Это нерассказанная история бума роботов-гуманоидов — огромный, дешёвый конвейер данных, построенный на труде тысяч людей, которые часто понятия не имеют, кто в итоге будет смотреть их записи.

Как это работает: люди как сборщики данных

В отличие от моделей ИИ, обучающихся на тексте, роботам необходимо видеть, как человеческие руки движутся, хватают предметы и взаимодействуют с окружающим миром в реальности. Одних компьютерных симуляций недостаточно, чтобы научить робота складывать бельё, не порвав его, или ориентироваться на захламлённой кухне . Чтобы восполнить этот пробел, компании создали новый вид «гиг-работы»:

• Micro1, стартап из Пало-Альто, нанял около 4000 «робототехнических универсалов» в 71 стране. Работники крепят iPhone на голову с помощью ремешка и снимают постановочные задачи: готовка, уборка, садоводство, уход за питомцами. Micro1 платит около $15/час на некоторых рынках (Нигерия, США). Коллективно работники загружают свыше 160 000 часов видео ежемесячно .
• Objectways также нанял тысячи работников более чем в 50 странах, используя как носимые камеры, так и перчатки с трекингом движений .
• Instawork запустил систему Instacore в июне 2026 года — носимое устройство с пятью камерами на теле, подключёнными к вычислительному рюкзаку, превратив своих гиг-работников в сборщиков данных для тренировки роботов на рабочих местах вроде коммерческих кухонь и складов .
• Human Archive — стартап из Y Combinator, который платит индийским работникам за использование кепок с камерами и тактильных перчаток. Развёрнуто более 1000 активных сенсорных гарнитур в сфере бытовых услуг, гостиниц и ресторанов .
• World Context — пакистанский стартап, основанный в 2025 году, записывает заводских рабочих с помощью собственных датчиков и наголовных камер, продавая индустриальные тренировочные наборы данных компаниям-производителям роботов в США и Китае .
• DoorDash запустил DoorDash Tasks в марте 2026 года — приложение, которое платит 8 миллионам американских курьеров за запись повседневных дел для тренировочных данных робототехники .

Кто покупает эти данные: Tesla, Figure AI и Agility Robotics

Записи от первого лица, собранные гиг-работниками, используются для тренировки роботов-гуманоидов от Tesla (Optimus), Figure AI и Agility Robotics, среди прочих . В частности, Figure AI резко нарастила производство: гендиректор Бретт Адкок сообщил, что компания выпустила около 150 единиц в апреле 2026 года — скачок стал возможен благодаря реальным человеческим демонстрациям .

Цифры впечатляют

Масштаб этого конвейера данных огромен и продолжает расти:

• Micro1: ~4000 участников, 71 страна, более 160 000 часов видео в месяц .
• JD.com (Китай): совместно с городом Суцянь планирует сгенерировать 10 миллионов часов тренировочных данных для робототехники за два года .
• Глобальный рынок: инфраструктура тренировочных данных для фундаментальных моделей роботов-гуманоидов оценивалась в $1,5 миллиарда в 2025 году, а к 2034 году прогнозируется $62,8 миллиарда (CAGR 56%) .
• Инвестиции: в 2025 году в роботов-гуманоидов (Tesla Optimus, Figure AI, 1X, Agility Robotics) было вложено более $6 миллиардов, что создало почти ненасытный спрос на реальные тренировочные данные .
• Оценки венчурных фондов: Bessemer Venture Partners прогнозирует, что совокупные расходы на данные для робототехники превысят $3 миллиарда к 2030 году .

Разрыв в оплате: $15/час против $2,60/час

Внутри этой глобальной рабочей силы существует резкий разрыв в зарплатах:

• Нигерия/Рынок США: работникам платят примерно $15/час (например, участники Micro1, записывающие видео на iPhone) .
• Индия: работникам платят около 250 рупий/час, что составляет примерно $2,60/час — примерно одну шестую от того, что получают коллеги в Нигерии или США за ту же работу .

