Det her er den ufortalte historie bag boomet af humanoide robotter – en omfattende, billig data-pipeline bygget på arbejdskraften fra tusindvis af mennesker, der ofte ikke aner, hvem der i sidste ende kommer til at se deres optagelser.

Sådan fungerer det: Mennesker som datasamlere

I modsætning til AI-modeller, der lærer fra tekst, har robotter brug for at se, hvordan menneskehænder rent faktisk bevæger sig, griber og interagerer med genstande i den virkelige verden. Computersimulationer alene kan ikke lære en robot at folde tøj uden at ødelægge det eller at navigere i et rodet køkken . For at bygge bro over dette gab er virksomheder begyndt at udbyde en ny type gig-job:

• Micro1, en startup fra Palo Alto, har rekrutteret omkring 4.000 'robot-generalister' i 71 lande. Arbejderne monterer iPhones på hovedet med en rem og filmer koreograferede opgaver som madlavning, rengøring, havearbejde og pleje af kæledyr. Micro1 betaler cirka 15 dollar i timen på nogle markeder (Nigeria, USA), og medarbejderne leverer samlet set over 160.000 timers video om måneden .
• Objectways har ligeledes rekrutteret tusindvis af arbejdere i over 50 lande, der bruger både bærbare kameraer og bevægelsessporingshandsker .
• Instawork lancerede i juni 2026 et system kaldet Instacore – en bærbar enhed med fem kropsmonterede kameraer forbundet til en computer-rygsæk – og forvandlede dermed sine eksisterende gig-medarbejdere til robottrænings-dataindsamlere på arbejdspladser som storkøkkener og lagre .
• Human Archive, en Y Combinator-støttet startup, betaler indiske arbejdere for at bære kamerakasketter og taktile handsker. Virksomheden har over 1.000 aktive sensor-headsets installeret i hjemmeservice, hoteller og restauranter .
• World Context, en pakistansk startup grundlagt i 2025, optager fabriksarbejdere, der bruger proprietære sensorer og hovedmonterede kameraer, og sælger industrielle træningsdatasæt til amerikanske og kinesiske robotvirksomheder .
• DoorDash lancerede i marts 2026 DoorDash Tasks, en app, der betaler 8 millioner amerikanske 'Dashers' for at optage daglige huslige pligter som træningsdata til robotter .

Hvem køber dataene: Tesla, Figure AI og Agility Robotics

De førstepersonsoptagelser, som gig-medarbejderne indsamler, bliver brugt til at træne humanoide robotter fra Tesla (Optimus), Figure AI og Agility Robotics . Figure AI har især øget produktionen markant. CEO Brett Adcock oplyste, at virksomheden fremstillede cirka 150 enheder i april 2026 – en stigning, der blev muliggjort af virkelige menneskelige demonstrationsdata .

Tallene er svimlende

Omfanget af data-pipelinen er enormt og voksende:

• Micro1 alene: ~4.000 bidragydere, 71 lande, over 160.000 timers video om måneden .
• JD.com (Kina): Samarbejder med byen Suqian om at generere 10 millioner timer robot-træningsdata over to år .
• Globalt marked: Markedet for træningsdata-infrastruktur til humanoide robotter blev vurderet til 1,5 milliarder dollar i 2025 og forventes at nå 62,8 milliarder dollar i 2034 (en årlig vækst på 56%) .
• Investeringer: Over 6 milliarder dollar strømmede ind i humanoide robotter i 2025 (Tesla Optimus, Figure AI, 1X, Agility Robotics), hvilket skabte en næsten umættelig efterspørgsel efter virkelige træningsdata .
• Venture-estimater: Bessemer Venture Partners forventer, at de samlede omkostninger til robotdata vil overstige 3 milliarder dollar i 2030 .

Lønforskellen: 15 dollar i timen vs. 2,60 dollar i timen

Der er en skæv lønforskel i denne globale arbejdsstyrke:

• Nigeria / USA-markedet: Arbejderne får cirka 15 dollar i timen (f.eks. Micro1-bidragydere, der optager med iPhones) .
• Indien: Arbejderne får cirka 250 rupees i timen, svarende til omkring 2,60 dollar i timen – cirka en sjettedel af, hvad kolleger i Nigeria eller USA tjener for samme type arbejde .

