京東免費提供安全帽的原因
在印度，這些影片是花每小時 2.6 美元買來的
前言
讀者 您好，8 月 3 日，京東公開了專為外送員打造的智慧安全帽。這款設備可以透過語音接收訂單、分析資深外送員的實際騎行紀錄來導航，甚至在摔倒時自動發送救援請求。京東表示將優先免費發放給 15 萬名全職外送員。
媒體報導大多聚焦在「安全」和「效率」上。但我的目光落在了另一個地方——這頂安全帽上裝有能感知周圍環境的攝影機。
上一期我們聊了印度卡魯爾的紡織工人。他們額頭上貼著 GoPro，拍攝摺衣服的過程，時薪大約 2.6 美元。先說結論：中國找到了不用付這 2.6 美元的方法。
八月第一週，三家公司的安全帽並排擺在一起
京東公開的安全帽功能清單如下：不用濕手去敲螢幕，語音即可處理新訂單、與客戶通話，還能自動朗讀「請放在門口」之類的需求。取代地圖 App 的是，它學習了熟練外送員實際走過的路線，提供逐轉彎導航。在店裡取餐時，還能自動檢查衛生狀況。京東表示，預計每單外送可減少約 3 分鐘的找路時間。
先出手的不是京東。美團到 2025 年 6 月已普及了超過 100 萬頂智慧安全帽，內建語音通話、跌倒感測器和自動緊急應變功能。阿里巴巴的外送事業（當時為餓了麼，現為淘寶閃購）早在 2022 年底就推出了類似的安全帽。
截至 2025 年初，中國的外送員已超過 1,000 萬人，這是新華社報導的數字。三大平台在三年間向這個市場推入了同類型的設備。
這裡要特別指出：這些安全帽帶來的安全效益是真實的。在暴雨中用濕手操作手機，不如語音處理安全。跌倒感測和一鍵求救功能，在事故發生時確實能改變生存率。這不是行銷話術，而是物理事實。
不過，三家公司的安全帽還有一個共同點：攝影機、麥克風、定位感測器固定在騎手的頭部高度，而且他們整天在城市裡穿梭。而且，全部免費。
為什麼偏偏是頭頂？
現在機器人產業中最難取得的資源是什麼？不是模型，也不是半導體，而是從人類視線高度拍攝的第一人稱影片1。
今年 6 月，北京大學、新加坡國立大學、MIT、UC 聖塔芭芭拉和 NVIDIA 的研究者共同發表了「HumanScale」論文，正面處理了這個問題。實驗設計很乾淨：用同樣的 5,000 小時，分別以兩種方式進行預訓練2。一種是人類頭戴攝影機拍攝的第一人稱影片，另一種是實際機器人收集的駕駛與操作紀錄。
結果與直覺相反。在測試學習時未曾見過的新任務時3，以第一人稱影片訓練的一方損失值低了約 20%。在實體機器人實驗中，差距更為劇烈：未進行預訓練的機器人，面對新任務的成功率為 0%，而以第一人稱影片預訓練的機器人則達到了 90%。
為什麼會這樣？論文給出的原因很簡單：機器人數據是在實驗室裡、按照固定劇本、在機械臂的固定活動範圍內產生的。而人類影片涵蓋了家庭、街道和工廠，動作流暢，停留時間少。同樣拍攝 100 小時，從人類影片中提取的動作軌跡是機器人數據的 5 倍以上。
那這些數據有多珍貴？學界標準的第一人稱數據集 Ego4D，是 9 個國家 923 人拍攝的 3,670 小時，是研究專案歷經數年才累積的規模。
現在把京東的數字放在旁邊看看。15 萬名全職外送員，即使非常保守地估算每人每天只拍攝 1 小時，一天就是 15 萬小時。相當於 40 個 Ego4D 的量一天就累積完了。HumanScale 預訓練用的 5,000 小時，30 次就填滿了還有剩。如果擴展到中國全部 1,000 萬名外送員，計算就進入了一個失去意義的量級。
換算成印度卡魯爾的單價試試看。每小時 2.6 美元，一天就是 39 萬美元，一年超過 1.4 億美元（以 15 萬人為基準）。這筆數據採集的人工成本，根本沒有出現在帳目上。
當然，為了平衡，有兩點需要說明。
首先是論文的侷限。如作者自己所述，比較規模被限制在 5,000 小時（因為公開的實體機器人數據本身就不夠）。實體機器人驗證僅在 3 個任務、1 種機器人平台上進行。在數十萬小時的規模下是否仍保持優勢，尚未得到驗證。不過，從 100 小時到 5,000 小時，性能持續呈對數線性提升（R²=0.86~0.94），這可以被解讀為「投入越多，效果越好」的信號。
