Họ mặc bộ đồ gắn đầy cảm biến, thực hiện những động tác đơn giản như mở cửa, nhặt chai, xoay tay nắm. Không phải diễn viên, không phải game thủ. Họ là lao động tự do đến từ các nền kinh tế đang phát triển. Và mỗi giờ lao động của họ đang tạo ra bộ dữ liệu huấn luyện cho robot thế hệ tiếp theo.
Con số 5000 chỉ là ước tính thấp. Theo phân tích từ các báo cáo ngành, các công ty AI như Figure, 1X Technologies, và Physical Intelligence đã xây dựng hệ thống thu thập dữ liệu hành động người (human demonstration data) với quy mô công nghiệp. Công cụ: bộ đồ capture chuyển động (IMU), găng tay xúc giác, kính thực tế ảo. Phương pháp: imitation learning. Mục tiêu: thu hẹp khoảng cách giữa mô phỏng và thực tế (sim-to-real gap).
Đây không phải đột phá kiến trúc. Đây là kỹ thuật tổ chức. Và nó đang định hình lại toàn bộ chuỗi cung ứng dữ liệu cho ngành robot học.
Tại sao dữ liệu thực lại quan trọng?
Tôi từng làm việc với các mạch zk-SNARK cho zkSync Lite, nơi mỗi bằng chứng merkle tree mất 30 giây để tạo. Trong robot học, vấn đề tương tự: mô phỏng có thể tạo ra hàng triệu mẫu, nhưng không thể thay thế sự ngẫu nhiên của thế giới thực. Một robot học cách mở cửa trong mô phỏng sẽ thất bại thảm hại khi gặp tay nắm bị lỏng hoặc góc mở bất thường. Dữ liệu từ người thật trong môi trường thật là thứ duy nhất có thể lấp đầy khoảng trống đó.
Các thiết bị đeo hiện tại thu thập đa phương thức: vị trí khớp, lực tay, gia tốc, và đôi khi cả nhịp tim, nhiệt độ da. Mỗi giây dữ liệu là một vector 100 chiều. Với 5000 người làm việc 8 giờ/ngày, sản lượng dữ liệu đạt hàng petabyte mỗi tháng. Chi phí? Tôi ước tính khoảng 3-8 triệu USD/tháng, dựa trên mức lương 3-8 USD/giờ ở các nước như Philippines, Ấn Độ, Brazil.
Điểm mù bảo mật mà không ai nói đến
Tôi đã kiểm tra mã nguồn hợp đồng staking của OmiseGO năm 2017 và phát hiện lỗ hổng dẫn đến mất vốn. Lỗi tương tự có thể xảy ra trong hệ thống quản lý dữ liệu huấn luyện robot. Các công ty thường thuê bên thứ ba để vận hành đội ngũ lao động, và dữ liệu nhạy cảm — bao gồm cả sinh trắc học — được truyền qua các API không được mã hóa đầu cuối. Một lỗ hổng trong smart contract quản lý quyền truy cập dữ liệu có thể làm lộ hàng terabyte thông tin cá nhân.
Hãy tưởng tượng: dữ liệu nhịp tim của bạn trong lúc đang cầm một vật nặng có thể tiết lộ tình trạng sức khỏe. Dữ liệu đó, một khi vào mô hình huấn luyện, không thể thu hồi. Và nếu các công ty bắt đầu token hóa những bộ dữ liệu này — như một số dự án blockchain đang cố gắng — thì vấn đề quyền sở hữu trở nên phức tạp hơn gấp bội.
Góc nhìn phản trực giác: Người lao động đang đào tạo kẻ thay thế chính mình
Đây là nghịch lý cốt lõi. Mỗi giờ lao động của họ làm cho robot thông minh hơn, và khi robot đủ thông minh, chính họ sẽ mất việc. Nhưng câu chuyện không dừng ở đó. Các công ty AI đang cố gắng thuyết phục rằng "dữ liệu phi tập trung" sẽ trao quyền cho người lao động. Họ nói về token, về DAO, về việc người dùng sở hữu dữ liệu của mình.
Thực tế là: các tổ chức truyền thống không cần public chain của bạn. Họ cần dữ liệu, và họ có thể trả tiền mặt. Tôi đã tư vấn cho một ngân hàng trung ương về CBDC, và họ không quan tâm đến việc token hóa dữ liệu. Họ quan tâm đến việc kiểm soát. Vì vậy, câu chuyện "dữ liệu là tài sản" chỉ có ý nghĩa khi bạn có thể thực thi quyền sở hữu. Trong thế giới hiện tại, nếu bạn ký vào một hợp đồng lao động tự do, bạn đã từ bỏ quyền đó.
Tương lai của dữ liệu huấn luyện robot
Dựa trên kinh nghiệm phân tích mã nguồn ICO và xây dựng bot arbitrage với flash loan, tôi thấy một xu hướng rõ ràng: trong vòng 2-3 năm tới, khi các bộ dữ liệu đạt đến khối lượng tới hạn, các công ty sẽ chuyển sang tự động hóa quy trình thu thập. Robot sẽ tự thu thập dữ liệu từ robot khác, hoặc sử dụng dữ liệu tổng hợp với độ chính xác cao hơn nhờ các mô hình world model. Khi đó, lao động tự do hiện tại sẽ trở thành dư thừa.
Nhưng trước khi điều đó xảy ra, một câu hỏi lớn vẫn bỏ ngỏ: Ai thực sự sở hữu dữ liệu hành động của bạn? Trong thế giới blockchain, câu trả lời có thể là một smart contract. Nhưng smart contract chỉ tốt như mã nguồn của nó. Và tôi đã thấy quá nhiều lỗ hổng staking để tin rằng mọi thứ sẽ ổn.