京东的15万顶免费头盔与骑手第一人称视频
京东向15万名骑手免费发放的智能头盔上配备了摄像头。探讨第一人称视频为何是机器人学习中的昂贵原料，以及这笔报酬究竟由谁获得。
社会15万顶免费头盔，以及一个摄像头
8月3日，京东发布了面向外卖骑手的智能头盔。这是一款可以通过语音接单、分析资深骑手实际骑行数据进行导航，并在摔倒时发出救援请求的装备。据悉，京东将优先向15万名全职骑手免费发放该设备。
新闻报道大都聚焦于“安全”与“效率”。但我注意到的却是另一处细节。这款头盔上配备了感知周围环境的摄像头。
上一期中，我曾提到印度卡鲁尔纺织工人的故事。他们把GoPro绑在额头上拍摄折叠衣物的场景，每小时赚取约2.6美元。而中国平台正在不支付时薪的情况下，收集性质相似的视频。
京东、美团、阿里巴巴历时三年普及的智能头盔
京东公布的头盔功能列表大致如此：无需用湿手点击屏幕，即可通过语音处理新订单、与顾客通话，并自动朗读“请放在门前”等备注要求；无需依赖地图应用，而是学习资深骑手实际行驶的路线进行逐向导航；此外还内置了在到店取餐时自动检查卫生状况的功能。京东表示，预计每单配送的找路时间平均可减少约 3 分钟。
率先采取行动的并不是京东。截至 2025 年 6 月，美团已投放了超过 100 万顶智能头盔，内置语音通话、跌倒检测传感器和自动应急响应功能。而阿里巴巴的即时配送业务（当时的饿了么，现淘宝闪购）早在 2022 年底就推出了类似的头盔。
截至 2025 年初，中国的即时配送骑手已超过 1000 万人，这是新华社报道的数据。也就是说，三大平台在三年时间里，持续向这个市场投放同一种形态的设备。
这些头盔带来的安全效益是实打实的。在大雨中，通过语音处理比起用湿手操作智能手机要安全得多；跌倒检测和一键求救功能，在发生事故时更是能切实提升生存概率。即便抛开宣传说辞不谈，它也确实具有这样的效果。
然而，这三家公司的头盔还有一个共同点：摄像头、麦克风和位置传感器固定在骑手的头部高度，整日穿梭于城市的每个角落。而且，它们全都是免费发放的。
机器人领域最稀缺的资源是第一人称视角视频
如今机器人行业最难获取的资源，既不是模型，也不是半导体，而是以人眼视角拍摄的第一人称视频1。
今年 6 月，来自北京大学、新加坡国立大学、麻省理工学院（MIT）、加州大学圣塔芭芭拉分校（UC Santa Barbara）和英伟达的研究人员联合发表了一篇名为《HumanScale》的论文，正面探讨了这个问题。实验设计非常清晰：他们用两种不同来源的数据填满相同的 5,000 小时，对机器人进行预训练2。一组是人在头上佩戴相机拍摄的第一人称视频，另一组则是真实机器人采集的行驶与操作记录。
结果却与传统认知恰恰相反。在让它们执行训练中从未见过的任务时3，用人类第一人称视频训练的一方，其损失值低了约 20%。在实体机器人实验中，差距更加悬殊：未经预训练的机器人，初次面对全新任务时的成功率为 0%，而经过第一人称视频预训练的机器人，成功率达到了 90%。
为什么会这样？论文给出的理由很简单。机器人的数据是在实验室里、按照固定脚本、仅在固定机械臂能够触及的范围内生成的。相反，人类的视频穿梭于住宅、街头和各类工作场所之间，动作更加流畅自然，静止发呆的时间也更少。即便同样拍摄 100 小时，从人类视频中提取出的动作轨迹也是机器人数据的 5 倍以上。
那么，这种数据究竟有多珍贵？学术界作为标准的公开第一人称数据集 Ego4D，是由 9 个国家 923 人累计拍摄的 3,670 小时。这是一个历时数年的科研项目所积累的规模。
现在，让我们把京东的数字摆在旁边对比一下。就算极其保守地假设，15 万名全职配送员每天仅拍摄 1 小时，一天也是 15 万小时。相当于一天就能沉淀出 40 个 Ego4D。这足以将 HumanScale 预训练所用的 5,000 小时填满 30 次还有余。如果扩展到中国全部 1,000 万名外卖及配送骑手，现有的数据集甚至根本没有与之对比的意义。
我们用印度卡鲁尔的单价来换算一下。按每小时 2.6 美元计算，一天就是 39 万美元，一年下来超过 1.4 亿美元。这还仅仅是以 15 万人为基准。也就是说，如此高昂的数据采集人力成本，从一开始就根本没有体现在财报账面上。
当然，为了保持客观，有两点需要特别指出。
首先是论文本身的局限性。正如作者坦言，实验对比规模受限于 5,000 小时（因为公开的实体机器人数据本身就很稀缺）。实体机器人验证也仅在 3 项任务、1 种机器人平台上完成。在数十万小时的超大规模下，这种优势能否延续，目前尚未得到验证。不过，从 100 小时到 5,000 小时，模型性能始终呈现对数线性增长（R²=0.86~0.94），这被解读为一个明确的信号：“数据喂得越多，表现就越好”。
