京东为什么免费送头盔
在印度，这段影像曾是按时薪2.6美元购买的
开篇
读者，8月3日，京东公开了一款面向外卖骑手的智能头盔。它能用语音接单，分析资深骑手的实际行驶记录来指路，摔倒时会发出求救信号。据说这款设备将优先免费发放给15万名专职骑手。
报道大多把焦点放在“安全”和“效率”上。但我注意到的是别的地方。这款头盔上装有一枚能识别周边环境的摄像头。
上一期我讲过印度卡鲁尔纺织工人的故事。他们把GoPro绑在额头上，拍摄叠衣服的画面，换来时薪约2.6美元。先说结论：中国找到了一种不用支付那2.6美元的方法。
8月的第一周，三家公司的头盔并排出现了
京东公布的头盔功能清单是这样的：不用湿手点屏幕，用语音就能处理新订单、和顾客通话、自动读出“请放门口”之类的备注要求。不靠地图应用，而是学习熟练骑手实际走过的路线，进行逐弯导航。在店内取餐时还能自动检查卫生状况。京东表示，预计每单找路的时间平均能缩短约3分钟。
先出手的并不是京东。截至2025年6月，美团已经推广了超过100万个智能头盔，配有语音通话、跌倒检测传感器和自动紧急响应功能。阿里巴巴的配送板块（当时是饿了么，现在是淘宝闪购）早在2022年底就已经推出过类似的头盔。
截至2025年初，中国的外卖骑手超过1000万人——这是新华社报道的数字。也就是说，三个平台正在用同一形态的设备，花三年时间铺满这个市场。
这里要指出一点：这些头盔提供的安全效益是真实的。在暴雨中用湿手操作智能手机，远不如用语音处理安全。跌倒检测和一键求救，是能改变事故发生时生存率的功能。这不是营销话术，而是物理层面的事实。
不过这三家公司的头盔还有一个共同点：摄像头、麦克风、定位传感器固定在骑手的头部高度，整天在城市里穿梭。而且全都是免费的。
为什么偏偏是头顶
如今机器人产业最难获取的资源是什么？不是模型，也不是芯片，而是以人的视角高度拍摄的第一人称影像1。
今年6月，北京大学、新加坡国立大学、MIT、UC圣塔芭芭拉和英伟达的研究者共同发表了一篇名为《HumanScale》的论文，正面处理了这个问题。实验设计很干净：用同样的5000小时数据，分别以两种方式对机器人进行预训练2。一边是人戴着头戴式摄像头拍摄的第一人称影像，另一边是真实机器人采集的行驶与操作记录。
结果与常识相反。在执行训练时从未见过的任务时3，用人类第一人称影像训练的一方，损失值低了约20%。在实机机器人实验中，差距更加悬殊——未经预训练的机器人，在从未见过的任务上成功率是0%，而用第一人称影像预训练的机器人成功率是90%。
为什么会这样？论文给出的理由很简单。机器人数据是在实验室里、按照既定脚本、在固定机械臂能触及的范围内产生的。而人类影像穿梭于家、街道和工作场所之间，动作流畅，静止时间很少。即便拍摄同样的100小时，从人类影像中提取出的动作轨迹数量，也超过机器人数据的5倍以上。
那么这类数据到底有多稀缺？学界通用的标准第一人称数据集Ego4D，由9个国家923人拍摄，共3670小时——这是研究项目历经数年才积累起来的规模。
现在把京东的数字摆在旁边看看。哪怕非常保守地假设，15万名专职骑手每天只拍摄1小时，那也是每天15万小时——相当于每天累积40个Ego4D的量，足以把HumanScale预训练所用的5000小时填满30遍还有余。如果扩大到中国全部1000万名骑手，这个计算就会进入一个失去意义的量级。
我们按印度卡鲁尔的单价换算一下：时薪2.6美元，一天就是39万美元，一年超过1.4亿美元——这是以15万人为基准算的。也就是说，这么大规模的数据采集人力成本，压根就没被记入账本。
当然，为求平衡，有两点需要说明。
首先是论文本身的局限。正如作者们自己指出的，对比规模被限定在5000小时（因为公开可用的实机机器人数据本身就不足）。实机机器人验证也只在3个任务、1种机器人平台上进行。在数十万小时规模下，这种优势是否依然成立，目前尚未得到验证。不过从100小时到5000小时，性能一直呈对数线性提升（R²=0.86～0.94），这可以解读为“投入越多，效果越好”的信号。
其次，数据的性质也不同。HumanScale处理的主要是用手操作物体的操作类任务。而头盔摄像头拍到的内容更接近城市行驶——巷道的结构、公寓楼之间的抄近路、找到店铺入口的路径、在电梯前等待之类的场景。这类原料更直接适用于自动驾驶配送车和配送机器人，而不是机械臂。而巧合的是，眼下在中国扩张最快的，恰恰就是那种自动驾驶配送车。
