上个月，我花了一整周时间在家中录制自己做家务的视频，帮助训练机器人学习如何洗碗、叠衣服和倒饮料等日常琐事。如果机器人未来真的要和我们生活在一起，帮忙做家务，它们必须掌握精细的动作技能。虽然平时做家务我并不会想着为大数据贡献数据，但这次我很自豪地完成了任务，同时还能赚点钱。

随着越来越多公司致力于打造机器人和优化AI模型，第一人称视角的视频需求不断增长。这类视频通常由佩戴在头部或胸前的摄像头拍摄，虽然网络上有大量视频资源，但像“手部倒水不洒出”的特写镜头等高度细化的视频对于训练机器人完成现实任务至关重要。业内称这种录制方式为“自我中心数据”，需求量极大，有投资者预计未来几年领先企业将从第三方供应商购买数亿小时此类视频。

“我希望地球上的每个人都录制自己洗碗的视频，”22岁的数据采集市场平台Kled创始人Avi Patel说，“这样机器人就能帮你永远不用再洗碗了。”在印度等国家，这种第一人称视频的兼职工作已经兴起，那里自雇者平均月收入约125美元，而这类视频工作能带来类似的收入。

随着需求增长，更多数据采集公司开始在美国扩展业务，比如DoorDash今年推出的独立任务应用Tasks。未来，美国许多零工可能不仅送外卖，还会通过录制现实生活视频来维持生计。

幸运的是，我之前测试DoorDash的Tasks应用时就有一个智能手机头戴支架。虽然我觉得定制视频数据是零工经济的反乌托邦未来，但我想深入了解这个行业。由于Tasks在我所在的加州尚未开放，我注册了Kled、Luel和Waffle Video三个平台。

赚的钱很少，基本上是免费帮机器人训练，离我和伴侣合租的旧金山2500美元月租差得远。但这份兼职有个意外好处：我的公寓从未如此干净。

Kled从30多万用户那里收集的数据远不止机器人训练视频，平台主要付费让用户上传整个相册作为AI训练数据。Patel看到马来西亚的早期用户积极参与，还有“特殊任务”栏目鼓励视频提交。用户从列表中选择想录制的家务，通过应用直接拍摄。任务没有具体时薪，标注为低、中、高收入等级。（公司表示约一个月后会更新部分任务的具体报酬。）

我在Kled上选择了“倒垃圾”作为首次机器人训练任务，标为“中等报酬”。应用会指导用户录制内容：

  • 录制连续视频，展示取出垃圾袋、绑好、更换垃圾袋并将垃圾扔出
  • 保持摄像头稳定，避免拍摄到人脸

我戴上手机头带，录制了绑厨房垃圾袋并将其送到公寓后巷垃圾桶的过程。担心遇到邻居解释原因有点紧张。视频在两分钟左右自动停止，未能完成换袋，因为应用限制了时长。

Patel说，过去一年Kled最重要的工作是防止欺诈。有人试图上传网络下载的视频或纯黑屏视频。隐私也是重点：“必须确保数据匿名化，去除个人信息，否则实验室不会购买。上传的无效内容也必须过滤。”Kled最近退出了尼日利亚市场，因为95%的用户上传内容是重复或欺诈。

我在Kled完成了9个任务，周末断断续续录制家务视频后发现，应用要求上传100条媒体内容才能提现。无奈之下，我上传了90多张去年度假的照片凑数。Kled处理数据需要几天，我便转向其他平台继续录制机器人训练视频。

Luel的设计比Kled稍显笨重，没有按家务类型划分任务，只有一个“录制任何第一人称手部活动”的任务，报酬是每小时6.6美元（美国联邦最低工资是7.25美元）。Luel要求非常严格：必须头戴摄像头，广角横屏，1080p以上分辨率，95%时间手部可见。

我重新戴上手机头带，在厨房洗碗并装洗碗机，录制了5分钟视频上传Luel。一天后被拒绝，理由是“手部在视频中出现的帧数不足”。

起初我没拿到报酬，几天后Luel发邮件撤销了拒绝决定，称我手部可见率为83%，满足其他要求，会支付报酬，我因此多赚了55美分。

Waffle的任务是定时开放的，用户上传的视频数据是为特定公司定制。平台还提供视频版权再授权的分成，给零工带来持续收入。Waffle联合创始人兼COO Joshua Mesnik说：“这是一种人与模型之间的共生关系，用户贡献生活视角和创意，获得回报，而非单向付出。”

Waffle对上传内容要求最详细，用户上传前能看到所有可能被拒的原因，如画质模糊、含版权音频等。任务配有示范视频和详细录制指南，比如“倒液体”任务要求：

  • 倒液动作清晰可见
  • 液体必须明显
  • 两个容器都要出现
  • 接收容器必须是透明玻璃或塑料，能看见液面变化

这些第一人称视频收集后，下一步是将海量数据转化为可销售格式。Waffle用名为MAPLE的系统处理视频，检查版权，标注注释，整理成适合AI训练的格式。企业更青睐带有详尽元数据的清晰视频，而非原始未标注内容。

我在Waffle上找到了节奏，报酬足够吸引我，像真人秀制作人一样兴奋地在家里拍摄各种家务：反复系鞋带、洗碗、倒无糖可乐……

手机几乎贴在额头上，每个任务视频约20秒。我几天内提交了125个视频，赚了20美元。

Patel骄傲地说，Kled上收入最高的用户是一名卡车司机，靠行车记录仪拍摄路面坑洼照片月入8000美元。但这显然是个例，大多数AI训练数据贡献者收入有限，尽管视频训练数据需求巨大。第一人称视频零工仍是零工经济，缺乏劳动保障和稳定性。

在美国，专业化可能是赚取可观收入的唯一途径。任何人都能录制切黄瓜视频，但只有经验丰富的寿司师傅能展示最佳切鲑鱼刺身方法。Patel说：“我相信厨师终将被机器人取代，但他们永远不会真正消失，因为他们在家拍摄独特食谱视频，训练机器人，还能赚钱。”

最终，我收到了Kled处理的9个视频和97张照片的报酬——1美元。虽然有些失望，但也有一丝自豪。也许我在为更美好的未来贡献力量——未来我的孙辈将不必知道我曾经养成的清洁习惯。但想到我可能在训练那些将取代人类的机器人，心情又复杂起来。

这一周，我总共赚了21.55美元。对我来说，这只是个轻松的副业，靠做家务赚点额外饮料钱。但对全球越来越多的工人来说，这种AI零工可能成为生计依靠——教机器人今晚做饭，明天你就能有饭吃。