機械人企業正競相收集工人們縫製鞋子、焊接鋼材等手工工作過程中的影片，讓機械人掌握新的技能。

撰文：Saritha Rai 編輯：黃鸝、范榮靖


▲在新德里，一批女性工人將手機鏡頭固定在額頭上，對塑料包裝進行分類並拆掉標籤
在新德里（New Delhi）西部邊緣的卡蘭維哈爾，拉托爾（Sunita Rathore）坐在堆積如山的廢料上，這個廢料回收區的巷道狹窄，連兩輛車都無法並行通過，兩側還環繞著露天排水渠。

這位43歲的女性身穿花卉圖案的紗麗，戴著綠色玻璃手鈪，多年來一直從事分揀和清潔廢料的工作，每月收入約2萬盧比（約211美元）。今天，她還戴著一件不同尋常的東西—一部固定在頭上的iPhone，鏡頭調整得恰好捕捉她雙手的一舉一動：用刀片割掉膠袋上的標籤，按照等級把送去再加工的袋子分別堆放起來。她一直向前傾身，以免讓雙腿進入畫面，要是有人喊她，她就會關掉鏡頭，因為禁止拍攝人臉。

拉托爾並不知道這些影片素材的用途，也不清楚自己的工作對人工智能（AI）和機械人技術的未來至關重要。

她只知道，戴上這個設備，每小時能多賺150盧比，而在二十年的工作生涯中，她第一次開始為四個孩子的學業存錢。

「這就是我每天工作八九個小時的原因，」她面帶微笑地說，忍受著德里接近攝氏38度的高溫。她的這筆意外之財，背後是當今世界正在展開的一場頗為奇特的產業動力。

從德里的廢料回收區到班加羅爾的牛仔布工廠，從漁村到全國各地的建築工地，數以萬計的印度工人正在被招募，以第一視角細緻地記錄下人類如何使用雙手。這些影片素材將被輸入正在開發的AI系統，用於訓練機械人如何完成工作。從某種意義上說，這些工人正在編寫讓自己的工作消亡的操作手冊。

多年來，人形機械人在受控環境中的表現令人驚嘆—按照編排的舞蹈動作起舞，以超乎常人的速度跑完半程馬拉松。但在真實環境中，它們卻舉步維艱：在倉庫裡伸手拿箱子時臉朝下跌倒，剛見到原本要對他們印象深刻的人就翻倒在地。網絡爆紅的影片與真正能工作的機械人之間的差距，正是科技行業稱為「具身智能」面臨的核心未解難題。

要讓機械人變得智能，問題不在於硬件或算法，而在於數據。與物理世界互動的機器需要的數據，不同於OpenAI等公司用於訓練GPT等大語言模型（LLM）所使用的文本、圖片和影片。它們需要的是人類進行折疊、焊接、繫鞋帶和堆疊等操作的真實影片素材。這類日常的第一視角影片過去就一直稀缺，因為無人關注，而現在情況發生了變化。

「整個行業正在追逐屬於自己的分水嶺時刻，一次足以重新定義具可能性的突破，」華盛頓布魯金斯學會研究員陳凱欣（Kyle Chan）說，他長期追蹤中國科技與產業政策，「這樣的飛躍能讓機器從昂貴的展示品轉變為真正能做實事的機器。」

這掀起了全球領先的機械人製造商之間的競賽，包括美國的Tesla、Figure AI和 Agility Robotics，以及中國的宇樹科技、智元機器人和優必選科技等，都在爭相收集所需的錄製影片來訓練自己的機械人。與OpenAI和Anthropic主要利用現有數據構建其AI模型不同，機械人領域的先行者需要親自製作新影片，或者尋找願意完成這一任務的合作夥伴。