จางลี่ (นามสมมติ) เป็นช่างเย็บผ้าในโรงงานเสื้อผ้าแห่งหนึ่งในจีน เมื่อหลายเดือนก่อนโรงงานแจกอุปกรณ์หน้าตาคล้ายไฟฉายคาดหัว มีสายรัดและกล้องตัวเล็กอยู่ด้านหน้า แล้วบอกว่าใครสวมมันระหว่างทำงานตามปกติจะได้เงินเพิ่มชั่วโมงละ 10 หยวน งานยังเหมือนเดิมทุกอย่าง แค่บนหัวมีของเพิ่มมาหนึ่งชิ้น ไม่นานคนงานแทบทั้งโรงงานก็สวมกันหมด
สิ่งที่หลายคนไม่ได้สนใจคือคลิปการปูผ้า พับผ้า และเย็บตะเข็บที่กล้องเก็บไว้ทั้งวันนั้นไปไหน คำตอบคือมันกลายเป็นวัตถุดิบสำหรับสอนหุ่นยนต์ทำงาน รายงานของ Huxiu สื่อธุรกิจเทคโนโลยีของจีนเรียกอาชีพนี้ว่าการ “ทำงานให้หุ่นยนต์”
Ego data คืออะไร ทำไมวงการหุ่นยนต์แย่งกันเก็บ
อุปกรณ์บนหัวของจางลี่คือกล้องเก็บข้อมูลแบบ Ego (Egocentric หรือมุมมองบุคคลที่หนึ่ง) ซึ่งบันทึกว่ามือคนจัดการสิ่งของในโลกจริงอย่างไร จากนั้นคลิปจะถูกคัดกรอง ติดป้ายกำกับ และแปลงเป็นข้อมูลฝึกโมเดล Embodied AI หรือ AI ที่ควบคุมร่างกายหุ่นยนต์
ตอนนี้แทบทุกบริษัทหุ่นยนต์บ่นเรื่องเดียวกันคือข้อมูลไม่พอ วิธีเก็บข้อมูลมีหลายสาย ทั้งให้คนบังคับหุ่นจริงจากระยะไกล สร้างข้อมูลในโลกจำลอง และเก็บจากคนโดยไม่ต้องมีหุ่น สายสุดท้ายนี้ต้นทุนต่ำที่สุดเพราะไม่ต้องซื้อหุ่นหรือสร้างสถานที่เฉพาะ คนงานโรงงาน พนักงานคลังสินค้า พ่อครัว หรือแม้แต่คนทั่วไปในบ้าน ก็เป็นผู้เก็บข้อมูลได้ระหว่างใช้ชีวิตปกติ

ยักษ์ใหญ่ลงสนามกันหมด JD ประกาศเมื่อเมษายน 2026 ว่าจะสะสมวิดีโอฉากจริงของมนุษย์ 10 ล้านชั่วโมงภายในสองปี ใช้คนร่วมเก็บสูงสุด 600,000 คน และทำกล้อง JoyEgoCam ของตัวเอง ทีมวิจัยของ Ant Group เสนอวิธีใช้สมาร์ตโฟนกับขาตั้งคล้องคอแทนอุปกรณ์เฉพาะ ส่วน Figure บริษัทหุ่นฮิวแมนนอยด์ของสหรัฐฯ เปิดแพลตฟอร์ม Index ตั้งแต่สิงหาคม จ่ายเงินให้คนทั่วไปถ่ายคลิปทำอาหารหรือเก็บบ้าน Brett Adcock ผู้ก่อตั้งเผยเมื่อตุลาคมว่ามีคลิปอัปโหลดแล้ว 37.5 ล้านคลิป แอปถูกดาวน์โหลดกว่า 1.26 ล้านครั้งใน 112 ประเทศ
ฝั่งจีนยังมี 觅蜂科技 (Mifeng) บริษัทที่ AGIBOT บ่มเพาะ ซึ่งผลิตอุปกรณ์ MEgo ครบ 20,000 ชุดเมื่อปลายสิงหาคม เก็บข้อมูลไปแล้วกว่า 1 ล้านชั่วโมงในงานย่อยกว่า 500 แบบ และเปิดแอป 觅蜂派 ให้คนทั่วไปเช่าอุปกรณ์ไปรับงาน คล้ายแอปไรเดอร์ที่แพลตฟอร์มปล่อยงาน ตั้งกติกา และจ่ายเงิน
ชั่วโมงละ 45 หยวนในโฆษณา แต่ได้จริงไม่ถึง 10 หยวน
