戴頭盔攝影機的不是房東
紐約的免費清潔，帳單該由誰買單？
前言
讀者 您好，昨天 Twitch 新增了一個設定。名字叫做「生成式 AI 訓練」，位置在「安全與隱私」分頁的最底部，狀態是開啟的。這代表亞馬遜會用 Twitch 的直播內容來訓練生成式 AI，如果你不想要，就得自己找進去關掉。
首席產品官 Mike Minton 被問到「為什麼不是選擇加入（opt-in）」時，這樣回答：如果是選擇加入，就根本不會有人做。
然而差不多同一時期，在紐約，有一群人排隊等著把一個戴著攝影機的陌生人請進家門。條件就是一次免費清潔。
先說結論。這件事的核心不在開關。而在於按下同意按鈕的人，和為這個同意付出代價的人，是兩個不同的角色——這是一種結構性的錯位。
Twitch 打開的開關
先來釐清事實。
8 月 12 日 Twitch 發布的公告，內容不是「我們開始訓練了」，而是「我們新增了一個可以拒絕訓練的設定」。看似只差一個句子，但順序反過來了。訓練已經是前提，新出現的只是拒絕權。
事實上，Minton 在 2024 年一場媒體活動上，被問到亞馬遜是否在用 Twitch 訓練 AI 時，已經回答「是」。這個切換開關，比實際慣例晚了快兩年才出現。
而且就算關掉，也不是全部關掉。自動字幕、自動模式等功能會繼續運作。Twitch 的說明是，這些功能會儲存數據，但不會用來生成新內容。也就是說，這次開關擋住的是生成式模型的訓練，而不是整體的 AI 使用。
範圍很廣。即時直播及其聊天室、過往直播的回放、片段與精華、頻道上的文字和圖片，全部包含在內。直播主幾年來累積的所有記錄，都被綁在一個設定欄位裡。
反應很快。公告發出幾小時內，論壇上要求改為選擇加入的帖子就集滿了將近 14,000 票。直播說明會上有近 3,000 人進場，聊天室被反對意見塞滿。
到這裡都是熟悉的畫面。但我的目光落在了另外兩行字上。
第一，我聊天室的命運不由我決定。 我在別人的直播間發的聊天訊息，跟著那位直播主的設定走。就算我在自己的帳號上關掉了開關，但我去看的那場直播，如果直播主是開著的，那我留在那裡的每一句話都是訓練素材。
第二，直播主也不是獨自決定的。 畫面上跑的是遊戲公司的著作。一位遊戲業分析師提出了這個問題：如果創作者開著訓練功能去直播別人的遊戲，會怎樣？開關裝在個人帳號上，但開關打開的那扇門後面，放著別人的資產。
而 Minton 被問到「是否已經被用於訓練」時，回答「不知道」。意思是亞馬遜用了什麼、沒用什麼，他自己也不清楚。管理同意的那家公司，卻追蹤不了同意的結果。
紐約的免費清潔
有一家公司用完全相反的方式解決了同樣的問題。
Shift 在紐約提供免費居家清潔。 代價是，來清潔的人會戴著頭戴式攝影機，以第一人稱拍攝工作過程。這段聚焦於手部動作和操作的影片，成為訓練家用機器人的操作數據1，公司會將它匿名化後，以授權方式賣給 AI 和機器人公司。營運方是德國的 MicroAGI，紐約是起點。他們已宣布將擴展到舊金山、倫敦、蘇黎世、慕尼黑，並擴展到管道維修和烹飪等領域。
換成數字來看。紐約公寓的標準清潔，每次大約 150～250 美元。公司替一次清潔買單，等於把兩三小時的居家影片定價在這個水平。 文字早就被爬取到夠了，但真實凌亂的家裡的影片，模擬器做不出來。
隱私說明也算細緻。臉部和姓名會自動遮蔽，螢幕、身分證、紙張、手機上顯示的個人資訊會做模糊處理。攝影機的設計是聚焦於清潔人員的手部動作和工作過程。不過 FAQ 裡也寫了一句話：處理過程中會將影片與標註2人員共享。也就是說，自動匿名化之後，仍然有人會看到那個家裡的樣子。
反應很重要。上線後據說幾小時內就涌入了數千筆預約。不過這個數字是公司和業界媒體報導的，並非獨立驗證的數據。但方向很清楚。條件是讓一個拿著攝影機的人走到臥室門口，人們還是來了。
