人类还能给AI做多久的老师？

最近，亚马逊宣布，旗下MTurk将于9月30日永 久关闭。

MTurk着实是一个有故事的同学。作为从亚马逊内部孵化、面向全球的AI数据平台，MTurk解决了AI早期的一个关键问题：当计算机还无法准确识别数据时，先由人类给出标注，以便让AI通过反馈机制持续学习，贝索斯称其为“人工的人工智能”（artificial artificial intelligence）。正是MTurk解决了李飞飞ImageNet数据集最头疼的标注问题。

可以说，MTurk是众包数据标注模式的开创者，也是早期AI发展的关键基础设施。没有它，就没有此后的深度学习革命的爆发。

而MTurk的关停，也是因为AI的发展，有三分之一到一半的MTurk工人（Turkers）已经开始使用AI完成自己的标注任务。

人类给AI做老师，而不断进步的AI终有一天可以独立完成任务。MTurk的使命结束了。但是MTurk之后，这套轮回仍然在继续。

机器人需要千万小时量级多模态数据，无论是东南亚的Human Archive、美国的DoorDash Tasks，还是中国的90个人形机器人数据采集和训练中心，都在让人类遥操机器人或者穿戴设备，采集机器人需要的数据，以期有一天机器人能够学会做家务、纺织、组装零件。

▎MTurk往事

千禧年之交，亚马逊商品目录涌入数万条重复商品，工程师尝试用软件去重，但是发现无法做到，工程师把问题描述为 “insurmountable”（不可逾越）——机器无法识别，只能依靠人眼。

2001年，亚马逊经理Venky Harinarayan解决了这一问题，即把网站切成碎片发给分散工人，后来他提交了这项专利——"hybrid machine/human computing arrangement"（人机混合计算安排）。

2005年11月2日，MTurk上线，平台上数万个任务全部来自亚马逊自己。这也是亚马逊一贯以来的逻辑——内部能力产品化，和AWS、物流一样，先内部自用，再卖给世界。

MTurk这个名字也有些说头。"Mechanical Turk"取自18世纪的一个著名骗局——一台宣称会下国际象棋的机器，后来被揭穿，原来柜子里藏着一位真人棋手。亚马逊使用这个名字所表达的意义很明显：你以为是机器完成的任务，其实是这个平台后面有很多真人在工作，也就是贝索斯所说的"artificial artificial intelligence"（人工的人工智能）。

MTurk上的任务（称为“HITs”，即Human Intelligence Tasks）种类繁多，主要是那些计算机难以处理、但人类可以轻松完成的简单、重复性任务，比如在图片中判断图片内容是否包含特定物品、从大型目录中识别并删除重复的商品条目、判断评论是正面还是负面情绪，等等。

这些任务的报酬按件计算，从几美分到几美元不等。巅 峰时期，MTurk有超过50万注册工人、遍布190个国家。

MTurk最著名的客户是李飞飞的ImageNet团队。李飞飞在她的自传《我看见的世界》回忆了这一过程。

为了创建一个大规模、高质量、标准化的图像数据集，需要先使用人工标注数百万张图片，李飞飞团队雇佣了普林斯顿大学的本科生手动标注，但发现按照这个速度，完成全部标注工作需要整整19年。直到研究生孙民向李飞飞介绍了MTurk。

“你听说过众包吗？”他解释说，在线平台可以将任务分配和结果收集过程自动化，有效组织远程的临时工作团队，规模小到个人，大到数百万人的团队。“如果你感兴趣的话，亚马逊就在提供这种服务，叫作‘土耳其机器人’。”

这让李飞飞惊喜不已，团队开始使用MTurk发布标注任务，先后动员了来自167个国家的约4.9万工人，完成320万张图片（2009年发布），工人平均每分钟识别50张图，后扩展至 1400万张、2.2万个类别——把19年压缩到2.5年，约8倍时间压缩。

ImageNet数据集后来成为2012年AlexNet的“燃料”，并直接点燃了深度学习革命。

MTurk还成为RLHF（基于人类反馈的强化学习）的主要工业渠道——工人对比两个AI输出，选“哪个更有帮助、哪个更无害”，真人的偏好判断编码进奖励模型，塑造了ChatGPT及前后所有大模型。

