額頭上的 GoPro：養育機器人的人們
中國擁有大腦，印度製造眼睛。但那些數據，歸誰所有？
前言
各位訂閱者，請想像一下印度泰米爾納德邦一個叫卡魯爾（Karur）的小城鎮裡的一間紡織工廠。貼標籤、縫製布袋、摺衣服——這就是再普通不過的作業現場。但有一個奇怪的地方：大約八名勞工額頭上貼著 GoPro，或戴著智慧眼鏡在工作。這是 AFP 記者親眼目睹的畫面。1
在這裡工作的一位女性，是產後辭去教師工作的二十八歲。她現在做的事，就是每天戴著相機工作六到七小時，拍自己摺衣服、洗碗、整理兒童玩具的日常。作為回報，她獲得收入。但這些數據，終將被用來訓練取代她工作的機器人。
看到這個畫面，我不禁聯想到上一期討論的中國腦機介面（BCI）2。先說結論吧：兩個國家都在攀登同一座名為 AI 的山，但抓住的完全是不同的層級。中國想要擁有的是人體最內層——大腦，由國家所有；印度則讓十五億人口製造出「眼睛」，但所有權卻流向外部。今天我想談談，這個「所有權的位置」為何是區分剝削與解放的關鍵變數。
中國決定讓國家擁有「大腦」
如上一期所討論的，中國的選擇很明確。瞄準的是最內層——也就是人類的神經訊號本身。
2025 年 7 月，中國政府由科技部等七個部門聯合發布了 BCI 產業培育藍圖。這是一份將產業規劃、醫療監管、研究監督整合在一份文件中的國家主導型綜合行動方案。目標也很具體：2027 年前在電極、神經晶片、訊號解碼演算法上取得突破，2030 年前培育出兩到三家「世界級」企業。2025 年 12 月，還設立了 116 億元人民幣（約 1,650 萬美元）規模的腦科學基金。3
我關注的是「要擁有什麼」。電極、晶片、演算法——全是硬體，也是知識產權。一旦做出來，就是本國企業的資產，國家也能加以管控。中國正在把 AI 堆疊中最深、最易防守的層級，釘死為國家資產。
當然，這條路也有局限。將電極植入人腦的侵入式技術，面臨臨床和倫理的高牆，市場開放的速度也慢。中國 BCI 市場 2025 年估計也才約 5 億美元。但方向是明確的：往內走，往國家手中收。
印度讓十五億人製造「眼睛」
印度的路徑恰恰相反。不是大腦而是眼睛，不是侵入式手術而是二手 GoPro 和智慧型手機，不是國家基金而是外國企業的訂單。
在卡魯爾收集數據的公司是 Objectways。2019 年以數據標註4公司起家，如今已擴展到機器人數據領域。在印度和美國設有辦公室，客戶包括財富 500 強企業，並與 Amazon SageMaker 等機器學習平台合作。CEO 是泰米爾納德邦出身但居住在美国的五十多歲人士。1
他們收集的是「第一人稱視角數據（egocentric data）」5。簡單說，就是第一人稱視角拍攝的人類日常本身。摺衣服、沖咖啡、洗碗、打掃廁所——從 A 到 Z 的手部動作和視野，都成為人形機器人學習的基本素材。機器人要認識「這是杯子」，不是舊金山的工程師告訴它，而是印度小城的居民要展示幾千次。摩根士丹利預測，到 2050 年全球將有超過十億台人形機器人在使用。
這裡我作為驗證者要指出一點。影片中提到該產業期望「每天產出五億小時的數據」。我認為這個數字不宜直接采信。來源不明，而且從物理上講，要讓人每天拍攝五億小時，需要數千萬人同時工作。可以把它當作展現產業抱負的修辭來理解，但不宜當作已驗證的事實。不過可以確認的事實是：根據 AFP 的報導，勞工每小時影片約獲得 250 盧比（約 2.6 美元）。1 影片中的另一位勞工表示，額外獲得每月一萬盧比的相機佩戴津貼。
核心在於此：印度人在「生產」數據，但不「擁有」數據。製造出來的「眼睛」，成為下訂單的外國企業的資產。
