To nieopowiedziana historia stojąca za boomem na roboty humanoidalne – ogromny, tani strumień danych zbudowany na pracy tysięcy ludzi, którzy często nie mają pojęcia, kto ostatecznie obejrzy ich nagrania.

Jak to działa: Ludzie jako zbieracze danych

W przeciwieństwie do modeli AI, które uczą się z tekstu, roboty muszą zobaczyć, jak ludzkie dłonie faktycznie się poruszają, chwytają przedmioty i wchodzą z nimi w interakcję w realnym świecie. Same symulacje komputerowe nie wystarczą, aby nauczyć robota składać pranie bez niszczenia go czy poruszać się w zagraconej kuchni . Aby wypełnić tę lukę, firmy tworzą nowy rodzaj zleceń:

• Micro1, startup z Palo Alto, zatrudnił około 4000 „specjalistów od robotyki” w 71 krajach. Pracownicy montują iPhone'y na głowie za pomocą paska i nagrywają zaplanowane zadania, takie jak gotowanie, sprzątanie, ogrodnictwo i opieka nad zwierzętami. Firma płaci około 15 dolarów za godzinę na niektórych rynkach (Nigeria, USA), a łącznie jej pracownicy dostarczają ponad 160 000 godzin nagrań miesięcznie .
• Objectways zrekrutowało tysiące pracowników w ponad 50 krajach, wykorzystując zarówno kamery, jak i rękawice do śledzenia ruchu .
• Instawork w czerwcu 2026 roku uruchomił system Instacore – urządzenie z pięcioma kamerami przymocowanymi do ciała, podłączonymi do plecaka komputerowego – przekształcając swoich pracowników w zbieraczy danych treningowych w miejscach pracy, takich jak komercyjne kuchnie i magazyny .
• Human Archive, startup wspierany przez Y Combinator, płaci indyjskim pracownikom za noszenie czapek z kamerami i rękawic dotykowych. Ponad 1000 aktywnych zestawów czujników rozmieszczono już w usługach domowych, hotelach i restauracjach .
• World Context, pakistański startup założony w 2025 roku, nagrywa pracowników fabryk za pomocą zastrzeżonych czujników i kamer montowanych na głowie, sprzedając przemysłowe zbiory danych firmom robotycznym w USA i Chinach .
• DoorDash w marcu 2026 roku uruchomił DoorDash Tasks – aplikację, która płaci 8 milionom kurierów w USA za nagrywanie codziennych obowiązków na potrzeby danych treningowych .

Kto kupuje dane: Tesla, Figure AI i Agility Robotics

Nagrania z pierwszej osoby zebrane przez pracowników są wykorzystywane do trenowania robotów humanoidalnych firm Tesla (Optimus), Figure AI i Agility Robotics . Szczególnie Figure AI znacznie zwiększyło produkcję. Dyrektor generalny Brett Adcock podał, że firma wyprodukowała około 150 jednostek w kwietniu 2026 roku – skok możliwy dzięki danym z demonstracji w świecie rzeczywistym .

Imponujące liczby

Skala tego strumienia danych jest ogromna i wciąż rośnie:

• Tylko Micro1: ~4000 współpracowników, 71 krajów, ponad 160 000 godzin nagrań miesięcznie .
• JD.com (Chiny): We współpracy z miastem Suqian ma wygenerować 10 milionów godzin danych treningowych dla robotyki w ciągu dwóch lat .
• Rynek globalny: Rynek infrastruktury danych treningowych dla modeli fundamentowych robotów humanoidalnych wyceniono na 1,5 miliarda dolarów w 2025 roku i prognozuje się jego wzrost do 62,8 miliarda dolarów do 2034 roku (CAGR na poziomie 56%) .
• Inwestycje: Ponad 6 miliardów dolarów trafiło do sektora robotów humanoidalnych w 2025 roku (Tesla Optimus, Figure AI, 1X, Agility Robotics), tworząc niemal nienasycony popyt na dane treningowe z prawdziwego świata .
• Szacunki venture capital: Firma Bessemer Venture Partners przewiduje, że łączne koszty danych robotycznych przekroczą 3 miliardy dolarów do 2030 roku .

