Thế giới ngầm thu thập dữ liệu AI: Từ thầu phụ, 'bà lão sụp đổ' đến kinh doanh chênh lệch giá

Dữ liệu bẩn (Dirty Data) | Bong bóng AI hiện thân (Embodied AI Bubble) | Binocular (Camera kép) | Lao động thực tế

Sản xuất bởi | AI Nao

Thông tin

Đến năm 2026, "ego" đang trở thành nguồn dữ liệu phổ biến hơn cho ngành công nghiệp trí tuệ hiện thân (embodied intelligence).

Ego là dữ liệu góc nhìn thứ nhất được ghi lại từ quan điểm của con người — phương pháp này là gắn một thiết bị lên đầu ai đó và quay lại bất cứ thứ gì họ đang làm từ "góc nhìn thứ nhất" đó. Lý do ego được sử dụng rộng rãi như vậy dựa trên mô hình π0.5+Ego của Physical Intelligence và EgoScale mới được NVIDIA phát hành gần đây. Họ đã chứng minh rằng ego có thể được hấp thụ như tín hiệu tiền huấn luyện cho các mô hình VLA, và quan trọng hơn là hiệu suất mô hình cải thiện một cách có thể dự đoán được theo khối lượng dữ liệu. Điều này làm cho ego trở nên giống như dữ liệu văn bản đối với các mô hình ngôn ngữ lớn: bạn càng sử dụng nhiều, mô hình của bạn càng hoạt động tốt hơn.

Tại Thung lũng Silicon, Figure AI và Tesla chưa tiết lộ đầy đủ thành phần dữ liệu của họ, nhưng theo những người trong ngành, ego hiện được coi là tài liệu huấn luyện quan trọng ngang hàng với mã nguồn (code).

Nhưng không giống như dữ liệu internet cần thiết cho các mô hình ngôn ngữ lớn — việc cầm một chiếc cốc, gấp một chiếc áo, vặn một chiếc ốc vít — những hành vi thực tế của con người này chưa bao giờ được số hóa hoàn toàn. Vì vậy, việc thu thập dữ liệu ego đòi hỏi phải trả tiền cho con người.

Cung cấp số lượng lớn dữ liệu ego cho Thung lũng Silicon là hai công ty, Build.AI và Human Archive. Họ thu thập với giá 10 USD mỗi giờ tại các nhà máy trên khắp Ấn Độ, Nepal và Myanmar, sau đó bán lại với giá 15 USD mỗi giờ cho OpenAI, Tesla và Figure AI — về cơ bản là một nhà môi giới dữ liệu xuyên biên giới.

Tại Trung Quốc, việc thu thập dữ liệu ego đã hình thành một chuỗi công nghiệp hoàn chỉnh.

Tầng thứ nhất là phía nhu cầu, thường là các công ty mô hình và các tập đoàn lớn. Họ nắm giữ mối quan hệ khách hàng, kiểm soát công nghệ cốt lõi và cần một lượng lớn dữ liệu ego để huấn luyện mô hình.

Tầng thứ hai là thiết bị đeo cần thiết cho việc thu thập dữ liệu, bao gồm các thiết bị ego đơn mắt (monocular), hai mắt (binocular) và đa camera. Trước đây, hầu hết các nhóm đều sử dụng thiết bị đơn mắt như GoPro, nhưng vì chúng thiếu độ sâu ổn định và thông tin hình học 3D, nên chi phí tái tạo không gian và ước tính quỹ đạo sau đó rất cao. Toàn bộ ngành công nghiệp đang dần chuyển sang các thiết bị hai mắt (binocular).

Tầng thứ ba là xử lý dữ liệu: các công ty tiêu biểu bao gồm Guanglun Intelligent và Zhiyu Jishi. Họ làm sạch và chú thích dữ liệu thô thu thập được, sau đó tiến hành học mô phỏng dựa trên dữ liệu tương ứng. Người sáng lập của Guanglun trước đây là trưởng nhóm mô phỏng của NVIDIA.

Nhân vật thực hành trong tập này, Huang Darong, ngồi ở tầng giữa — cô ấy là một nhà môi giới dữ liệu. Cô bước vào lĩnh vực kinh doanh này vào năm 2026 khi nhu cầu thu thập ego đang nóng lên.