Проблемы приватности и трудовой этики

Быстрый рост этой индустрии вызвал серьёзные этические вопросы:

• Отсутствие прозрачности: многие работники не знают, какие компании в итоге используют их записи. Micro1 продаёт наборы данных разработчикам роботов-гуманоидов, но отдельные работники часто не знают конечного покупателя .
• Съёмка членов семьи: работники снимают у себя дома, поэтому на кадры часто попадают супруги, дети и личное пространство. Эти записи затем хранятся и используются для обучения ИИ без чёткого понимания сроков хранения или политики удаления .
• Пробелы в информированном согласии: критики утверждают, что гиг-работники в странах с низким доходом могут не до конца понимать, как будут использоваться данные об их движениях — или что они обучают роботов, которые в будущем могут заменить аналогичный человеческий труд .

Глобальная гонка: государственные центры данных Китая

Спрос на данные для воплощённого ИИ не ограничивается частными компаниями. Китай сделал это национальным приоритетом, создавая государственную инфраструктуру в промышленных масштабах:

• Пекинский инновационный центр роботов-гуманоидов управляет базой данных и тренировок для воплощённого ИИ с десятками симулированных сценариев реального мира, способной генерировать более 500 часов данных в день .
• В мае 2026 года была открыта Национальная пилотная база для прикладного воплощённого ИИ, где обучается более 140 роботов в 40+ рабочих сценариях, включая кухни, склады и фермы .
• Специализированный Центр обучения данных роботов-гуманоидов в районе Шицзиншань (Пекин) с бюджетом в $30 миллионов начал обучение 100 роботов-гуманоидов в октябре 2025 года .
• Почти 100 центров сбора данных воплощённого ИИ было построено в китайских городах при поддержке местного государственного капитала и технологических конгломератов, что делает их одними из самых активных покупателей роботов на современном рынке .

Суть

Практика использования дешёвого глобального гиг-труда в качестве «человеческих датчиков» стала основой обучения роботов-гуманоидов в 2026 году. Хотя это создаёт огромные объёмы данных по цене, значительно меньшей, чем традиционная телеоперация, этот метод поднимает неудобные вопросы об эксплуатации труда, информированном согласии и приватности — особенно когда работники в Индии получают лишь долю от зарплаты своих коллег в других странах за идентичную работу, часто не зная, кто будет смотреть их записи.

Это нерассказанная история бума роботов-гуманоидов — огромный, дешёвый конвейер данных, построенный на труде тысяч людей, которые часто понятия не имеют, кто в итоге будет смотреть их записи.

Как это работает: люди как сборщики данных

В отличие от моделей ИИ, обучающихся на тексте, роботам необходимо видеть, как человеческие руки движутся, хватают предметы и взаимодействуют с окружающим миром в реальности. Одних компьютерных симуляций недостаточно, чтобы научить робота складывать бельё, не порвав его, или ориентироваться на захламлённой кухне . Чтобы восполнить этот пробел, компании создали новый вид «гиг-работы»:

• Micro1, стартап из Пало-Альто, нанял около 4000 «робототехнических универсалов» в 71 стране. Работники крепят iPhone на голову с помощью ремешка и снимают постановочные задачи: готовка, уборка, садоводство, уход за питомцами. Micro1 платит около $15/час на некоторых рынках (Нигерия, США). Коллективно работники загружают свыше 160 000 часов видео ежемесячно .
• Objectways также нанял тысячи работников более чем в 50 странах, используя как носимые камеры, так и перчатки с трекингом движений .
• Instawork запустил систему Instacore в июне 2026 года — носимое устройство с пятью камерами на теле, подключёнными к вычислительному рюкзаку, превратив своих гиг-работников в сборщиков данных для тренировки роботов на рабочих местах вроде коммерческих кухонь и складов .
• Human Archive — стартап из Y Combinator, который платит индийским работникам за использование кепок с камерами и тактильных перчаток. Развёрнуто более 1000 активных сенсорных гарнитур в сфере бытовых услуг, гостиниц и ресторанов .
• World Context — пакистанский стартап, основанный в 2025 году, записывает заводских рабочих с помощью собственных датчиков и наголовных камер, продавая индустриальные тренировочные наборы данных компаниям-производителям роботов в США и Китае .
• DoorDash запустил DoorDash Tasks в марте 2026 года — приложение, которое платит 8 миллионам американских курьеров за запись повседневных дел для тренировочных данных робототехники .