其次是数据性质的差异。HumanScale 所探讨的主要是手部操作物体的任务。而头盔摄像头记录的，更多是城市道路穿行：胡同与小巷的结构、小区楼宇间的近道抄近路、寻找店铺入口的动线、在电梯前的等待等等。相比于机械臂，这些数据与自动驾驶配送车和配送机器人更为契合。而巧合的是，眼下在中国普及速度最快的，正是这类自动驾驶配送车。
合同上没有的条款
上一期讨论的印度案例与这次的中国案例，在报酬支付方式上截然不同。
印度卡鲁尔的模式是有名有姓的。那里有数据采集合同，有时薪，工人明确知道自己正在做的是“拍摄AI训练视频的工作”。即便报酬低得不合理，合同与时薪也是白纸黑字写在文件里的。既然是一桩交易，它就可以成为谈判的对象，单价也有上涨的空间。
而中国的模式却没有名字。骑手签署的是配送合同，戴在头上的是安全装备。数据采集并不是一份额外的兼职，而是被悄悄塞进了既有的日常工作之中。没有报酬，没有对应条款，因此甚至连可以谈判的对象都不复存在。
上一期我们探讨了AI训练数据究竟归谁所有。这一次，我们想深入看看：当数据采集未被当作劳动对价写进合同时，人们究竟该如何要求回报？
事实上，证据早已写在产品说明书里。京东头盔的核心功能之一就是“老骑手带路”。该功能通过分析业绩优异的骑手的实际配送记录，以语音方式为新骑手播报最佳路线。仔细剖析就会发现，这本质上是一个将熟练工人的经验提炼为模型并分发给非熟练工人的装置。然而，没有任何地方提到平台曾为这些经验诀窍向老骑手额外支付报酬。这不是推测，而是公司自己公布的功能说明。
这一时机也绝非偶然。中国国家市场监督管理总局于7月4日公布了《电子商务法》修订草案。该草案强化了平台对众包骑手等外包用工群体的安全、薪酬及基本社会保障责任，并公开征求意见至8月4日。中国的灵活用工人员规模约为3亿人。
然而骑手们的反应颇为耐人寻味。《南华早报》（SCMP）采访中一位名叫张亮（音译）的送餐员每天工作12小时，收入为300元人民币（约合44美元）。他表示自己想要的并不是社保，而是“每单更高的配送费和合理的配送时间”。因为如果缴纳的保险费增加，真正拿到手里的钱反而会变少。
对平台而言，这项立法释放了人力成本上升的信号。与此相反，无人配送车的成本正在飞速下降。截至7月，中国全境已部署超过1.5万辆无人配送车，在200多个城市获得了运营许可。几年前售价超过100万元人民币的车辆，如今已降至2万元人民币以下；硬件成本也从2021年的3万美元降至如今的不足1万美元。
京东集团董事局主席刘强东在6月21日于北京举行的APEC中国工商领导人论坛上表示，未来机器人将承担配送工作，长期来看70万名配送员可能会被取代。他同时补充道，公司正在与全国120多所院校携手推进转岗培训。
这里还有监管层面的考量。在中国，测量道路地形与采集地理数据绝非人人可为。这是需要特定资质的特许事项，尤其是通过车辆采集的地理信息还会受到单独管控。这意味着外国企业想要扫视中国街头积累数据的大门实际上已被关闭。因此，每天在骑手头顶生成的这一海量城市扫描数据，在结构上属于唯有中国本土平台才能沉淀积累的资产。我们在上一期讨论的“谁拥有哪个层级”，在这里又以国家为尺度重新上演。
最后，我想客观地划清界限。京东目前仅公开表示头盔积累的数据将用于提升派单效率与安全管理，从未正式宣布会将摄像头视频用于机器人或自动驾驶训练。目前还没有公开证据能将这两件事直接串联起来。我指出的并非因果关系，而是这些相关要素恰好汇聚在同一家公司内部这一事实：每天产出高价值第一人称视角视频的装备、急需此类数据的机器人业务，以及最高管理层关于70万名配送员或被替代的行业展望，眼下全都集中在京东一家身上。
Oswarld视角
在我看来，比起监控争议，这件事中更关键的是数据收集在会计上究竟被列入哪个科目。
在制定 GTM 策略的过程中，我反复见过这样一种模式：削减支出时，不是压低单价，而是干脆不把这项支出列为单独的科目。在印度模式中，数据收集是被明明白白写在成本科目里的。一旦列为科目，就有人可以核对这笔金额、据理力争，并要求提高报酬。而在中国模式中，同样的事情被处理成了安全装备预算。没有任何人会把这笔支出称作数据采购。
劳工问题变得更加棘手，往往不是因为报酬过低，而是这项工作从一开始就没有被视作应当支付报酬的事情。如果单价低，还可以以此为依据要求涨价；但如果合同里根本连这个项目都没有，就无从谈起要提高什么、提高多少。
而且，这绝不仅仅是别国外卖市场的故事。在韩国国内，办公用 App、车载终端、物流中心的可穿戴扫描仪、客服通话录音等设备，每天也在产生庞大的作业数据。然而，公司是否有权将这些数据二次用于 AI 训练、界限在哪里、报酬又该如何核算，几乎极少会写进劳动合同或委托合同中。
最近在协助评估技术引进时，我又多了一个必查的项目：“合同中是否包含该工具所收集数据的二次利用条款？”大部分情况下都没有。没有并不意味着被禁止，而是意味着从来没有人提出过这个问题。
