Dette er den ufortalte historien bak boomen for menneskelignende roboter – en massiv, lavkost datapipeline bygget på arbeidskraften til tusenvis av mennesker som ofte ikke aner hvem som til slutt vil se opptakene deres.

Slik fungerer det: Mennesker som datainnsamlere

I motsetning til AI-modeller som lærer fra tekst, trenger roboter å se hvordan menneskehender faktisk beveger seg, griper og samhandler med objekter i den virkelige verden. Datasimuleringer alene kan ikke lære en robot å brette klær uten å ødelegge dem, eller å navigere i et rotete kjøkken . For å bygge bro over gapet, har selskaper utviklet en ny type gig-jobb:

• Micro1, et oppstartsselskap i Palo Alto, har rekruttert omtrent 4000 «robotikk-generalister» i 71 land. Arbeidere monterer en iPhone på hodet med en stropp og filmer koreograferte oppgaver som matlaging, rengjøring, hagearbeid og dyrepleie. Micro1 betaler omtrent 15 dollar i timen i enkelte markeder (Nigeria, USA), og arbeiderne leverer til sammen over 160 000 timer video per måned .
• Objectways har også rekruttert tusenvis av arbeidere i over 50 land, og bruker både hodemonterte kameraer og bevegelsessporingshansker .
• Instawork lanserte i juni 2026 et system kalt Instacore – en bærbar enhet med fem kroppsmonterte kameraer koblet til en data-ryggsekk – som gjør sine gig-arbeidere til robot-treningsdatainnsamlere på arbeidsplasser som kommersielle kjøkken og varehus .
• Human Archive, et Y Combinator-støttet oppstartsselskap, betaler indiske arbeidere for å bruke kamera-utstyrte capser og taktile hansker. Over 1000 aktive sensor-headset er i bruk i hjemmetjenester, hoteller og restauranter .
• World Context, et pakistansk oppstartsselskap grunnlagt i 2025, filmer fabrikkarbeidere med proprietære sensorer og hodemonterte kameraer, og selger industrielle treningsdatasett til amerikanske og kinesiske robottbedrifter .
• DoorDash lanserte i mars 2026 DoorDash Tasks, en app som betaler 8 millioner amerikanske DoorDash-bud for å filme daglige gjøremål for robot-treningsdata .

Hvem kjøper dataene: Tesla, Figure AI og Agility Robotics

Førstepersonsvideoen som samles inn av gig-arbeidere, brukes til å trene menneskelignende roboter fra Tesla (Optimus), Figure AI og Agility Robotics, blant andre . Figure AI har spesielt økt produksjonen dramatisk. Administrerende direktør Brett Adcock har delt at selskapet produserte omtrent 150 enheter i april 2026 – en økning muliggjort av menneskelige demonstrasjonsdata fra den virkelige verden .

Tallene er svimlende

Omfanget av datapipelinen er enormt og vokser:

• Micro1 alene: ~4000 bidragsytere, 71 land, over 160 000 timer video per måned .
• JD.com (Kina): Samarbeider med byen Suqian for å generere 10 millioner timer robot-treningsdata over to år .
• Globalt marked: Markedet for infrastruktur for treningsdata for menneskelignende roboters grunnmodeller ble verdsatt til 1,5 milliarder dollar i 2025 og forventes å nå 62,8 milliarder dollar innen 2034 (en årlig vekst på 56 %) .
• Investering: Over 6 milliarder dollar strømmet inn i menneskelignende robotikk i 2025 (Tesla Optimus, Figure AI, 1X, Agility Robotics), noe som skapte en nesten umettelig etterspørsel etter treningsdata fra den virkelige verden .
• Venture-estimater: Bessemer Venture Partners anslår at totale kostnader for robot-data vil overstige 3 milliarder dollar innen 2030 .

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

Det er en markant lønnsforskjell i denne globale arbeidsstyrken:

• Nigeria/USA-markedet: Arbeidere får omtrent 15 dollar i timen (f.eks. Micro1-bidragsytere som filmer med iPhone) .
• India: Arbeidere får omtrent 250 rupi per time, det vil si omtrent 2,60 dollar i timen – omtrent en sjettedel av hva kolleger i Nigeria eller USA tjener for samme type arbeid .

