Це не розказана раніше історія буму гуманоїдних роботів — величезний, дешевий конвеєр даних, побудований на праці тисяч людей, які часто навіть не знають, хто в підсумку переглядатиме їхні записи.

Як це працює: люди як збирачі даних

На відміну від мовних моделей, які вчаться з текстів, роботам потрібно бачити, як насправді рухаються людські руки, як вони хапають предмети та взаємодіють зі світом. Сама по собі комп'ютерна симуляція не навчить робота складати білизну, не пошкодивши її, чи орієнтуватися на захаращеній кухні . Щоб подолати цю прогалину, компанії створюють новий вид підробітку:

• Micro1, стартап із Пало-Альто, найняв близько 4000 «роботизованих генералістів» у 71 країні. Працівники кріплять iPhone до голови за допомогою ремінця та знімають постановочні завдання: приготування їжі, прибирання, садівництво та догляд за домашніми улюбленцями. Micro1 платить близько $15/год на деяких ринках (Нігерія, США), і працівники разом надсилають понад 160 000 годин відео щомісяця .
• Objectways також найняв тисячі працівників у понад 50 країнах, використовуючи як носимі камери, так і рукавички з трекінгом рухів .
• Instawork у червні 2026 року запустив систему Instacore — носимий пристрій із п'ятьма камерами, закріпленими на тілі, які під'єднані до комп'ютерного рюкзака, — перетворивши своїх працівників на збирачів даних для навчання роботів на робочих місцях, таких як комерційні кухні та склади .
• Human Archive, стартап, підтриманий Y Combinator, платить індійським працівникам за носіння кепок з камерами та тактильних рукавичок. Понад 1000 активних сенсорних гарнітур вже розгорнуто у сферах домашніх послуг, готельного та ресторанного бізнесу .
• World Context, пакистанський стартап, заснований у 2025 році, записує заводських працівників за допомогою власних сенсорів і головних камер, продаючи промислові навчальні набори даних робототехнічним компаніям із США та Китаю .
• DoorDash запустив DoorDash Tasks у березні 2026 року — застосунок, який платить 8 мільйонам американських кур'єрів (Dasher) за запис повсякденних справ для навчання роботів .

Хто купує ці дані: Tesla, Figure AI та Agility Robotics

Відео від першої особи, зібрані працівниками, використовуються для навчання гуманоїдних роботів від Tesla (Optimus), Figure AI та Agility Robotics . Figure AI, зокрема, різко наростила виробництво: за словами генерального директора Бретта Едкока, компанія виготовила приблизно 150 одиниць у квітні 2026 року. Цей стрибок став можливим завдяки реальним людським демонстраційним даним .

Вражаючі масштаби

Масштаби конвеєра даних величезні та продовжують зростати:

• Лише Micro1: ~4000 працівників із 71 країни, понад 160 000 годин відео на місяць .
• JD.com (Китай): Співпрацює з містом Суцянь для генерації 10 мільйонів годин навчальних даних для робототехніки протягом двох років .
• Світовий ринок: Інфраструктура навчальних даних для фундаментальних моделей гуманоїдних роботів у 2025 році оцінювалася в $1,5 млрд, а до 2034 року, за прогнозами, досягне $62,8 млрд (CAGR 56%) .
• Інвестиції: Понад $6 млрд було вкладено в гуманоїдну робототехніку у 2025 році (Tesla Optimus, Figure AI, 1X, Agility Robotics), що створило майже ненаситний попит на реальні навчальні дані .
• Оцінки венчурних фондів: Bessemer Venture Partners прогнозує, що сукупні витрати на роботизовані дані перевищать $3 млрд до 2030 року .

Розрив в оплаті: $15/год проти $2,60/год

У цій глобальній робочій силі існує разюча нерівність в оплаті:

• Нігерія / США: Працівники отримують приблизно $15/год (наприклад, працівники Micro1, які записують відео на iPhone) .
• Індія: Працівникам платять близько 250 рупій/год, або приблизно $2,60/год — приблизно в шість разів менше, ніж їхні колеги в Нігерії чи США за ту саму роботу .