ตอนเปิดตัวแพลตฟอร์ม เจ้าหน้าที่บอกสื่อว่าจ่ายได้ชั่วโมงละ 45 หยวน แต่เมื่อนักข่าว Huxiu สมัครเป็นผู้ใช้ธรรมดาเมื่อตุลาคม กลับพบว่าค่าตอบแทนพื้นฐานคือ 20 หยวนต่อชั่วโมงที่ผ่านการตรวจ บวกโบนัสรายวัน 0, 20, 23 หรือ 25 หยวนตามเวลาสะสม ตัวเลข 45 หยวนจึงเป็นเพดานของคนที่ทำถึงขั้นสูงสุด
ตัวแปรสำคัญคืออัตราข้อมูลที่ใช้ได้ ถ้ากล้องโดนบัง ท่าทางไม่ตรงแบบ หรือทำงานไม่ครบ คลิปจะโดนตัดบางส่วนหรือทั้งหมด นักข่าวลองเช็ดโต๊ะและทำงานบ้านราว 30 นาที ผ่านการตรวจแค่ 20 กว่านาที ได้เงินไม่ถึง 10 หยวน อีกบทความบน Huxiu โดยทีม 电厂 อัปโหลดคลิปรวม 34 นาที 12 วินาที ผ่าน 27 นาที 30 วินาที ได้ค่าคอมมิชชัน 8.7 หยวน ขณะที่อุปกรณ์ MEgo View มีค่าเช่าวันละ 19 หยวนช่วงโปรโมชัน (ปกติราว 39 หยวน) และต้องเช่าขั้นต่ำหนึ่งสัปดาห์ หักลบแล้วบางวันจึงขาดทุน
ฝั่งผู้ซื้อจ่ายแพงกว่ามาก Huxiu สำรวจว่าข้อมูลแบบไม่ใช้หุ่นหรือแบบพกพาขายกันราว 100 ถึง 300 หยวนต่อชั่วโมง ส่วนข้อมูลจากการบังคับหุ่นจริงอยู่ที่ 500 ถึง 1,000 หยวนต่อชั่วโมง แต่บริษัทเก็บข้อมูลก็ไม่ได้กำไรสิบเท่าอย่างที่ดูเหมือน เพราะยังมีค่าอุปกรณ์ ค่าหาสถานที่ ค่าคัดกรองและติดป้าย และเวลาที่บันทึก เวลาที่ผ่านการตรวจ กับเวลาที่ลูกค้ายอมรับ มักเป็นตัวเลขสามชุดที่ไม่เท่ากัน
Zheshang Securities คาดในกรณีกลางว่าตลาดเก็บข้อมูล Embodied AI จะโตจาก 2.1 พันล้านหยวนในปี 2026 เป็น 1.93 หมื่นล้านหยวนในปี 2027 และ 1.741 แสนล้านหยวนในปี 2030 โดยเป็นข้อมูลแบบ Ego ถึง 1.028 แสนล้านหยวน ปรากฏการณ์เดียวกันนี้เกิดในอินเดียด้วย The Guardian รายงานตั้งแต่มิถุนายนว่าคนงานโรงงานถูกสั่งให้ถ่ายตัวเองขณะทำงานเพื่อเก็บข้อมูลแบบเดียวกัน

ดูคลิปเย็บผ้าเป็นหมื่นชั่วโมง หุ่นก็ยังเย็บเองไม่ได้
ข้อมูลแบบนี้ได้ผลจริงในระดับหนึ่ง NVIDIA เปิดตัวโมเดลพื้นฐานหุ่นยนต์ GR00T 2 เมื่อ 9 พฤศจิกายน ฝึกด้วยวิดีโอมุมมองบุคคลที่หนึ่งของมนุษย์กว่า 400,000 ชั่วโมงร่วมกับข้อมูลจากที่คีบมือถือและการบังคับหุ่นจริง ในการทดสอบ 72 งาน เมื่อเพิ่มข้อมูล Ego จากศูนย์จนครบ ความคืบหน้าเฉลี่ยของงานขยับจาก 50% เป็น 70%
แต่กล้องธรรมดาเก็บได้แค่ภาพ ไม่ได้เก็บแรงที่นิ้วกดลงบนผ้า หรือความรู้สึกตอนผ้าเริ่มเบี้ยวที่ช่างเย็บมือเก่าปรับแก้ได้ทันที ร่างกายคนกับหุ่นก็ต่างกัน และหุ่นแต่ละรุ่นยังมีโครงสร้างไม่เหมือนกัน หุ่นที่ดูคลิปเย็บผ้าเป็นหมื่นชั่วโมงจึงอาจยังเย็บเสื้อเองไม่ได้สักตัว ผลที่ดีขึ้นในการทดลองของ NVIDIA จึงยังต้องพึ่งเทคนิคดึงข้อมูลท่าทางและการจับคู่ท่าทางคนกับหุ่นอีกชั้นหนึ่ง