Personvern- og arbeidslivsbekymringer

Den raske veksten i denne bransjen har reist alvorlige etiske spørsmål:

• Mangel på åpenhet: Mange arbeidere får ikke vite hvilke selskaper som til slutt vil bruke opptakene deres. Micro1 selger datasett til utviklere av menneskelignende roboter, men enkeltarbeidere vet ofte ikke hvem sluttkjøperen er .
• Opptak av familiemedlemmer: Arbeidere filmer i egne hjem, noe som betyr at ektefeller, barn og private oppholdsrom ofte blir fanget opp på video. Opptakene lagres og brukes til AI-trening med begrenset klarhet om lagrings- eller slettingsrutiner .
• Manglende informert samtykke: Kritikere hevder at gig-arbeidere i lavinntektsland kanskje ikke fullt ut forstår hvordan bevegelsesdataene deres vil bli brukt – eller at de trener roboter som til slutt kan erstatte lignende menneskelig arbeidskraft .

Det globale kappløpet: Kinas statlig støttede datasentre

Etterspørselen etter data til fysisk AI er ikke begrenset til private selskaper. Kina har gjort det til en nasjonal prioritet og bygger statlig støttet infrastruktur i stor skala:

• Beijing Innovation Center of Humanoid Robotics driver en AI-robotdata- og treningsbase med dusinvis av simulerte virkelighetsscenarier, som kan generere mer enn 500 timer data per dag .
• I mai 2026 ble National Pilot Base for Embodied AI Applications innviet. Den trener over 140 roboter i over 40 jobbrettede scenarier, inkludert kjøkken, varehus og gårder .
• Et dedikert Humanoid Robot Data Training Center i Beijing-distriktet Shijingshan, med et budsjett på 30 millioner dollar, begynte å trene 100 menneskelignende roboter i oktober 2025 .
• Nesten 100 datasentre for fysisk AI er bygget i kinesiske byer, støttet av lokal statlig kapital og teknologikonglomerater, noe som gjør dem til noen av de mest aktive robotkjøperne på markedet i dag .

Hovedpoenget

Praksisen med å bruke lavkostnads gig-arbeidere som «menneskelige sensorer» har blitt ryggraden i treningen av menneskelignende roboter i 2026. Selv om det genererer enorme datasett til en brøkdel av kostnaden for tradisjonell fjernstyring, reiser det ubehagelige spørsmål om arbeidsutnyttelse, informert samtykke og personvern – spesielt ettersom arbeidere i India tjener en brøkdel av hva kollegene deres i andre land tjener for identisk arbeid, ofte uten å vite hvem som ser opptakene deres.

Dette er den ufortalte historien bak boomen for menneskelignende roboter – en massiv, lavkost datapipeline bygget på arbeidskraften til tusenvis av mennesker som ofte ikke aner hvem som til slutt vil se opptakene deres.

Slik fungerer det: Mennesker som datainnsamlere

I motsetning til AI-modeller som lærer fra tekst, trenger roboter å se hvordan menneskehender faktisk beveger seg, griper og samhandler med objekter i den virkelige verden. Datasimuleringer alene kan ikke lære en robot å brette klær uten å ødelegge dem, eller å navigere i et rotete kjøkken . For å bygge bro over gapet, har selskaper utviklet en ny type gig-jobb:

• Micro1, et oppstartsselskap i Palo Alto, har rekruttert omtrent 4000 «robotikk-generalister» i 71 land. Arbeidere monterer en iPhone på hodet med en stropp og filmer koreograferte oppgaver som matlaging, rengjøring, hagearbeid og dyrepleie. Micro1 betaler omtrent 15 dollar i timen i enkelte markeder (Nigeria, USA), og arbeiderne leverer til sammen over 160 000 timer video per måned .
• Objectways har også rekruttert tusenvis av arbeidere i over 50 land, og bruker både hodemonterte kameraer og bevegelsessporingshansker .
• Instawork lanserte i juni 2026 et system kalt Instacore – en bærbar enhet med fem kroppsmonterte kameraer koblet til en data-ryggsekk – som gjør sine gig-arbeidere til robot-treningsdatainnsamlere på arbeidsplasser som kommersielle kjøkken og varehus .
• Human Archive, et Y Combinator-støttet oppstartsselskap, betaler indiske arbeidere for å bruke kamera-utstyrte capser og taktile hansker. Over 1000 aktive sensor-headset er i bruk i hjemmetjenester, hoteller og restauranter .
• World Context, et pakistansk oppstartsselskap grunnlagt i 2025, filmer fabrikkarbeidere med proprietære sensorer og hodemonterte kameraer, og selger industrielle treningsdatasett til amerikanske og kinesiske robottbedrifter .
• DoorDash lanserte i mars 2026 DoorDash Tasks, en app som betaler 8 millioner amerikanske DoorDash-bud for å filme daglige gjøremål for robot-treningsdata .