合同里没有的条目
这里，上一期和这一期之间的差异就显现出来了。
印度卡鲁尔的模式是有名字的。有数据采集合同，有时薪，劳动者清楚自己现在做的是“拍摄AI训练用影像”这项工作。它可能是剥削性的，但至少是可见的。因为它是一笔交易，所以能成为谈判对象，单价也有上涨的空间。
中国的模式没有名字。骑手签的是配送合同，头上戴的是安全装备。数据采集不是一份单独的兼职，而是被塞进了他们本来就在做的工作里。没有支付，没有条目，因此根本不存在可以拿来谈判的对象。
如果说上一期的问题是“谁拥有哪一层”，这一期的问题是这样的：如果那一层根本不可见，会发生什么？
其实证据已经写在产品说明里了。京东头盔的核心功能之一就是“资深骑手路线导航”——分析业绩优秀骑手的实际配送记录，用语音把最优路线告诉新手骑手。仔细拆解就会发现，这其实是把熟练劳动者的经验提炼成模型、再分发给不熟练劳动者的装置。没有任何地方提到公司单独向那些资深骑手支付了这份经验值的报酬。这不是我的推测，而是公司自己公开说明的功能。
时机也不是偶然的。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，内容加强了平台对外卖骑手等外包劳动者的安全、工资和基本社会保障责任，意见征集截止至8月4日。中国的灵活就业劳动者约有3亿人。
不过骑手们的反应很有意思。据《南华早报》采访，一位名叫张亮（音译）的外卖员每天工作12小时，能赚300元人民币（约44美元）。他表示自己想要的不是社会保险，而是“每单更高的提成和合理的配送时限”——因为如果保险费用增加，实际到手的钱就会减少。
站在平台的立场，这项立法意味着人力成本上升的信号。而与此同时，另一条曲线正在下降。截至7月，中国的自动驾驶配送车已在全国铺设超过1.5万台，在200多个城市获得了运营许可。几年前超过100万元人民币的车辆价格，现在已经跌到2万元人民币以下。硬件成本从2021年的3万美元降到现在不到1万美元。
京东董事长刘强东6月21日在北京举行的APEC中国CEO论坛上表示，配送将由机器人承担，长期来看70万名骑手可能会被替代。他还补充说，公司正与全国120多所学校合作，准备职业转型培训。
还有一层。在中国，测绘道路和地形、采集地理数据并不是任何人都能做的事——这是需要许可的，尤其是车辆采集的地理信息受到单独管制。这意味着外国企业几乎无法在中国街头扫描并积累这类数据。因此，骑手头顶每天生成的这些城市扫描数据，从结构上讲，是只有中国本土平台才能积累的资产。上一期讨论的“哪一层由谁拥有”，在这里以国家单位的形式重新出现了。
最后，让我诚实地划一条界线。京东只是表示会把头盔积累的数据用于提升调度效率和安全管理，并没有宣布要把摄像头影像用于机器人或自动驾驶训练。能把这两个事实直接连起来的公开证据，目前还没有。我在这里说的不是因果关系，而是结构上的邻接性。在同一家公司内部，并列摆放着这样几件东西：生产全世界最昂贵第一人称影像原料的设备，需要这种原料的机器人业务，以及首席执行官对70万人将变得不再需要的预测。
Oswarld视角
我认为这件事的核心不在于监控，而在于会计。
在制定GTM战略的过程中，我反复看到一种模式：消除某项成本最确实的方法，不是削减那项成本，而是把它是一个成本项目这一事实本身抹去。在印度模式里，数据采集是利润表上的一行。是一行，就意味着有人可以审视它、核算它、要求提高它。在中国模式里，数据采集被记在安全装备预算里，没人把它称作数据采购。
劳动问题真正变得危险的时刻，往往不是报酬低的时候，而是一笔交易不被识别为交易的时候。低单价至少是要求涨价的起点，而一个没有名字的项目，甚至连提出要求的那句话都造不出来。
而这也不是别国配送市场的事。国内同样每天有大量工作数据，是通过办公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产生的。但这些数据是否可以被公司二次用于AI训练、边界在哪里、报酬如何核算，这些内容很少写进劳动合同或委托合同里。