我每周都在撰写一份交叉分析技术、经济与人文的通讯。不断深挖这类问题，正是这份通讯一直在做的事。
结语
本期的核心内容有三点。
第一，以人头高度拍摄的第一人称视频，是目前机器人领域最难获取的训练数据。在“HumanScale”实验中，利用此类视频进行预训练的模型，相比使用同等时长的真实机器人数据训练的模型，在处理全新任务时展现出了更出色的性能。
第二，在印度，平台支付时薪购买此类视频；而在中国，平台则通过在免费安全装备中内置摄像头，收集性质相同的视频。两种方式的差异与其说是金额，不如说在于数据收集是否作为明确条款写入了合同。
第三，在强化骑手社保责任的立法受到讨论、人力成本负担日益加重，同时自动配送车价格从 100 万元人民币级别降至 2 万元人民币以下的时间节点上，这款头盔问世了。头盔切实改善了安全，骑手被替代的前景也已被公开摆上台面，这两者都是事实。
在上一期中，关于卡鲁尔的工人，我们探讨了这究竟是解放还是剥削。本期的问题则略有不同。面对既无报酬、在合同中也无明文条款的此类数据收集，我们究竟该如何称呼它？
💬 在您目前使用的业务工具（企业内部 App、车载终端、通话录音、穿戴式扫描仪）中，是否有哪一款曾让您觉得“公司可能会把这个拿去当训练数据”？欢迎在评论区分享那是怎样的工具，以及您为何会有这种感觉。
💬 如果有让您觉得“这会被拿来当训练数据吧”的工具，欢迎在评论区告诉我们。我们会在下期中加以参考。 📨 如果您的身边也有正在共同思考数据、劳动与合同问题的朋友，欢迎将本文转发给他们。
参考资料与延伸阅读
核心来源
- Ma, J., Bi, J., et al., “HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining”, arXiv:2606.20521, 2026. 链接 ··· 本文的骨架。从逐项对比人类视频与机器人数据多样性的表格，以及实体机器人成功率 0% 对 90% 的段落看起，就能立刻明白为什么第一视角视频如此珍贵。
- “HumanNet: Scaling Human-centric Video Learning to One Million Hours”, arXiv:2605.06747, 2026. 链接 ··· HumanScale 提取训练数据的原始数据库。从中可以直观感受到，在 100 万小时中超过 80 万小时为第一视角视频的体量。
- “China’s tech giants race to put AI on delivery riders’ heads”, South China Morning Post, 2026. 链接 ··· 集中对比了京东、美团、阿里巴巴三家智能头盔的报道，也是本文的出发点。
- “Stronger social security? Proposed law sparks a pushback by gig workers”, South China Morning Post, 2026. 链接 ··· 骑手们表示比起社保更想要单笔计件提成的情节是核心，揭示了保护性立法的悖论。
- “China’s Delivery Revolution”, The Wire China, 2025 年 10 月. 链接 ··· 用数据梳理了自动配送车价格从 100 万元人民币降至 2 万元人民币的过程。不妨将其与人力成本曲线对照阅读。
背景知识
- Grauman, K., et al., “Ego4D: Around the World in 3,000 Hours of Egocentric Video”, CVPR, 2022. 链接 ··· 第一视角视频数据集的事实标准。只要了解其 923 人、3,670 小时的规模，读本期内容时的算术题就会清晰得多。
- “‘不再需要 70 万外卖配送员’……中京东掌门的警告”, 《首尔经济》, 2026 年 6 月. 链接 ··· 梳理了刘强东在 APEC 论坛上的发言以及中国拥有 3.2 亿零工劳动者的背景脉络。
- Restrictions on geographic data in China, Wikipedia. 链接 ··· 便于快速概览中国测绘与地图数据的监管架构。有助于理解为何这批数据会成为仅属于本土平台的资产。
推荐搭配阅读的往期内容
- 额头上的 GoPro：为机器人喂食数据的人们 ··· 本文的前作。在这里可以了解印度卡鲁尔 2.6 美元时薪的数据来源，以及“层级所有权”这一框架是如何建立起来的。
- 卢德主义者砸碎的从来不是机器 ··· 劳动者被迫参与训练终将取代自身的系统，这种结构在 200 年前就已存在。与本文对照阅读，便能看清这一历史规律。