Các nhà môi giới dữ liệu như cô là mắt xích quan trọng kết nối tất cả các mảnh ghép: một đầu là làm việc với các nhà môi giới quyền lực địa phương để đưa thiết bị vào nhà máy và lấy lại dữ liệu đạt chuẩn; đầu kia là làm việc với các khách hàng phía nhu cầu để cung cấp dữ liệu hoặc bán thiết bị.

Theo quan sát của cô, mỗi phân khúc và người chơi đều có động lực riêng và một số quy tắc ngầm. "Cuối cùng thì đây vẫn là một công việc thầu phụ phân tầng truyền thống. Cốt lõi là làm thế nào để phân phối tiền một cách hợp lý," Huang tin tưởng. "Lý do nó hoạt động hiện nay là sự chênh lệch tiền lương khổng lồ cho phép mọi người kiếm lời. Ví dụ, Thung lũng Silicon thường thu thập ở Nepal, Ấn Độ, Châu Phi — không gian chênh lệch giá này đã trở thành một ngành kinh doanh."

Theo ước tính, AI hiện thân sẽ cần 100 triệu đến 1 tỷ giờ dữ liệu ego trong 2-3 năm tới, nhưng hiện tại bộ dữ liệu nguồn mở lớn nhất chỉ có khoảng 100.000 giờ. Khoảng cách là rất lớn, mặc dù việc kinh doanh này kéo dài bao lâu còn phụ thuộc rất nhiều vào sự phát triển của mô hình.

Còn về việc liệu AI hiện thân cuối cùng có thay thế lao động chân tay cấp thấp của con người hay không? Từ góc độ của Huang, có lẽ là có.

Lần đầu tiên, con người đang bán dữ liệu lao động thực tế cho AI để robot có thể thay thế con người sau này. Đây là khía cạnh nghịch lý và đáng lo ngại nhất của toàn bộ ngành công nghiệp. Liệu nó có đang biến tướng thành một hình thức bóc lột mới?

Dưới đây là lời kể của Huang Darong. Khi một cơn bão lớn đang tiến gần đến miền Đông Trung Quốc, cô hiện đang giám sát công việc tại một nhà máy đồ chơi ở Côn Sơn, Giang Tô.

Bước vào nhà máy thu thập dữ liệu

Một ngày tháng 7, Quảng Đông bị mưa lớn trút xuống. Tôi nhận được cuộc gọi từ Ding Quan, yêu cầu tôi đến thăm một nhà máy ở Trung Sơn cùng anh ấy. "Hãy tự mình đến xem công nhân thu thập dữ liệu khi đeo thiết bị ego như thế nào."

Tôi đã gặp Ding Quan, một ông chủ ngoài bốn mươi tuổi đến từ Vũ Hán, trong một chuyến thăm công ty trước đó. Không cao, anh ấy nói cực kỳ nhanh. Anh từng điều hành một công ty phần mềm, bước vào lĩnh vực thu thập dữ liệu robot hình người sau Tết Nguyên đán năm 2026. Tâm trí anh di chuyển nhanh hơn miệng, và tay nhanh hơn tâm trí. Trong chưa đầy nửa năm, anh đã triển khai một lượng lớn thiết bị trên khắp các nhà máy.

Khi nhận được cuộc gọi của anh, tôi đang ở Quảng Châu. Tôi vẫy một chiếc xe. Chuyến đi kéo dài một giờ, người lái xe lái đặc biệt chậm. Bên ngoài cửa sổ là một vệt trắng mờ ảo, mưa đập vào kính. Phong cảnh dần chuyển sang những dãy nhà máy. Đến Trung Sơn vào buổi trưa, Ding Quan đưa cho tôi địa chỉ một nhà hàng.

Chủ nhà hôm nay là Zhao Nian, một người gốc Quảng Đông ngoài sáu mươi tuổi. Ông từng làm trong hệ thống nhà nước khi còn trẻ, sau đó kinh doanh điều hành nhà máy, hiện đang sở hữu một vài cơ sở sản xuất. Bàn ăn đầy ắp những ông chủ nhà máy khác từ Trung Sơn — hải sản, sashimi, các món ăn gia đình địa phương được bày biện phong phú.

Mục đích chính của bữa ăn này là thuyết phục các ông chủ này cho phép công nhân của họ đeo thiết bị thu thập. Câu hỏi và mối quan tâm của họ rất đơn giản: bao nhiêu tiền một giờ, đeo nó có cản trở công việc không, chúng tôi có cần thay đổi dây chuyền sản xuất không? Nếu không phiền phức và kiếm thêm được tiền mỗi giờ, tại sao không.

