Human Archive联动印度零工经济 破解实体AI训练数据缺口

由加州大学伯克利分校、斯坦福大学研究人员联合创立的AI数据服务商Human Archive，近期推出面向印度零工群体的数据采集计划，通过向佩戴带摄像头智能帽、多维度传感设备的零工支付报酬，收集真实场景下的物理交互数据，为全球AI及机器人实验室提供实体AI训练所需的核心数据集，填补当前实体AI领域优质训练数据的供给空白。

当前全球具身智能、实体机器人赛道的融资规模已经连续8个季度保持同比30%以上的增长，但行业共识的最大瓶颈早已不是算力或算法迭代，而是能够还原真实世界交互逻辑的优质训练数据——和大语言模型可以爬取公开互联网内容不同，实体AI需要的是大量第一视角下人类操作不同物体、应对不同场景的动态物理数据，这类数据的供给缺口目前已达到数十PB量级。

此前大部分AI实验室的实体交互数据要么来自实验室固定场景的动捕采集，要么来自公开数据集的二手内容，前者场景过于理想化，无法适配复杂的真实环境，后者则普遍缺少动作力度、环境参数等关键维度的标注，直接用来训练机器人往往会出现“只会模仿动作、不会应对变化”的问题。包括特斯拉Optimus、波士顿动力Atlas在内的头部人形机器人团队，都曾公开表示优质实体交互数据的采购成本已经超过算力成本，成为训练阶段的最大支出项。

Human Archive给出的解决方案，是把数据采集的主体下沉到日常参与各类实体劳动的零工群体。之所以选择印度作为首个落地市场，核心原因是当地拥有规模超1.2亿的活跃零工群体，覆盖外卖配送、家政服务、流水线作业、农林牧渔等几乎所有实体AI未来的落地场景，且零工群体对额外收入的接受度更高。

该公司为参与计划的零工免费提供轻量化采集设备：一枚搭载120度广角摄像头的智能帽，以及佩戴在手腕、脚踝处的低功耗传感设备，能够全程记录零工工作过程中的第一视角画面、动作轨迹、发力力度等多维度数据。零工只需要在日常工作时佩戴设备，不需要额外付出劳动，每月最多可获得300美元的额外报酬，相当于当地普通零工月收入的40%。