交叉點：所有權在內側，勞動在外側
現在讓我們把兩個國家疊在一起看。我在制定 GTM 策略時，總是問同一個問題：「在這條價值鏈中，誰握有可防禦的資產？」
用這個問題來看，中國和印度的差異就非常鮮明了。
中國擁有堆疊最內層——難以複製、監管壁壘高的大腦與晶片層級。進入門檻高，意味著一旦領先，別人就不容易追上來。相反，印度握有的是堆疊最外層——透過眼睛進入的原始數據。這可以憑藉十五億人口的壓倒性規模低成本製造，但同時任何人都能替代，所有權也向外洩漏。
同樣的邏輯在印度 IT 服務產業中也在重複上演。印度的軟體服務出口在 FY25 已超過 2,300 億美元，6 這是 25 年來扮演全球「後台」角色累積的成果。但現在，那些重複性工作恰恰是大型語言模型（LLM）最先吞噬的領域。因為沒有擁有可防禦的資產，只提供勞動，所以當遊戲規則改變時，最先受到衝擊。
市場正在冷靜地讀取這個結構。2026 年以來，外國資金從印度股市撤出超過 300 億美元，創歷史新高。7 資金流向直接製造晶片和硬體的台灣、韓國。一位投資人甚至稱印度為「反 AI 標的」。當然也有反駁。印度有超過 1,800 個全球能力中心（GCC）8，雇用約 200 萬人，80% 的新增 GCC 將 AI 和機器學習列為優先事項。有一種觀點認為印度是 AI 企業應用（微調）的中心。但即使這個反駁，本質上仍是「為別人的模型做微調」的角色，屬於勞動而非所有的語法。
延伸：同一台相機為何既是解放也是剝削
但這裡有一個轉折。只看所有權結構，印度的圖景是灰暗的。但如果問卡魯爾的那位女性這份工作對她意味著什麼，故事就不那麼簡單了。
印度是一個社會上相當保守的國家，女性教育甚至常因「浪費嫁妝」而被放棄。在這樣的環境中，不必離開家鄉就能獲得收入的職位，能徹底改變人生。影片中一位女性介紹自己是家中第一個大學畢業生，說她用薪水的一邊照顧父母健康，另一邊負責孩子的教育。「教育男孩是教育一個家庭，教育女孩是教育整個村莊」——這句印度諺語在這裡不是隱喻，而是現實。這無疑是解放。
但同時，這也是一條被設計為提取式的供應鏈。勞工在親手訓練將取代自己的技術，而那些數據隨時可能被用來對勞工不利。在某些地區，雇主甚至可能在不給任何津貼的情況下強迫佩戴相機。「付費且有人願意做就是公平交易」這句話，與「我們是否正在被剝削」的疑問，在同一個作業現場中共存。
解開這個悖論的鑰匙，正是第一個軸——所有權。如果無法擁有數據，解放就是暫時的，剝削就是結構性的。當模型訓練完成、機器人足夠聰明的那一刻，這份工作的「安全期」就結束了。影片中的那位女性也精準地意識到這一點：「在模型學習完成之前，機器人還搶不走我們的工作。」解放的有效期，被所有權的位置所綁定。
奧斯瓦爾德的視角
老實說，我對印度「人口即競爭力」的敘事持謹慎態度。
在做數據分析時，我經常遇到一個模式：規模本身不是價值。規模要成為價值，必須有人「擁有」它所創造的資產，並將其與再投資連結。沒有所有權的規模，不過是廉價的供給。十五億人製造出眼睛，但如果那些眼睛的所有權在外部，印度留下的就只有工資，而那份工資在機器人完成學習的那一刻就會受到威脅。
這不代表中國的路就是對的。國家擁有大腦的模型，本身也帶有管控和倫理問題，AI 本質上是集中權力的技術——這個擔憂在中國那邊反而更大。我想表達的是框架：往後看任何國家的 AI 策略時，先看「擁有哪個層級」而非「做了多少」，就能更快看出該國是站在解放的一側還是剝削的一側。
結語
今天的故事用三句話來概括。