MTurk的关停正是由于深度学习、大模型的进步太快。2023年，瑞士EPFL研究显示，33%-46%的Turker已开始用LLM完成自己的标注任务，人用AI假装真人判断，再用结果去训练AI以替代人，就像层层嵌套的套娃。

2026年7月30日，亚马逊停止接受MTurk新客户，8月25日，亚马逊宣布将于9月30日永 久关闭MTurk。

MTurk开创了一个时代，但最终也被这个时代所超越。

▎在制衣厂教机器人缝制

2026年被视为“具身数据规模化元年”。

一个行业共识是，具身智能达到真正可用需要千万小时量级多模态数据，当前全球有效积累不足5%。因为以前的数据都在互联网上、在数字世界里，而在真实世界中，机器人如何从桌上端起一杯水，只能从零开始学习，粗略估计需要1000条数据，2-3周时间。

所以，人类再次担当起了AI的老师。但这次不是坐在电脑前点击鼠标，而是在更大物理空间中操作。

2026年1月成立的Human Archive给零工工人（家政、云厨房、餐厅、酒店、服装厂）穿戴相应设备，一边干活一边产出数据，规划采集者网络5万人，日采8000小时，已扩张东南亚和美国。

类似的众包数据采集平台还有很多，海外有Egolab.AI、Objectways、DoorDash Tasks、Sunday Robotics，等等。国内则有觅蜂科技、穹彻智能、帕西尼、鹿明机器人、数据堂，京东，等等。

在具身数据采集领域，中国还有大量集中式数据采集中心。据统计，截至2026年4月底，全国至少90个人形机器人数据采集和训练中心，64个已投用，至少13个部署百台以上机器人。

需要采集的数据五花八门，既有家庭里的整理打扫，也有工厂里的纺织缝纫。针对后一种类型，最常见的争议是，当机器人学会这些技能，不就取代人类的工作了吗？

亿邦AI曾受邀参观京东在宿迁的数据采集中心，一位纺织工人回答了这个问题。

50多岁的程为清在制衣厂干了十多年，她负责缝制工序——把裁好的布料片对齐、送进缝纫机、控制速度、收边。她在干活的同时，头上戴着的数采设备正默默记录着她的双手轨迹、视线移动和操作节奏。

“机器人要是能学会缝制，对我们这个行业是好事。”她说这话时，脚下的机器没停，“我们这代人做服装做了一辈子，做得也挺苦的，年轻人谁还愿意干这个？”程为清的女儿不愿意继承母亲的手艺、进服装厂工作，已经在保险公司上班。

▎师傅和徒弟

就在9月1日，马斯克在G20创新部长级会议上发表视频讲话，给出了非常激进的预测：到2027年末，人工智能有望全面接管所有数字工作。这里的数字工作指发生在电脑里的工作，比如写代码、查资料、做分析、处理表格、生成设计稿、调用企业软件等。

至于物理世界中工作，马斯克预计10年后人形机器人可能超过10亿台，单台机器人的生产率约为人类的5倍。他还说，机器人最终会参与制造机器人，形成递归增长。

与此同时，马斯克还乐观地评估，人工智能的普及将推动全球经济规模扩张20%-30%，相当于每年创造20万至30万亿美元的新增产值。

老话说，教会徒弟，饿死师傅。如果终有那么一天，机器人学会了人类的大多数技能，能够完成大多数工作，没工作可做的人类，处境会更糟吗？

我有一些非严肃的假想，给这个问题提供一些乐观的回答。

机器人可以传承一些古老的技艺。比如民族非遗传统技艺，靠师傅带徒弟的形式流传，如果愿意学习的年轻人越来越少，面临失传风险，不如让机器人来学，机器人不怕枯燥、不怕吃苦，也不会因为这个手艺不太挣钱怨天尤人。

机器人可以替你干活、给你挣钱。比如在制衣厂中，厂长解雇了所有工人，购买了一批机器人干活，听起来确实有点糟糕。反过来想，机器人的所有者不是厂长，而是工人呢？工人把自己的能力教授给机器人，派机器人去工厂上班赚薪水，自己在家躺平，如果这家工厂效益不好，还可以换一家打工。

这样也不错对吧？教会徒弟，乐死师傅。