Bekymringer om privatliv og arbejdskraft

Den hastige vækst i denne industri har rejst alvorlige etiske spørgsmål:

• Manglende gennemsigtighed: Mange arbejdere får ikke at vide, hvilke virksomheder der i sidste ende bruger deres optagelser. Micro1 sælger datasæt til udviklere af humanoide robotter, men de enkelte medarbejdere kender ofte ikke slutbrugeren .
• Optagelse af familiemedlemmer: Arbejderne filmer i deres egne hjem, hvilket betyder, at ægtefæller, børn og private opholdsrum ofte bliver optaget. Optagelserne bliver derefter opbevaret og brugt til AI-træning uden klarhed omkring opbevarings- eller sletningspolitikker .
• Huller i informeret samtykke: Kritikere hævder, at gig-medarbejdere i lavindkomstlande måske ikke fuldt ud forstår, hvordan deres bevægelsesdata bliver brugt – eller at de er ved at træne de robotter, der i sidste ende kan erstatte lignende menneskelig arbejdskraft .

Det globale kapløb: Kinas statsstøttede datacentre

Efterspørgslen efter 'embodied AI'-data er ikke begrænset til private virksomheder. Kina har gjort det til en national prioritet og bygger statsstøttet infrastruktur i stor skala:

• Beijing Innovation Center of Humanoid Robotics driver en 'embodied AI'-robotdata- og træningsbase med snesevis af simulerede virkelighedsnære scenarier, der kan generere mere end 500 timers data om dagen .
• I maj 2026 blev National Pilot Base for Embodied AI Applications indviet. Her trænes over 140 robotter i mere end 40 joborienterede scenarier, herunder køkkener, lagre og gårde .
• Et dedikeret Humanoid Robot Data Training Center i Beijings Shijingshan-distrikt, med et budget på 30 millioner dollar, begyndte i oktober 2025 at træne 100 humanoide robotter .
• Næsten 100 'embodied AI'-dataindsamlingscentre er blevet bygget i kinesiske byer, støttet af lokal statslig kapital og teknologikonglomerater, hvilket gør dem til nogle af de mest aktive robotkøbere på markedet i dag .

Bundlinjen

Praksissen med at bruge lavtlønnede globale gig-medarbejdere som 'menneskelige sensorer' er blevet rygraden i træningen af humanoide robotter i 2026. Selvom det genererer enorme datasæt til en brøkdel af prisen for traditionel teleoperation, rejser det ubehagelige spørgsmål om arbejdskraftudnyttelse, informeret samtykke og privatliv – især fordi arbejdere i Indien tjener en brøkdel af, hvad deres kolleger i andre lande tjener for identisk arbejde, ofte uden at vide, hvem der ser deres optagelser.

Det her er den ufortalte historie bag boomet af humanoide robotter – en omfattende, billig data-pipeline bygget på arbejdskraften fra tusindvis af mennesker, der ofte ikke aner, hvem der i sidste ende kommer til at se deres optagelser.

Sådan fungerer det: Mennesker som datasamlere

I modsætning til AI-modeller, der lærer fra tekst, har robotter brug for at se, hvordan menneskehænder rent faktisk bevæger sig, griber og interagerer med genstande i den virkelige verden. Computersimulationer alene kan ikke lære en robot at folde tøj uden at ødelægge det eller at navigere i et rodet køkken . For at bygge bro over dette gab er virksomheder begyndt at udbyde en ny type gig-job:

• Micro1, en startup fra Palo Alto, har rekrutteret omkring 4.000 'robot-generalister' i 71 lande. Arbejderne monterer iPhones på hovedet med en rem og filmer koreograferede opgaver som madlavning, rengøring, havearbejde og pleje af kæledyr. Micro1 betaler cirka 15 dollar i timen på nogle markeder (Nigeria, USA), og medarbejderne leverer samlet set over 160.000 timers video om måneden .
• Objectways har ligeledes rekrutteret tusindvis af arbejdere i over 50 lande, der bruger både bærbare kameraer og bevægelsessporingshandsker .
• Instawork lancerede i juni 2026 et system kaldet Instacore – en bærbar enhed med fem kropsmonterede kameraer forbundet til en computer-rygsæk – og forvandlede dermed sine eksisterende gig-medarbejdere til robottrænings-dataindsamlere på arbejdspladser som storkøkkener og lagre .
• Human Archive, en Y Combinator-støttet startup, betaler indiske arbejdere for at bære kamerakasketter og taktile handsker. Virksomheden har over 1.000 aktive sensor-headsets installeret i hjemmeservice, hoteller og restauranter .
• World Context, en pakistansk startup grundlagt i 2025, optager fabriksarbejdere, der bruger proprietære sensorer og hovedmonterede kameraer, og sælger industrielle træningsdatasæt til amerikanske og kinesiske robotvirksomheder .
• DoorDash lancerede i marts 2026 DoorDash Tasks, en app, der betaler 8 millioner amerikanske 'Dashers' for at optage daglige huslige pligter som træningsdata til robotter .