Hvem kjøper dataene: Tesla, Figure AI og Agility Robotics

Førstepersonsvideoen som samles inn av gig-arbeidere, brukes til å trene menneskelignende roboter fra Tesla (Optimus), Figure AI og Agility Robotics, blant andre . Figure AI har spesielt økt produksjonen dramatisk. Administrerende direktør Brett Adcock har delt at selskapet produserte omtrent 150 enheter i april 2026 – en økning muliggjort av menneskelige demonstrasjonsdata fra den virkelige verden .

Tallene er svimlende

Omfanget av datapipelinen er enormt og vokser:

• Micro1 alene: ~4000 bidragsytere, 71 land, over 160 000 timer video per måned .
• JD.com (Kina): Samarbeider med byen Suqian for å generere 10 millioner timer robot-treningsdata over to år .
• Globalt marked: Markedet for infrastruktur for treningsdata for menneskelignende roboters grunnmodeller ble verdsatt til 1,5 milliarder dollar i 2025 og forventes å nå 62,8 milliarder dollar innen 2034 (en årlig vekst på 56 %) .
• Investering: Over 6 milliarder dollar strømmet inn i menneskelignende robotikk i 2025 (Tesla Optimus, Figure AI, 1X, Agility Robotics), noe som skapte en nesten umettelig etterspørsel etter treningsdata fra den virkelige verden .
• Venture-estimater: Bessemer Venture Partners anslår at totale kostnader for robot-data vil overstige 3 milliarder dollar innen 2030 .

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

Det er en markant lønnsforskjell i denne globale arbeidsstyrken:

• Nigeria/USA-markedet: Arbeidere får omtrent 15 dollar i timen (f.eks. Micro1-bidragsytere som filmer med iPhone) .
• India: Arbeidere får omtrent 250 rupi per time, det vil si omtrent 2,60 dollar i timen – omtrent en sjettedel av hva kolleger i Nigeria eller USA tjener for samme type arbeid .

Personvern- og arbeidslivsbekymringer

Den raske veksten i denne bransjen har reist alvorlige etiske spørsmål:

• Mangel på åpenhet: Mange arbeidere får ikke vite hvilke selskaper som til slutt vil bruke opptakene deres. Micro1 selger datasett til utviklere av menneskelignende roboter, men enkeltarbeidere vet ofte ikke hvem sluttkjøperen er .
• Opptak av familiemedlemmer: Arbeidere filmer i egne hjem, noe som betyr at ektefeller, barn og private oppholdsrom ofte blir fanget opp på video. Opptakene lagres og brukes til AI-trening med begrenset klarhet om lagrings- eller slettingsrutiner .
• Manglende informert samtykke: Kritikere hevder at gig-arbeidere i lavinntektsland kanskje ikke fullt ut forstår hvordan bevegelsesdataene deres vil bli brukt – eller at de trener roboter som til slutt kan erstatte lignende menneskelig arbeidskraft .

Det globale kappløpet: Kinas statlig støttede datasentre

Etterspørselen etter data til fysisk AI er ikke begrenset til private selskaper. Kina har gjort det til en nasjonal prioritet og bygger statlig støttet infrastruktur i stor skala:

• Beijing Innovation Center of Humanoid Robotics driver en AI-robotdata- og treningsbase med dusinvis av simulerte virkelighetsscenarier, som kan generere mer enn 500 timer data per dag .
• I mai 2026 ble National Pilot Base for Embodied AI Applications innviet. Den trener over 140 roboter i over 40 jobbrettede scenarier, inkludert kjøkken, varehus og gårder .
• Et dedikert Humanoid Robot Data Training Center i Beijing-distriktet Shijingshan, med et budsjett på 30 millioner dollar, begynte å trene 100 menneskelignende roboter i oktober 2025 .
• Nesten 100 datasentre for fysisk AI er bygget i kinesiske byer, støttet av lokal statlig kapital og teknologikonglomerater, noe som gjør dem til noen av de mest aktive robotkjøperne på markedet i dag .

Hovedpoenget

Praksisen med å bruke lavkostnads gig-arbeidere som «menneskelige sensorer» har blitt ryggraden i treningen av menneskelignende roboter i 2026. Selv om det genererer enorme datasett til en brøkdel av kostnaden for tradisjonell fjernstyring, reiser det ubehagelige spørsmål om arbeidsutnyttelse, informert samtykke og personvern – spesielt ettersom arbeidere i India tjener en brøkdel av hva kollegene deres i andre land tjener for identisk arbeid, ofte uten å vite hvem som ser opptakene deres.