Sau khi ăn, chúng tôi đến một xưởng sản xuất đồ nội thất để xem địa điểm thu thập dữ liệu thực tế.

Công việc tại nhà máy nội thất trông không có vẻ gì là công nghệ cao, nhưng đó chính xác là loại hoạt động mà robot khó học nhất. Vải thì mềm, biến dạng khi bị kéo. Bọc, lắp ráp, căn chỉnh, tinh chỉnh — dùng quá nhiều lực sẽ tạo ra nếp nhăn, quá ít thì bị lệch. Những điều chỉnh tinh tế mà bàn tay con người thực hiện một cách vô thức đòi hỏi một lượng lớn dữ liệu thực tế để robot học hỏi.

Những thiết bị kỳ lạ

Trong xưởng nội thất này, công nhân đã đeo mũ bảo hiểm thu thập ego — những chiếc mũ bảo hiểm xe đạp được sửa đổi với ống kính hai mắt (binocular), vỏ in 3D, pin và các linh kiện khác được tích hợp bên trên. Vẻ ngoài trông khá chuyên nghiệp, được cho là thiết bị cao cấp nhất hiện có.

Nhưng khi tôi trò chuyện với các công nhân, phản hồi chung là: đeo trên đầu đúng là cực hình, quá nặng. Chỉ ổn trong thời gian ngắn, nhưng ngay khi bạn cần cúi xuống, ngồi xổm hoặc làm việc lặp đi lặp lại, trọng lượng bên trên sẽ lắc lư theo quán tính. Sau nửa ngày, cổ bạn đơn giản là không chịu nổi.

Thiết bị này còn một vấn đề chí mạng: cứ hai giờ, tất cả công nhân phải dừng lại, tháo thiết bị đồng loạt, cắm vào máy tính, sao chép dữ liệu, xác minh tệp. Chỉ sau khi xác nhận mọi thứ đều ổn, họ mới có thể phân phát lại. Điều này đòi hỏi phải có một người chuyên trách tại chỗ toàn thời gian để giám sát — chi phí vận hành như vậy đơn giản là không thể duy trì để mở rộng quy mô.

Ding Quan than thở với tôi: loại thiết bị này, các kỹ sư có lẽ nghĩ nó hoàn hảo, nhưng khi triển khai thực tế, nó chỉ là "thùng rỗng kêu to". Bạn không thể chạy khối lượng lớn với nó.

Anh lấy ra một bộ thiết bị khác — chỉ hơn 100 gram, cấu trúc đơn giản hơn nhiều, tất cả các bộ phận thừa thãi đều bị loại bỏ, pin được chuyển xuống thắt lưng, sử dụng thẻ SD có thể thay thế để lưu trữ thay vì sao chép tệp tại chỗ. Khi thẻ đầy, chỉ cần thay thẻ và gửi thẻ về trụ sở theo lô. "Bộ này rõ ràng thiết thực hơn, có thể thu thập dễ dàng và ổn định trong sáu hoặc bảy giờ."

Tôi trò chuyện ngắn với một vài công nhân trong xưởng. Họ không hề phản đối việc đeo thiết bị ego, cũng không có kỳ vọng gì. Suy nghĩ của họ rất đơn giản: miễn là thứ này không cản trở công việc.

Bởi vì các nhà máy nội thất đều trả lương theo sản phẩm — làm nhiều hưởng nhiều. Nếu đeo thiết bị làm bạn chậm lại và bạn hoàn thành ít sản phẩm hơn trong một ngày, điều đó ảnh hưởng trực tiếp đến thu nhập của bạn.

Sau nhà máy nội thất, Ding Quan đưa tôi đến một nhà máy thực phẩm lớn bên cạnh, cũng là nhà máy của Zhao Nian, quy mô lớn hơn, sáu tòa nhà, các dây chuyền lắp ráp trông gọn gàng và tiêu chuẩn hóa.

Tôi đã nghĩ đây sẽ là một địa điểm thu thập dữ liệu lý tưởng, nhưng sau khi đi bộ qua toàn bộ tòa nhà, kết luận của tôi là: việc thu thập dữ liệu về cơ bản là không thể ở đây.