Проблеми приватності та захисту праці

Швидке зростання цієї індустрії викликало серйозні етичні питання:

• Недостатня прозорість: Багатьом працівникам не повідомляють, які компанії зрештою використовуватимуть їхні відео. Micro1 продає набори даних розробникам гуманоїдних роботів, але окремі працівники часто не знають кінцевого покупця .
• Зйомка членів сім'ї: Працівники знімають відео вдома, тому в кадр часто потрапляють чоловіки/дружини, діти та особистий простір. Ці записи зберігаються та використовуються для навчання ШІ, при цьому умови зберігання або видалення часто незрозумілі .
• Прогалини в інформованій згоді: Критики стверджують, що працівники в країнах із нижчим рівнем доходу можуть не до кінця розуміти, як будуть використані дані про їхні рухи — або що вони навчають роботів, які з часом можуть замінити подібну людську працю .

Глобальна гонка: державні центри даних Китаю

Попит на дані для втіленого ШІ (embodied AI) не обмежується приватними компаніями. Китай зробив це національним пріоритетом, масштабно будуючи державну інфраструктуру:

• Пекінський інноваційний центр гуманоїдної робототехніки керує навчальною базою даних із десятками реалістичних симуляційних сценаріїв, здатною генерувати понад 500 годин даних на день .
• У травні 2026 року було відкрито Національну пілотну базу для застосувань втіленого ШІ, де понад 140 роботів навчаються в більш ніж 40 сценаріях, включаючи кухні, склади та ферми .
• Центр навчання роботів у районі Шицзіншань (Пекін) із бюджетом у $30 млн розпочав навчання 100 гуманоїдних роботів у жовтні 2025 року .
• Майже 100 центрів збору даних для втіленого ШІ було створено в китайських містах за підтримки місцевого державного капіталу та технологічних конгломератів, що робить їх одними з найактивніших покупців роботів на ринку .

Підсумок

Використання дешевої глобальної робочої сили як «людських сенсорів» стало основою навчання гуманоїдних роботів у 2026 році. Хоча це створює величезні масиви даних за набагато нижчою вартістю, ніж традиційне телеуправління, це викликає незручні питання про експлуатацію праці, інформовану згоду та приватність — особливо коли працівники в Індії отримують лише частку від зарплати своїх колег в інших країнах за ідентичну роботу, часто не знаючи, хто переглядатиме їхні записи.

Це не розказана раніше історія буму гуманоїдних роботів — величезний, дешевий конвеєр даних, побудований на праці тисяч людей, які часто навіть не знають, хто в підсумку переглядатиме їхні записи.

Як це працює: люди як збирачі даних

На відміну від мовних моделей, які вчаться з текстів, роботам потрібно бачити, як насправді рухаються людські руки, як вони хапають предмети та взаємодіють зі світом. Сама по собі комп'ютерна симуляція не навчить робота складати білизну, не пошкодивши її, чи орієнтуватися на захаращеній кухні . Щоб подолати цю прогалину, компанії створюють новий вид підробітку:

• Micro1, стартап із Пало-Альто, найняв близько 4000 «роботизованих генералістів» у 71 країні. Працівники кріплять iPhone до голови за допомогою ремінця та знімають постановочні завдання: приготування їжі, прибирання, садівництво та догляд за домашніми улюбленцями. Micro1 платить близько $15/год на деяких ринках (Нігерія, США), і працівники разом надсилають понад 160 000 годин відео щомісяця .
• Objectways також найняв тисячі працівників у понад 50 країнах, використовуючи як носимі камери, так і рукавички з трекінгом рухів .
• Instawork у червні 2026 року запустив систему Instacore — носимий пристрій із п'ятьма камерами, закріпленими на тілі, які під'єднані до комп'ютерного рюкзака, — перетворивши своїх працівників на збирачів даних для навчання роботів на робочих місцях, таких як комерційні кухні та склади .
• Human Archive, стартап, підтриманий Y Combinator, платить індійським працівникам за носіння кепок з камерами та тактильних рукавичок. Понад 1000 активних сенсорних гарнітур вже розгорнуто у сферах домашніх послуг, готельного та ресторанного бізнесу .
• World Context, пакистанський стартап, заснований у 2025 році, записує заводських працівників за допомогою власних сенсорів і головних камер, продаючи промислові навчальні набори даних робототехнічним компаніям із США та Китаю .
• DoorDash запустив DoorDash Tasks у березні 2026 року — застосунок, який платить 8 мільйонам американських кур'єрів (Dasher) за запис повсякденних справ для навчання роботів .