第一，中國讓國家擁有大腦（BCI、晶片）這個內層，印度讓十五億人口製造眼睛（視覺數據）這個外層，但無法擁有。第二，卡魯爾的相機勞動，既是故鄉中獲得獨立的解放，也是訓練取代自己的機器人這條提取式供應鏈的最末端——剝削。第三，決定這個悖論重量的，終究是「誰擁有數據」。
所以，下次看到任何國家的「AI 崛起」新聞時，我建議您別只看規模和速度，而是看看所有權的位置。您會看到不同的圖景。
如果您站在卡魯爾那位女性的立場，您會把這份工作視為「解放」還是「剝削」？而區分這個判斷的條件是什麼？在兩個軸中，您更傾向於哪一個？歡迎在留言中告訴我，我會考慮反映到下一期的選題中。
💬 卡魯爾的相機勞動，是解放還是剝削？請簡短留下您的判斷依據 · 📨 如果這個觀點對您有幫助，請轉給同事
參考資料 & 延伸閱讀
核心來源
- AFP, “The Indian workers training AI robots to take their jobs”, 2026.6. Al Jazeera 刊載版 ··· 卡魯爾工廠的 GoPro 勞動和每小時 250 盧比、Objectways 資訊的一手來源。
- 中國七部門, “關於促進腦機介面產業創新發展的實施意見”, 2025.7. TechCrunch 分析 ··· 了解中國為何要讓國家掌握「內層」的良好背景。
- Nasscom, “Technology Sector Strategic Review 2025”. India Business Trade 整理 ··· 印度軟體服務出口規模的依據。
背景知識
- Ruchir Sharma, “India is a loser in the AI race” 訪談, 2026.5. Business Today ··· 從投資人角度了解為何外資離開印度流向台灣、韓國。
推薦搭配閱讀的往期
- 奧斯瓦爾德的知識漫談：中國 BCI 篇 ··· 與今天的「中國擁有大腦」軸線直接相連。兩篇連著讀，所有權結構的對比會更鮮明。
📝 術語說明
각주
-
Objectways / 卡魯爾相機勞動：AFP 於 2026 年 6 月在泰米爾納德邦卡魯爾的紡織工廠直接採訪的案例。勞工額頭上貼著 GoPro 或戴著智慧眼鏡拍攝日常動作，這些影片作為人形機器人的學習數據出售。 ↩ ↩2 ↩3
-
BCI（Brain-Computer Interface，腦機介面）：讀取大腦神經訊號並與電腦、機械連接的技術。分為將電極植入大腦的侵入式，和從外部測量的非侵入式。 ↩
-
116 億元人民幣腦科學基金：2025 年 12 月中國設立的約 1,650 萬美元規模的 BCI 產業支持基金。從研究到商業化，支持本國企業的國家資本。 ↩
-
數據標註（Data Annotation）：為圖像、影片、音訊等數據加上「這是卡車、這是人」等標籤，使 AI 能夠學習的工作。自動駕駛汽車辨識道路上的物體，也依賴這項工作。 ↩
-
第一人稱視角數據（Egocentric Data）：即「第一人稱視角」數據。從人的頭部、眼睛高度拍攝，幫助機器人直接模仿人類的手部動作和視野的學習素材。 ↩
-
軟體服務出口（FY25）：以印度會計年度（2024.4~2025.3）為基準，軟體服務出口額超過 2,300 億美元。美國（50%）和歐洲（31%）是最大市場。 ↩
-
300 億美元資金流出：2026 年外國投資人從印度股市回收的金額，已超越 2025 年全年紀錄，為歷史最大規模。 ↩
-
GCC（Global Capability Center，全球能力中心）：跨國企業在印度等地設立的自主運營據點。過去外包（BPO）的工作轉為「內部化」的形式，印度有超過 1,800 個，約 200 萬人在此工作。 ↩