Przepaść płacowa: 15 dolarów za godzinę vs. 2,60 dolara za godzinę

Wśród tej globalnej siły roboczej istnieje rażąca dysproporcja płac:

• Rynek nigeryjski/amerykański: Pracownicy zarabiają około 15 dolarów za godzinę (np. współpracownicy Micro1 nagrywający iPhone'ami) .
• Indie: Pracownicy zarabiają około 250 rupii indyjskich za godzinę, czyli około 2,60 dolara – to mniej więcej jedna szósta tego, co zarabiają ich odpowiednicy w Nigerii czy USA za tę samą pracę .

Obawy dotyczące prywatności i warunków pracy

Gwałtowny rozwój tej branży rodzi poważne pytania etyczne:

• Brak przejrzystości: Wielu pracowników nie informuje się, które firmy ostatecznie wykorzystają ich nagrania. Micro1 sprzedaje zestawy danych twórcom robotów humanoidalnych, ale poszczególni pracownicy często nie znają ostatecznego nabywcy .
• Nagrywanie członków rodziny: Pracownicy nagrywają w swoich domach, więc na nagraniach często pojawiają się współmałżonkowie, dzieci i prywatne pomieszczenia. Materiał jest następnie przechowywany i wykorzystywany do uczenia AI, bez jasnych informacji o polityce przechowywania czy usuwania .
• Luki w świadomej zgodzie: Krytycy argumentują, że pracownicy w krajach o niższych dochodach mogą nie do końca rozumieć, jak zostaną wykorzystane dane o ich ruchach – ani że szkolą roboty, które mogą ostatecznie zastąpić podobną pracę ludzi .

Globalny wyścig: Państwowe centra danych w Chinach

Popyt na dane dla ucieleśnionej AI (embodied AI) nie ogranicza się do prywatnych firm. Chiny uczyniły z tego priorytet narodowy, budując na masową skalę infrastrukturę wspieraną przez państwo:

• Pekińskie Centrum Innowacji Robotów Humanoidalnych zarządza bazą treningową dla robotów AI, która odtwarza dziesiątki scenariuszy z życia wziętych i jest w stanie generować ponad 500 godzin danych dziennie .
• W maju 2026 roku zainaugurowano Narodową Bazę Pilotażową dla Zastosowań Ucieleśnionej AI, w której szkolonych jest ponad 140 robotów w ponad 40 scenariuszach związanych z pracą, w tym w kuchniach, magazynach i gospodarstwach rolnych .
• Dedykowane Centrum Treningu Danych dla Robotów Humanoidalnych w pekińskiej dzielnicy Shijingshan, z budżetem 30 milionów dolarów, rozpoczęło szkolenie 100 robotów humanoidalnych w październiku 2025 roku .
• W chińskich miastach zbudowano blisko 100 centrów zbierania danych dla ucieleśnionej AI, finansowanych przez lokalny kapitał państwowy i konglomeraty technologiczne, co czyni je jednymi z najaktywniejszych nabywców robotów na rynku .

Podsumowanie

Wykorzystywanie globalnych pracowników gig economy jako „ludzkich czujników” stało się w 2026 roku kręgosłupem treningu robotów humanoidalnych. O ile generuje to ogromne zbiory danych ułamkiem kosztów tradycyjnej teleoperacji, o tyle rodzi niewygodne pytania o wyzysk pracowników, świadomą zgodę i prywatność – zwłaszcza gdy pracownicy w Indiach zarabiają ułamek tego, co ich odpowiednicy w innych krajach za identyczną pracę, często nie wiedząc, kto ogląda ich nagrania.

