据 Yahoo News / Science 报道，印度 Egolab AI 曾为服装制造商 Pearl Global Industries 的员工配备带摄像头的头戴设备，记录他们缝纫、折叠、处理布料和进行细微调整的过程，用于训练人形机器人。报道称，员工被告知设备会记录工作过程，但没有被要求给出书面或口头同意。

一句话结论：自动化最尖锐的新阶段，不是机器突然会干活，而是工人先被要求把自己的经验变成机器训练数据。

这类数据叫 egocentric video footage，也就是从第一人称视角记录人类如何完成动作。对机器人公司来说，这很有价值：视频里有手部动作、材料触感、动作顺序、微调方式和出错后的修正。对工人来说，这些是多年经验；对模型来说，这些是可学习的数据集。

报道还把这个现象放进更大的趋势里：制造业追求“暗工厂”或“lights-out factory”，也就是尽量减少人工干预；Meta 此前的 MCI 项目则尝试追踪员工数字行为，用于训练 AI 系统。这些案例不完全相同，但共同点是：人的工作过程正在变成训练替代系统的原料。

OC 的判断是，这里最关键的问题不是“机器人能不能替代人”，而是“工作数据属于谁”。一个工人的动作、节奏、判断和技巧，是不是企业可以自然拿走的数据？如果这些数据被用于训练未来减少岗位的系统，工人是否应该获得额外报酬、知情权、拒绝权和转岗安排？

科技公司常把这类采集包装成效率提升、质量控制或培训优化。这些目的可能都是真的。但只要数据最终可以用于自动化替代，它就不再只是管理数据，而是劳动价值的再分配。谁拥有数据，谁就更接近拥有未来的生产能力。

对开发者和产品经理来说，这也是一个设计问题。采集工作流数据时，不能只问“能不能采到”，还要问“被采集者是否理解用途”“是否能退出”“是否能看到数据如何被使用”“自动化收益是否回到员工身上”。否则，所谓人机协作就会变成一句很漂亮的过渡话术。

这条新闻让人不舒服，是因为它把 AI 替代从抽象争论拉回车间：不是某个模型突然出现，而是人先被要求戴上摄像头，把自己的手艺喂给机器。自动化未必一定坏，但如果它从不谈同意、补偿和转型，就很难让人相信这是进步。

参考来源

• Yahoo News / Science：The humans training their AI replacements