Hvem køber dataene: Tesla, Figure AI og Agility Robotics

De førstepersonsoptagelser, som gig-medarbejderne indsamler, bliver brugt til at træne humanoide robotter fra Tesla (Optimus), Figure AI og Agility Robotics . Figure AI har især øget produktionen markant. CEO Brett Adcock oplyste, at virksomheden fremstillede cirka 150 enheder i april 2026 – en stigning, der blev muliggjort af virkelige menneskelige demonstrationsdata .

Tallene er svimlende

Omfanget af data-pipelinen er enormt og voksende:

• Micro1 alene: ~4.000 bidragydere, 71 lande, over 160.000 timers video om måneden .
• JD.com (Kina): Samarbejder med byen Suqian om at generere 10 millioner timer robot-træningsdata over to år .
• Globalt marked: Markedet for træningsdata-infrastruktur til humanoide robotter blev vurderet til 1,5 milliarder dollar i 2025 og forventes at nå 62,8 milliarder dollar i 2034 (en årlig vækst på 56%) .
• Investeringer: Over 6 milliarder dollar strømmede ind i humanoide robotter i 2025 (Tesla Optimus, Figure AI, 1X, Agility Robotics), hvilket skabte en næsten umættelig efterspørgsel efter virkelige træningsdata .
• Venture-estimater: Bessemer Venture Partners forventer, at de samlede omkostninger til robotdata vil overstige 3 milliarder dollar i 2030 .

Lønforskellen: 15 dollar i timen vs. 2,60 dollar i timen

Der er en skæv lønforskel i denne globale arbejdsstyrke:

• Nigeria / USA-markedet: Arbejderne får cirka 15 dollar i timen (f.eks. Micro1-bidragydere, der optager med iPhones) .
• Indien: Arbejderne får cirka 250 rupees i timen, svarende til omkring 2,60 dollar i timen – cirka en sjettedel af, hvad kolleger i Nigeria eller USA tjener for samme type arbejde .

Bekymringer om privatliv og arbejdskraft

Den hastige vækst i denne industri har rejst alvorlige etiske spørgsmål:

• Manglende gennemsigtighed: Mange arbejdere får ikke at vide, hvilke virksomheder der i sidste ende bruger deres optagelser. Micro1 sælger datasæt til udviklere af humanoide robotter, men de enkelte medarbejdere kender ofte ikke slutbrugeren .
• Optagelse af familiemedlemmer: Arbejderne filmer i deres egne hjem, hvilket betyder, at ægtefæller, børn og private opholdsrum ofte bliver optaget. Optagelserne bliver derefter opbevaret og brugt til AI-træning uden klarhed omkring opbevarings- eller sletningspolitikker .
• Huller i informeret samtykke: Kritikere hævder, at gig-medarbejdere i lavindkomstlande måske ikke fuldt ud forstår, hvordan deres bevægelsesdata bliver brugt – eller at de er ved at træne de robotter, der i sidste ende kan erstatte lignende menneskelig arbejdskraft .

Det globale kapløb: Kinas statsstøttede datacentre

Efterspørgslen efter 'embodied AI'-data er ikke begrænset til private virksomheder. Kina har gjort det til en national prioritet og bygger statsstøttet infrastruktur i stor skala:

• Beijing Innovation Center of Humanoid Robotics driver en 'embodied AI'-robotdata- og træningsbase med snesevis af simulerede virkelighedsnære scenarier, der kan generere mere end 500 timers data om dagen .
• I maj 2026 blev National Pilot Base for Embodied AI Applications indviet. Her trænes over 140 robotter i mere end 40 joborienterede scenarier, herunder køkkener, lagre og gårde .
• Et dedikeret Humanoid Robot Data Training Center i Beijings Shijingshan-distrikt, med et budget på 30 millioner dollar, begyndte i oktober 2025 at træne 100 humanoide robotter .
• Næsten 100 'embodied AI'-dataindsamlingscentre er blevet bygget i kinesiske byer, støttet af lokal statslig kapital og teknologikonglomerater, hvilket gør dem til nogle af de mest aktive robotkøbere på markedet i dag .

Bundlinjen

Praksissen med at bruge lavtlønnede globale gig-medarbejdere som 'menneskelige sensorer' er blevet rygraden i træningen af humanoide robotter i 2026. Selvom det genererer enorme datasæt til en brøkdel af prisen for traditionel teleoperation, rejser det ubehagelige spørgsmål om arbejdskraftudnyttelse, informeret samtykke og privatliv – især fordi arbejdere i Indien tjener en brøkdel af, hvad deres kolleger i andre lande tjener for identisk arbejde, ofte uden at vide, hvem der ser deres optagelser.