拿 Minton 的命題來對照看看呢？他說如果是選擇加入就沒有人會做，但紐約人做了。因為有代價。問題不在於同意的意願，而在於沒有價格標籤。
簽字的人和付帳的人
現在把兩個案例疊在一起看。重疊的地方，呈現出相同的形狀。
在 Twitch，按開關的人是直播主。但那場直播累積的數據，不是直播主一個人產出的。有發聊天訊息的觀眾，有填滿畫面的遊戲公司。同意是一個人做的，提供的資產卻屬於好幾個人。
在 Shift，走同意流程的人是房東。接受免費清潔的也是房東。但戴著攝影機的人不是房東，是來清潔的人。而那支影片指向的目標是家用機器人——也就是現在正在做這份工作的那個職業。
這裡我想避免一個誤解。這個結構不等於剝削。清潔人員有領到報酬。公司另外也運營一個拍攝貢獻者按次給付的方案，並宣布 2026 年第一季參與者收到了超過 500 萬美元。這是公司單方面發布的，直接採信要謹慎，但「有代價存在」這個事實本身，就和 Twitch 不同。
我想指出的不是這個。同意的單位是個人，但數據的單位是現場。
「家」這個現場，至少有三個主體：同意的人、被拍攝的人、之後會受到影響的人。「直播」這個現場也有三個主體：開啟的人、發聊天的人、提供著作的公司。但我們手裡的工具，只是個人帳號上的一個開關。用一個開關去表達三個主體，按下去也只能反映一半。
那為什麼「個人開關」這種形式一直出現？因為好做，也方便轉移責任。提供設定的那一刻，公司就可以說「我們給了選擇權」，沒關的人就被視為已同意。實際改變的不是數據流向，而是說明責任的位置。使用者留下的不是控制權，而是控制感。
合約結構讓這個錯位再擴大一步。Shift 明確表示自己既不是清潔公司也不是僱主，而是技術平台。清潔人員是合作夥伴驗證過的獨立承包商。被拍攝的勞動存在，但僱用這份勞動的主體在文件上不存在。Twitch 也類似。同意收了，但亞馬遜用了什麼，他們說不知道。兩邊都是同意被收集了，責任卻散落了。
韓國會站在哪一邊
對韓國的創作者來說，這個開關可能看起來像別人的事。因為 Twitch 在 2024 年 2 月 27 日就結束了韓國業務。沒有要關的開關，也沒有要開的開關。
但填補那個位置的平台上，已經用不同的方式遇到了同樣的問題。
Chzzk 的「魔法語音」會用熱門直播主的聲音朗讀後援訊息。由此產生的額外費用會支付給提供聲音的直播主。一個功能就綁定了個別同意和結算的結構。SOOP 的 AI 管理員「Salsa」會學習直播主的直播節奏和說話方式，在直播主離開時接續聊天室。學習對象不是內容，而是人的說話方式，這算是更進一步的案例。
制度方向也不同。韓國以事前同意為個人資訊處理的原則，個資會在 2024 年發布了公開個人資訊用於 AI 訓練的基準。美國式的「預設開啟」不容易直接移植過來。
但前面提到的錯位，制度不會自動解決。直播主同意的訓練數據裡，混著觀眾發的聊天訊息。AI 管理員學習的說話方式裡，也包含了那場直播中進行的對話。同意的人和產出數據的人不是同一個人，這個條件無論在首爾還是紐約都一樣。
Oswald 的視角
在規劃 GTM 策略時，我看了好幾次數據採購計畫。反覆遇到的場景是：伺服器費用、標註成本、人力成本都寫了，但原始數據的取得成本寫著 0。原因很簡單：使用者已經在我們的服務裡了，使用條款裡加一句話就好。
把採購單價定為 0 的那一刻，後面的事就定了。同意率等於取得量，所以 UI 會朝最大化同意率的方向設計。Minton 的話聽起來不像失言，原因就在這裡。那不是失誤，而是從採購目標倒推出來的結論。