To nieopowiedziana historia stojąca za boomem na roboty humanoidalne – ogromny, tani strumień danych zbudowany na pracy tysięcy ludzi, którzy często nie mają pojęcia, kto ostatecznie obejrzy ich nagrania.

Jak to działa: Ludzie jako zbieracze danych

W przeciwieństwie do modeli AI, które uczą się z tekstu, roboty muszą zobaczyć, jak ludzkie dłonie faktycznie się poruszają, chwytają przedmioty i wchodzą z nimi w interakcję w realnym świecie. Same symulacje komputerowe nie wystarczą, aby nauczyć robota składać pranie bez niszczenia go czy poruszać się w zagraconej kuchni . Aby wypełnić tę lukę, firmy tworzą nowy rodzaj zleceń:

• Micro1, startup z Palo Alto, zatrudnił około 4000 „specjalistów od robotyki” w 71 krajach. Pracownicy montują iPhone'y na głowie za pomocą paska i nagrywają zaplanowane zadania, takie jak gotowanie, sprzątanie, ogrodnictwo i opieka nad zwierzętami. Firma płaci około 15 dolarów za godzinę na niektórych rynkach (Nigeria, USA), a łącznie jej pracownicy dostarczają ponad 160 000 godzin nagrań miesięcznie .
• Objectways zrekrutowało tysiące pracowników w ponad 50 krajach, wykorzystując zarówno kamery, jak i rękawice do śledzenia ruchu .
• Instawork w czerwcu 2026 roku uruchomił system Instacore – urządzenie z pięcioma kamerami przymocowanymi do ciała, podłączonymi do plecaka komputerowego – przekształcając swoich pracowników w zbieraczy danych treningowych w miejscach pracy, takich jak komercyjne kuchnie i magazyny .
• Human Archive, startup wspierany przez Y Combinator, płaci indyjskim pracownikom za noszenie czapek z kamerami i rękawic dotykowych. Ponad 1000 aktywnych zestawów czujników rozmieszczono już w usługach domowych, hotelach i restauracjach .
• World Context, pakistański startup założony w 2025 roku, nagrywa pracowników fabryk za pomocą zastrzeżonych czujników i kamer montowanych na głowie, sprzedając przemysłowe zbiory danych firmom robotycznym w USA i Chinach .
• DoorDash w marcu 2026 roku uruchomił DoorDash Tasks – aplikację, która płaci 8 milionom kurierów w USA za nagrywanie codziennych obowiązków na potrzeby danych treningowych .

Kto kupuje dane: Tesla, Figure AI i Agility Robotics

Nagrania z pierwszej osoby zebrane przez pracowników są wykorzystywane do trenowania robotów humanoidalnych firm Tesla (Optimus), Figure AI i Agility Robotics . Szczególnie Figure AI znacznie zwiększyło produkcję. Dyrektor generalny Brett Adcock podał, że firma wyprodukowała około 150 jednostek w kwietniu 2026 roku – skok możliwy dzięki danym z demonstracji w świecie rzeczywistym .

Imponujące liczby

Skala tego strumienia danych jest ogromna i wciąż rośnie:

• Tylko Micro1: ~4000 współpracowników, 71 krajów, ponad 160 000 godzin nagrań miesięcznie .
• JD.com (Chiny): We współpracy z miastem Suqian ma wygenerować 10 milionów godzin danych treningowych dla robotyki w ciągu dwóch lat .
• Rynek globalny: Rynek infrastruktury danych treningowych dla modeli fundamentowych robotów humanoidalnych wyceniono na 1,5 miliarda dolarów w 2025 roku i prognozuje się jego wzrost do 62,8 miliarda dolarów do 2034 roku (CAGR na poziomie 56%) .
• Inwestycje: Ponad 6 miliardów dolarów trafiło do sektora robotów humanoidalnych w 2025 roku (Tesla Optimus, Figure AI, 1X, Agility Robotics), tworząc niemal nienasycony popyt na dane treningowe z prawdziwego świata .
• Szacunki venture capital: Firma Bessemer Venture Partners przewiduje, że łączne koszty danych robotycznych przekroczą 3 miliardy dolarów do 2030 roku .