Хто купує ці дані: Tesla, Figure AI та Agility Robotics

Відео від першої особи, зібрані працівниками, використовуються для навчання гуманоїдних роботів від Tesla (Optimus), Figure AI та Agility Robotics . Figure AI, зокрема, різко наростила виробництво: за словами генерального директора Бретта Едкока, компанія виготовила приблизно 150 одиниць у квітні 2026 року. Цей стрибок став можливим завдяки реальним людським демонстраційним даним .

Вражаючі масштаби

Масштаби конвеєра даних величезні та продовжують зростати:

• Лише Micro1: ~4000 працівників із 71 країни, понад 160 000 годин відео на місяць .
• JD.com (Китай): Співпрацює з містом Суцянь для генерації 10 мільйонів годин навчальних даних для робототехніки протягом двох років .
• Світовий ринок: Інфраструктура навчальних даних для фундаментальних моделей гуманоїдних роботів у 2025 році оцінювалася в $1,5 млрд, а до 2034 року, за прогнозами, досягне $62,8 млрд (CAGR 56%) .
• Інвестиції: Понад $6 млрд було вкладено в гуманоїдну робототехніку у 2025 році (Tesla Optimus, Figure AI, 1X, Agility Robotics), що створило майже ненаситний попит на реальні навчальні дані .
• Оцінки венчурних фондів: Bessemer Venture Partners прогнозує, що сукупні витрати на роботизовані дані перевищать $3 млрд до 2030 року .

Розрив в оплаті: $15/год проти $2,60/год

У цій глобальній робочій силі існує разюча нерівність в оплаті:

• Нігерія / США: Працівники отримують приблизно $15/год (наприклад, працівники Micro1, які записують відео на iPhone) .
• Індія: Працівникам платять близько 250 рупій/год, або приблизно $2,60/год — приблизно в шість разів менше, ніж їхні колеги в Нігерії чи США за ту саму роботу .

Проблеми приватності та захисту праці

Швидке зростання цієї індустрії викликало серйозні етичні питання:

• Недостатня прозорість: Багатьом працівникам не повідомляють, які компанії зрештою використовуватимуть їхні відео. Micro1 продає набори даних розробникам гуманоїдних роботів, але окремі працівники часто не знають кінцевого покупця .
• Зйомка членів сім'ї: Працівники знімають відео вдома, тому в кадр часто потрапляють чоловіки/дружини, діти та особистий простір. Ці записи зберігаються та використовуються для навчання ШІ, при цьому умови зберігання або видалення часто незрозумілі .
• Прогалини в інформованій згоді: Критики стверджують, що працівники в країнах із нижчим рівнем доходу можуть не до кінця розуміти, як будуть використані дані про їхні рухи — або що вони навчають роботів, які з часом можуть замінити подібну людську працю .

Глобальна гонка: державні центри даних Китаю

Попит на дані для втіленого ШІ (embodied AI) не обмежується приватними компаніями. Китай зробив це національним пріоритетом, масштабно будуючи державну інфраструктуру:

• Пекінський інноваційний центр гуманоїдної робототехніки керує навчальною базою даних із десятками реалістичних симуляційних сценаріїв, здатною генерувати понад 500 годин даних на день .
• У травні 2026 року було відкрито Національну пілотну базу для застосувань втіленого ШІ, де понад 140 роботів навчаються в більш ніж 40 сценаріях, включаючи кухні, склади та ферми .
• Центр навчання роботів у районі Шицзіншань (Пекін) із бюджетом у $30 млн розпочав навчання 100 гуманоїдних роботів у жовтні 2025 року .
• Майже 100 центрів збору даних для втіленого ШІ було створено в китайських містах за підтримки місцевого державного капіталу та технологічних конгломератів, що робить їх одними з найактивніших покупців роботів на ринку .

Підсумок

Використання дешевої глобальної робочої сили як «людських сенсорів» стало основою навчання гуманоїдних роботів у 2026 році. Хоча це створює величезні масиви даних за набагато нижчою вартістю, ніж традиційне телеуправління, це викликає незручні питання про експлуатацію праці, інформовану згоду та приватність — особливо коли працівники в Індії отримують лише частку від зарплати своїх колег в інших країнах за ідентичну роботу, часто не знаючи, хто переглядатиме їхні записи.