我把這兩個案例放在一起看，原因在這裡。Shift 在購買同樣的數據時，把取得成本放上了損益表。 他們判斷一次清潔的成本比一小時的數據便宜。反過來，Twitch 握著全球最大規模的創作者影片，卻還沒辦法給自己的內容標上價格。所以他們選擇了預設開啟。
我預測這個差異會把公司分成兩類。用使用條款來拿數據的公司，會用信任來支付成本。帳單會遲到，而且會一次全來。用價格來買數據的公司，成本先支出，但會留下下一次談判的依據。
所以實務上該問的問題也該變了。不是「我們收到同意了嗎」，而是「我們收到的同意的單位，和數據的單位是否對得上」。如果我們的服務收集的數據裡，混著未同意的第三方貢獻，那在成為法律風險之前，它已經是一個設計缺陷了。
結語
今天的故事用三句話總結：
第一，Twitch 的預設開啟，在成為倫理失敗之前，先是一個定價失敗。定不出價的那一方，就選擇預設開啟。第二，紐約的案例證明，人們會選擇加入——只要代價被明確標示。第三，兩個案例中，同意的人和付出代價的人都是錯位的。個人開關解決不了這個錯位，它只回傳了控制感。
這週建議做一件事。在你現在工作的公司或使用的服務中，找一個數據被收集的節點，把跟它相關的所有人列出來。同意的人、產出數據的人、之後會受到影響的人。如果這三個欄位不是同一個名字，那這個服務已經落在今天的故事裡了。
你現在免費使用的服務中，有沒有「我倒是同意了，但其實產出數據的不是我」的情況？是哪個服務的哪個環節？歡迎在留言區告訴我。案例集齊的話，下一期我會按類型整理。
💬 歡迎在留言區分享你的案例 · 📨 如果你覺得這件事不只是別人的事，請分享給身邊的人
參考資料 & 延伸閱讀
核心來源
- Amanda Silberling, “Amazon will train on Twitch streamers’ content by default, unless they opt out”, TechCrunch, 2026. 連結 ··· 最詳細整理 Minton 發言前後脈絡和公告框架的文章。
- “Twitch under fire for new gen AI training system that harvests streamer data for Amazon”, PC Gamer, 2026. 連結 ··· 指出遊戲公司著作也一併被帶走的部分，是本文第三節的起點。
- “How to stop Twitch from training AI on your streams”, Engadget, 2026. 連結 ··· 區分了選擇退出後哪些功能會關、哪些不會關。
- shift, “Free Home Cleaning in NYC” 官方網站及 FAQ, 2026. 連結 ··· 拍攝方式和匿名化流程、合約關係都直接寫在 FAQ 裡。建議讀第三節之前先看。
- John Koetsier, “Physical AI Data Is So Valuable This Startup Cleans Your Home For Free”, Forbes, 2026. 連結 ··· 探討清潔勞動與機器人訓練關係的部分，和今天的交叉點相呼應。
背景知識
- 個資會，「人工智慧開發・服務之公開個人資訊處理指引」, 2024. 連結 ··· 可以了解韓國以什麼基準處理 AI 訓練數據。
- 「離開韓國的 Twitch，韓國未來的串流將如何變化？」, KISO Journal, 2024. 連結 ··· 整理了 Twitch 撤出後韓國串流版圖如何重新洗牌。
搭配閱讀的往期文章
- 我的書以 656 美元賣掉了 ··· 今天這篇文章討論的是同意的結構，那篇則討論同意之後的價格。建議接著讀。
- 給機器人名字和錢包的 Cloudflare ··· 這是從數據接收端收取代價的另一種嘗試。