Przepaść płacowa: 15 dolarów za godzinę vs. 2,60 dolara za godzinę

Wśród tej globalnej siły roboczej istnieje rażąca dysproporcja płac:

• Rynek nigeryjski/amerykański: Pracownicy zarabiają około 15 dolarów za godzinę (np. współpracownicy Micro1 nagrywający iPhone'ami) .
• Indie: Pracownicy zarabiają około 250 rupii indyjskich za godzinę, czyli około 2,60 dolara – to mniej więcej jedna szósta tego, co zarabiają ich odpowiednicy w Nigerii czy USA za tę samą pracę .

Obawy dotyczące prywatności i warunków pracy

Gwałtowny rozwój tej branży rodzi poważne pytania etyczne:

• Brak przejrzystości: Wielu pracowników nie informuje się, które firmy ostatecznie wykorzystają ich nagrania. Micro1 sprzedaje zestawy danych twórcom robotów humanoidalnych, ale poszczególni pracownicy często nie znają ostatecznego nabywcy .
• Nagrywanie członków rodziny: Pracownicy nagrywają w swoich domach, więc na nagraniach często pojawiają się współmałżonkowie, dzieci i prywatne pomieszczenia. Materiał jest następnie przechowywany i wykorzystywany do uczenia AI, bez jasnych informacji o polityce przechowywania czy usuwania .
• Luki w świadomej zgodzie: Krytycy argumentują, że pracownicy w krajach o niższych dochodach mogą nie do końca rozumieć, jak zostaną wykorzystane dane o ich ruchach – ani że szkolą roboty, które mogą ostatecznie zastąpić podobną pracę ludzi .

Globalny wyścig: Państwowe centra danych w Chinach

Popyt na dane dla ucieleśnionej AI (embodied AI) nie ogranicza się do prywatnych firm. Chiny uczyniły z tego priorytet narodowy, budując na masową skalę infrastrukturę wspieraną przez państwo:

• Pekińskie Centrum Innowacji Robotów Humanoidalnych zarządza bazą treningową dla robotów AI, która odtwarza dziesiątki scenariuszy z życia wziętych i jest w stanie generować ponad 500 godzin danych dziennie .
• W maju 2026 roku zainaugurowano Narodową Bazę Pilotażową dla Zastosowań Ucieleśnionej AI, w której szkolonych jest ponad 140 robotów w ponad 40 scenariuszach związanych z pracą, w tym w kuchniach, magazynach i gospodarstwach rolnych .
• Dedykowane Centrum Treningu Danych dla Robotów Humanoidalnych w pekińskiej dzielnicy Shijingshan, z budżetem 30 milionów dolarów, rozpoczęło szkolenie 100 robotów humanoidalnych w październiku 2025 roku .
• W chińskich miastach zbudowano blisko 100 centrów zbierania danych dla ucieleśnionej AI, finansowanych przez lokalny kapitał państwowy i konglomeraty technologiczne, co czyni je jednymi z najaktywniejszych nabywców robotów na rynku .

Podsumowanie

Wykorzystywanie globalnych pracowników gig economy jako „ludzkich czujników” stało się w 2026 roku kręgosłupem treningu robotów humanoidalnych. O ile generuje to ogromne zbiory danych ułamkiem kosztów tradycyjnej teleoperacji, o tyle rodzi niewygodne pytania o wyzysk pracowników, świadomą zgodę i prywatność – zwłaszcza gdy pracownicy w Indiach zarabiają ułamek tego, co ich odpowiednicy w innych krajach za identyczną pracę, często nie wiedząc, kto ogląda ich nagrania.