核心内容总结
这篇文章通过作者小伙伴“达达”的兼职体验，揭示了具身智能（能像人一样在物理世界动手做事的AI机器人）发展背后的“隐秘角落”：为了让机器人学会叠衣服、拿杯子等真实动作，需要大量普通人穿上专用设备，重复做这些动作来采集数据。这个看似前沿的科技岗位，实际用人方式却很传统——门槛极低（无学历经验要求）、日结薪资（200-250元/天）、工作重复枯燥，甚至面试要先看“手的大小”适配设备。文章最后点出：AI的进步，其实是无数普通劳动者用体力和时间堆出来的，但他们未来可能被自己教出来的机器人替代。
详细拆解
1. 为啥AI机器人需要人当“老师”？缺的是“真实世界的经验”
具身智能和ChatGPT这类大模型不一样：大模型靠互联网上现成的文字、图片就能训练，但机器人要在现实里做事（比如端茶倒水、叠衣服），需要的是“物理交互数据”——比如手指怎么用力、手臂走什么轨迹、什么时候抓东西。这些数据人类历史上从来没大规模存过，得从零开始采集。
文章说，截至2026年初，全球这类高质量数据只有50万小时，而训练一个会做家务的机器人需要“千万小时”级别的数据，差了20倍。所以必须靠人穿上设备，一遍遍地做动作，把这些“经验”翻译成机器能懂的数据——相当于给机器人当“启蒙老师”。
2. 采集员具体干些啥？两种活：要么“遥控机器人”，要么“自己循环做动作”
达达体验的岗位分两种：
- 遥操作采集：人戴设备、握游戏手柄，遥控机器人做动作（比如分拣积木、叠纸杯）。每推一次摇杆、按一次按钮，机器人的动作轨迹都会被记录下来。刚开始像玩游戏，但做久了手腕酸到不行，机器人还会抖得像“帕金森”。
- 无机器人示教：不用遥控机器人，人直接戴VR眼镜和手环，自己重复做动作（比如叠衣服、叠裤子）。动作要一模一样循环很多次，像被按了“重播键”。
有些采集还要去不同场景（比如麦当劳、超市），一个地方待两三个月，采完换下个地方。
3. 这个岗位门槛有多低？没学历没经验都行，面试先看“手大小”
达达投简历时发现：岗位完全没学历、经验要求，甚至不用知道“具身智能”是啥。面试更魔幻：
- 线上群面：20多人一起进腾讯会议，HR先问“身高体重”——因为采集手套是固定尺寸，手太大/太小都不行；还问“有没有戴过VR眼镜”（怕有人晕设备）。
- 通过率极高：除了主动放弃的，几乎都能过。达达说，这像极了高三暑假进厂打螺丝的面试——只要身体没问题，就能来。
薪资方面：兼职日结200-250元，全职有社保但更累（轮班、加班多）。很多人选夜班，因为可以和白天的主业拼着干，多赚点钱。
4. 前沿科技背后，是“打螺丝”式的传统劳动？
文章最有意思的反差是：最前沿的AI行业，用的是最传统的用人逻辑。
达达的体验像极了工厂兼职：日结工资、重复劳动、门槛低、通过率高。比如他去的场地刚装修完（有油漆味），工作时收手机，一天从早9干到晚6点半，几乎没休息。这种“低端劳动支撑高端技术”的模式，和过去工厂里的流水线工人没太大区别——只是现在服务的是机器人，不是生产线。
5. AI进步的“隐忧”：教机器人的人，可能被机器人替代？
文章最后戳中了一个痛点：这些采集员用自己的时间和体力，把机器人教会了，但等机器人真的“什么都会”时，他们的工作可能就没了。
比如大模型的发展，也是靠早期无数人做数据标注、清洗；现在具身智能的底层数据，还是靠这些日薪200元的普通人。但AI吃掉这些进步后，普通人的岗位可能被替代——就像文章说的：“我们挥着手送AI一往无前，却不知道未来会不会有人记得，它的第一课是日薪两百的人教会的。”
最后想说
这篇文章让我们看到：AI不是“凭空变聪明”的，它的每一步进步都离不开最普通的劳动者。但这些劳动者的未来，却可能被自己推动的技术所影响。这既是科技发展的必然，也是我们需要思考的问题——如何让这些“AI启蒙老师”，在技术进步中不被落下？