其次，數據的性質也不同。HumanScale 處理的主要是用手操作物件的任務。安全帽攝影機捕捉的更接近城市騎行——巷弄的結構、大樓之間的捷徑、找到店門口的路線、電梯前的等候等等。這更像是自動駕駛配送車和配送機器人的直接原料，而非機械臂。而巧的是，目前中國擴展最快的正是自動駕駛配送車。
合約書上沒有的條目
這裡可以看到上一期和這一期的差異。
印度卡魯爾的模式有名字。有數據採集合約、有時薪、工人知道自己正在「拍攝 AI 訓練影片」。即使存在剝削，至少是可見的。因為是交易，所以可以談判，單價也有上漲的空間。
中國的模型沒有名字。外送員簽的是外送合約，頭上戴的是安全設備。數據採集不是額外的兼職，而是被塞進已經在做的工作裡。沒有支付、沒有條目，因此根本不存在可以談判的對象。
上一期的問題是「誰擁有哪一層」，這一期的問題是：如果那一層根本不可見，會怎樣。
其實證據已經在產品說明書裡了。京東安全帽的核心功能之一是「資深外送員導航」——分析表現優異的外送員的實際配送紀錄，以語音方式為新外送員提供最佳路線。仔細想想，這本質上是一個從熟練勞動者身上提取經驗模型、再分發給不熟練勞動者的機制。沒有任何地方提到曾額外支付資深外送員的經驗價值。這不是推測，而是公司自己公布的功能說明。
時機也不是巧合。中國市場監督總局 7 月 4 日公開了電子商務法修正案，強化平台對外送員等零工勞動者的安全、薪資和基本社會保障責任，8 月 4 日前公開徵求意見。中國的彈性就業勞動者約有 3 億人。
但外送員的反應很有趣。SCMP 訪談中出現的一位名叫張亮的外送員，每天工作 12 小時，賺 300 元（約 44 美元）。他說他想要的不是社會保險，而是「每單更高的佣金和合理的配送時間」。因為保費增加意味著到手收入減少。
從平台的角度看，這項立法是人工成本上升的信號。而另一條曲線正在同時下降。截至 7 月，中國的自動駕駛配送車已超過 15,000 輛，在 200 多個城市獲得行駛許可。幾年前超過 100 萬元的車價，如今已降到 2 萬元以下。硬體成本從 2021 年的 3 萬美元降到目前不到 1 萬美元。
京東創辦人劉強東 6 月 21 日在北京舉行的 APEC 中國 CEO 論壇上表示，機器人將承擔配送工作，長期來看 70 萬名外送員可能被取代。他同時補充說，正在與全國 120 多所學校合作準備職能轉換培訓。
還有一層。在中國，道路和地形的測繪以及地理數據的採集不是誰都能做的事。需要執照，尤其是車輛採集的地理資訊受到額外管控。這意味著外國企業在中國街道上收集數據的路徑基本上被封死了。因此，每天在外送員頭頂上產生的這些城市掃描數據，在結構上是只有中國國內平台才能累積的資產。上一期討論的「誰擁有哪一層」，在這裡以國家層級重新出現。
最後，我要誠實地劃一條線。京東只表示安全帽累積的數據將用於派單效率改善和安全管控，從未公開宣布將攝影機影片用於機器人或自動駕駛訓練。直接連結這兩個事實的公開證據目前不存在。我談的不是因果關係，而是結構性相鄰性。在同一個公司裡，生產全球最昂貴的第一人稱影片原料的設備、需要這些原料的機器人業務、以及執行長說 70 萬人將不再需要的預測，並排擺在一起。
奧斯瓦爾德的視角
我認為這件事的核心不在監控，而在會計。
在規劃 GTM 策略時，我反覆看到一個模式：消除一項成本最確定的方法，不是降低它，而是讓它根本不再被視為一項成本。在印度模式中，數據採集是損益表上的一行。是一行，就意味著有人會審視它、質疑它、要求提高。在中國模式中，數據採集被歸入安全設備預算。沒有人稱它為數據採購。
勞動問題變得危險的時刻，通常不是報酬低的時候，而是交易不再被視為交易的時候。低單價是要求漲價的起點，但沒有名字的項目，連要求的話都組不成。
而且這不只是別國的外送市場故事。國內也有工作用 App、車載終端、物流中心的穿戴式掃描器、客服通話錄音等設備，每天都在產生大量的工作數據。但這些數據能否被公司二次用於 AI 訓練、範圍到哪、報酬如何計算，在勞動合約或委託合約中寫明的案例很少。
在協助技術導入評估時，我最近多了一個必查項目：「這個工具收集的數據，二次使用條款有寫在合約裡嗎？」大部分沒有。沒有，不代表被禁止了，而是代表沒有人問過這個問題。
我每週撰寫一份交叉分析科技、經濟和人文的電子報。持續深挖這類問題，就是這份電子報在做的事。