在帮助企业审查技术引入方案时，我最近多加了一个必查项：“这个工具采集的数据，二次使用条款是否写进了合同？”大多数情况下没有。没有写，并不意味着被禁止，而是意味着从来没有人问过这个问题。
我每周都会交叉分析技术、经济与人文，做成一份新闻通讯。持续追问这类问题，正是这份通讯要做的事。
结语
总结一下。
第一，以人的头部高度拍摄的第一人称影像，是当下机器人产业最昂贵的原料。在《HumanScale》的实验中，这类影像所带来的泛化性能，超过了同等时长的真实机器人数据。
第二，印度用时薪购买这类影像，中国则把它塞进安全装备里获取。区别不在于单价，而在于那笔交易是否可见。
第三，这类设备正诞生在人力成本上升、机器价格下降的交叉点上。头盔确实改善了安全，骑手被替代的前景也确实已被公开提及——这两件事都是真的。
上一期我们问卡鲁尔的劳动者，这究竟是解放还是剥削。这一期的问题稍有不同：一笔没有报酬、连名字都消失了的交易，我们该怎么称呼它？
💬 您现在使用的工作工具（企业内部App、车载终端、通话录音、可穿戴扫描仪）中，有没有哪一个让您觉得“公司说不定会拿这个当训练数据用”？请在评论里告诉我们是什么工具，以及为什么会这么觉得。案例积累起来后，我们会在下一期从国内合同实务的角度做一次梳理。
💬 请在评论里告诉我们那些让您觉得“这说不定会被当作训练数据”的工具。我们会在下一期做出反映。 📨 如果您身边有正在思考数据、劳动与合同问题的朋友，请把这篇文章转发给他们。
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 ··· 这是今天这篇文章的骨架。从逐项对比人类影像与机器人数据多样性的表格，以及实机机器人成功率0%对90%的部分读起，就能立刻理解为什么第一人称影像如此珍贵。
- “HumanNet: Scaling Human-centric Video Learning to One Million Hours”, arXiv:2605.06747, 2026. 链接 ··· 这是HumanScale提取训练数据的原始数据库。可以从中获得一种规模感——在100万小时中，超过80万小时是第一人称影像。
- “China’s tech giants race to put AI on delivery riders’ heads”, South China Morning Post, 2026. 链接 ··· 这篇文章把京东、美团、阿里巴巴三家的头盔放在一起做了比较，是今天这篇文章的出发点。
- “Stronger social security? Proposed law sparks a pushback by gig workers”, South China Morning Post, 2026. 链接 ··· 关键之处在于骑手们自己说，他们想要的不是社会保险，而是按单计费的提成。这展示了保护性立法的悖论。
- “China’s Delivery Revolution”, The Wire China, 2025年10月。 链接 ··· 以数字追踪了自动驾驶配送车价格从100万元跌到2万元的过程。可以和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 ··· 这是第一人称影像数据集事实上的标准。了解923人、3670小时这个规模，能让这一期里的算数变得更加清晰。
- “‘70万配送骑手将不再需要’…中国京东掌门人的警告”, 首尔经济, 2026年6月。 链接 ··· 这篇文章整理了刘强东在APEC论坛上的发言，以及中国3.2亿名零工劳动者这一背景数字。
- Restrictions on geographic data in China, Wikipedia. 链接 ··· 可以快速浏览中国测绘与地图数据的监管结构，有助于理解为什么这类数据会成为本土平台独有的资产。
值得一起读的往期
- 额头上的GoPro，那些养育机器人的人 ··· 这是今天这篇文章的前篇。可以在这里确认印度卡鲁尔时薪2.6美元这个数字从何而来，以及“层的所有权”这一框架是如何形成的。
- 卢德分子砸毁的从来不是机器 ··· 劳动者为取代自己的系统贡献训练数据的结构，两百年前就已经存在。和今天这篇一起读，就能看出其中的模式。