Кто покупает эти данные: Tesla, Figure AI и Agility Robotics

Записи от первого лица, собранные гиг-работниками, используются для тренировки роботов-гуманоидов от Tesla (Optimus), Figure AI и Agility Robotics, среди прочих . В частности, Figure AI резко нарастила производство: гендиректор Бретт Адкок сообщил, что компания выпустила около 150 единиц в апреле 2026 года — скачок стал возможен благодаря реальным человеческим демонстрациям .

Цифры впечатляют

Масштаб этого конвейера данных огромен и продолжает расти:

• Micro1: ~4000 участников, 71 страна, более 160 000 часов видео в месяц .
• JD.com (Китай): совместно с городом Суцянь планирует сгенерировать 10 миллионов часов тренировочных данных для робототехники за два года .
• Глобальный рынок: инфраструктура тренировочных данных для фундаментальных моделей роботов-гуманоидов оценивалась в $1,5 миллиарда в 2025 году, а к 2034 году прогнозируется $62,8 миллиарда (CAGR 56%) .
• Инвестиции: в 2025 году в роботов-гуманоидов (Tesla Optimus, Figure AI, 1X, Agility Robotics) было вложено более $6 миллиардов, что создало почти ненасытный спрос на реальные тренировочные данные .
• Оценки венчурных фондов: Bessemer Venture Partners прогнозирует, что совокупные расходы на данные для робототехники превысят $3 миллиарда к 2030 году .

Разрыв в оплате: $15/час против $2,60/час

Внутри этой глобальной рабочей силы существует резкий разрыв в зарплатах:

• Нигерия/Рынок США: работникам платят примерно $15/час (например, участники Micro1, записывающие видео на iPhone) .
• Индия: работникам платят около 250 рупий/час, что составляет примерно $2,60/час — примерно одну шестую от того, что получают коллеги в Нигерии или США за ту же работу .

Проблемы приватности и трудовой этики

Быстрый рост этой индустрии вызвал серьёзные этические вопросы:

• Отсутствие прозрачности: многие работники не знают, какие компании в итоге используют их записи. Micro1 продаёт наборы данных разработчикам роботов-гуманоидов, но отдельные работники часто не знают конечного покупателя .
• Съёмка членов семьи: работники снимают у себя дома, поэтому на кадры часто попадают супруги, дети и личное пространство. Эти записи затем хранятся и используются для обучения ИИ без чёткого понимания сроков хранения или политики удаления .
• Пробелы в информированном согласии: критики утверждают, что гиг-работники в странах с низким доходом могут не до конца понимать, как будут использоваться данные об их движениях — или что они обучают роботов, которые в будущем могут заменить аналогичный человеческий труд .

Глобальная гонка: государственные центры данных Китая

Спрос на данные для воплощённого ИИ не ограничивается частными компаниями. Китай сделал это национальным приоритетом, создавая государственную инфраструктуру в промышленных масштабах:

• Пекинский инновационный центр роботов-гуманоидов управляет базой данных и тренировок для воплощённого ИИ с десятками симулированных сценариев реального мира, способной генерировать более 500 часов данных в день .
• В мае 2026 года была открыта Национальная пилотная база для прикладного воплощённого ИИ, где обучается более 140 роботов в 40+ рабочих сценариях, включая кухни, склады и фермы .
• Специализированный Центр обучения данных роботов-гуманоидов в районе Шицзиншань (Пекин) с бюджетом в $30 миллионов начал обучение 100 роботов-гуманоидов в октябре 2025 года .
• Почти 100 центров сбора данных воплощённого ИИ было построено в китайских городах при поддержке местного государственного капитала и технологических конгломератов, что делает их одними из самых активных покупателей роботов на современном рынке .

Суть

Практика использования дешёвого глобального гиг-труда в качестве «человеческих датчиков» стала основой обучения роботов-гуманоидов в 2026 году. Хотя это создаёт огромные объёмы данных по цене, значительно меньшей, чем традиционная телеоперация, этот метод поднимает неудобные вопросы об эксплуатации труда, информированном согласии и приватности — особенно когда работники в Индии получают лишь долю от зарплаты своих коллег в других странах за идентичную работу, часто не зная, кто будет смотреть их записи.