI足夠強大時，這些訓練它的人，可能恰恰是最早被替代的一批。

正如DoorDash Tasks總經(jīng)理伊?！け鹊偎f：“這些是我們十多年來一直在解決的現(xiàn)實世界問題，我們意識到，曾幫助我們的能力也可以幫助其他企業(yè)。”

DoorDash們正在做的，是把配送員的勞動經(jīng)驗轉化為數(shù)據(jù)資產，賣給任何需要訓練AI的企業(yè)。

優(yōu)步也在做同樣的事。

去年10月，優(yōu)步在司機應用中增加數(shù)字任務類別，讓司機上傳餐廳菜單、錄制多語言音頻樣本。其Uber AI Solutions部門已擴展到30個國家，提供標注、翻譯和模型訓練服務。

兩家公司走的都是Scale AI開創(chuàng)的路子：用分布式遠程工作者創(chuàng)建新數(shù)據(jù)集、驗證AI輸出。只不過，優(yōu)步和DoorDash手里多了幾百萬個可直接派往現(xiàn)實世界任何角落的人。

阿爾西加的朋友曾質問他：“好吧，你就是問題所在。”朋友的意思是，他正在教AI做只有人類才能做的事，不是在幫倒忙嗎？

阿爾西加回答：新技術總會帶來恐懼和變革，但也創(chuàng)造了新工作類型，比如他最新的這份零工。“人們仍然需要人，”他說。

問題是，當AI連“人”都不需要時，這份需要還會存在嗎？

本文來自微信公眾號“騰訊科技”，作者：值得關注的，36氪經(jīng)授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com