結語
總結如下：
第一，從人類視線高度拍攝的第一人稱影片，是目前機器人領域最昂貴的原料。「HumanScale」實驗證明，這些影片在相同時間下比實際機器人數據產生了更好的泛化性能。
第二，印度用時薪購買了這些影片，中國則把它們塞進安全設備裡免費取得。差異不在單價，而在這筆交易是否可見。
第三，在人工成本上升和機器價格下降的交匯點，這些設備出現了。安全帽確實改善了安全，外送員被取代的預測也公開提出了——兩者都是事實。
上一期我們問卡魯爾的工人，這是解放還是剝削。這一期的問題略有不同：當一筆交易既沒有報酬，也失去了名字，我們該稱它什麼？
💬 您目前使用的工作工具（內部 App、車載終端、通話錄音、穿戴式掃描器）中，有沒有讓您覺得「這個可能被公司拿來當訓練數據」的？是哪個工具、為什麼會有這種感覺，歡迎在留言區分享。案例累積夠多的話，下一期我會從國內合約實務角度整理。
💬 歡迎在留言區分享讓您覺得「這個會被拿來當訓練數據」的工具。下一期會納入討論。 📨 如果您身邊有同樣關注數據、勞動和合約的朋友，請把這篇文章轉給他們。
參考資料 & 延伸閱讀
核心來源
- Ma, J., Bi, J., et al., “HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining”, arXiv:2606.20521, 2026. 連結 ··· 本文的骨架。從人類影片與機器人數據的各項多樣性比較表開始，再到實體機器人成功率 0% 對 90% 的段落，就能理解為什麼第一人稱影片如此珍貴。
- “HumanNet: Scaling Human-centric Video Learning to One Million Hours”, arXiv:2605.06747, 2026. 連結 ··· HumanScale 提取訓練數據的原始資料庫。100 萬小時中超過 80 萬小時是第一人稱影片，可以藉此建立規模感。
- “China’s tech giants race to put AI on delivery riders’ heads”, South China Morning Post, 2026. 連結 ··· 一篇同時比較京東、美團、阿里巴巴三家安全帽的報導。也是本文的起點。
- “Stronger social security? Proposed law sparks a pushback by gig workers”, South China Morning Post, 2026. 連結 ··· 核心在於外送員自己表示比起社會保險，更想要每單佣金。展現了保護立法的悖論。
- “China’s Delivery Revolution”, The Wire China, 2025 年 10 月。 連結 ··· 以數據追蹤自動駕駛配送車價格從 100 萬元降到 2 萬元的過程。搭配人工成本曲線一起讀。
背景知識
- Grauman, K., et al., “Ego4D: Around the World in 3,000 Hours of Egocentric Video”, CVPR, 2022. 連結 ··· 第一人稱影片數據集的事實標準。了解 923 人、3,670 小時這個規模，會讓本期的計算更清晰。
- “「70 萬外送員將不再需要」…中國京東創辦人警告”, 서울경제, 2026 年 6 月。 連結 ··· 劉強東在 APEC 論壇的發言，以及中國零工 3.2 億人的背景一併整理。
- Restrictions on geographic data in China, Wikipedia. 連結 ··· 快速了解中國測繪和地圖數據的監管結構。有助於理解為什麼這些數據成為國內平台專屬的資產。
搭配閱讀的往期
- 額頭貼 GoPro，餵養機器人的那些人 ··· 本文的前篇。印度卡魯爾 2.6 美元時薪的數字從何而來、「層級所有權」這個框架如何建立，都可以在那裡找到。
- 盧德派砸的不是機器 ··· 勞動者被要求為取代自己的系統提供訓練數據，這個結構 200 年前就存在了。搭配本文一起讀，模式會更明顯。
