戴上头戴摄像头的不是房主
纽约的免费清洁，谁付了这笔账？
开篇
读者，昨天Twitch新增了一项设置。名称是“生成式AI学习”，位置在安全与隐私标签页的最下方，状态是开启。这意味着亚马逊会用Twitch直播内容来训练生成式AI，如果不愿意，就得自己找到这个设置去关闭它。
首席产品官Mike Minton在被问及为什么不是选择性加入1时，是这样回答的：如果是选择性加入，没有人会同意。
而几乎同一时期，在纽约，人们排着队愿意把戴着摄像头的陌生人请进家门。条件只是一次免费清洁。
先说结论。这件事的核心不在于开关本身，而在于按下同意按钮的人，和为此付出代价的人是两拨人这一结构。
Twitch打开的开关
先梳理一下事实关系。
8月12日Twitch公布的内容并不是“从现在开始进行学习”，而是“新增了可以拒绝学习的设置”。看似只是措辞上的差异，实际上顺序被颠倒了。学习早已是既定前提，新增的只是拒绝权。
实际上，Minton在2024年一次媒体活动上被问及亚马逊是否会用Twitch训练AI时，曾回答说是的。这个开关的到来，比起既有做法晚了将近两年。
即便关闭，也不是全部都会关闭。自动字幕或自动模式（Auto Mode）之类的功能仍会继续运作。Twitch的说明是，这些功能虽然会保留数据，但不会用来生成新内容。也就是说，这次的开关阻断的是生成式模型的学习，而不是AI应用的全部。
涉及范围很广。实时直播及其聊天记录、往期直播回放、片段与精彩集锦、频道上传的文字和图片都包含在内。主播多年来积累的全部记录，就这样被捆绑在了一个设置项里。
反应很快。公告发布仅几个小时，要求改为选择性加入的论坛帖子就获得了近1万4,000张投票。在Minton出面直播解释时，近3,000人涌入，聊天框被反对意见淹没。
到这里为止都是我们熟悉的画面。但我注意到了另外两行。
第一，我聊天记录的命运，并不由我自己决定。 在别人直播间发的聊天内容，遵从的是那位主播的设置。即便我在自己的账号里关闭了开关，只要我去应援的那场直播的主人开着这个开关，我留下的那些话仍是学习对象。
第二，主播也不能独自决定。 画面上呈现的是游戏公司的著作物。一位游戏行业分析师提出了这样的问题：如果创作者开着这个开关直播别人的游戏，会发生什么？开关挂在个人账号上，但这扇门打开之后，门后放着的却是别人的资产。
而且，被问及是否已经用于训练时，Minton的回答是不知道。他说自己也不清楚亚马逊用了什么、没用什么。这也意味着，管理同意的公司竟无法追踪同意所产生的结果。
纽约的免费清洁
有一家公司用截然相反的方式解决同样的问题。
Shift在纽约免费提供家庭清洁服务。作为交换，前来清洁的人会戴上头戴式摄像头，以第一人称视角拍摄作业过程。这些聚焦手部和动作的影像会成为训练家用机器人的操作数据2，公司将其匿名处理后，以许可方式出售给AI与机器人企业。运营方是德国的MicroAGI，纽约只是起点。公司表示将扩展到旧金山、伦敦、苏黎世、慕尼黑，并延伸至管道维修和烹饪领域。
换算成数字来看。在纽约，公寓标准清洁每次大约150~250美元，换算成韩元约20万~35万韩元左右。公司愿意代付一次清洁费用，意味着他们把两三个小时的家庭影像估价定在了这个水平。因为文本数据早已被抓取殆尽，而真实家庭那种凌乱的场景，模拟器是造不出来的。
隐私说明也相当细致。他们表示会自动遮盖面部和姓名，屏幕、身份证件、纸张、手机上出现的个人信息都会做模糊处理。摄像头的设计也聚焦于清洁人员的手部和作业动作。不过FAQ中也写明，处理过程中会将影像与标注3工作人员共享。这意味着，即便经过自动化的匿名处理，仍会有人看到那户人家的家中景象。
反应很重要。据悉，公司刚上线几个小时，预约就涌入了数千件。不过这个数字来自公司及行业媒体，并未经过独立验证。尽管如此，方向是明确的。即便条件是要把带着摄像头的人请进卧室门前，人们依然来了。
不妨把Minton的命题拿来对照一下。他说如果是选择性加入，没有人会同意，但纽约人却同意了。因为有了价格。问题不在于是否愿意同意，而在于没有价格标签。
签字的人和付出代价的人
现在把两个案例叠在一起看。重叠之处，浮现出相同的形状。
在Twitch按下开关的人是主播。但那场直播积累的数据，并非主播一人所创造。有打字聊天的观众，有填满画面的游戏公司。同意由一个人做出，而被提供出去的资产，却属于多个人。
在Shift走完相当于同意书流程的人是房主，接受免费清洁的人也是房主。但把摄像头戴在头上的人不是房主，而是前来清洁的人。而那段影像所瞄准的目的地，正是家用机器人——也就是现在从事这份工作的这个职业本身。
这里想避免一个误解。这并不是说这种结构就等于剥削。清洁人员是拿着报酬工作的。公司另外还运营着一个按次向拍摄贡献者支付报酬的项目，据称2026年第一季度参与者共获得超过500万美元。因为是公司自己的说法，照单全收要慎重，但对价存在这一事实本身，就是与Twitch不同的地方。
我想指出的是别的一点。同意的单位是个人，但数据的单位却是现场。
家这个现场里，至少存在三方主体：同意的人、被拍摄的人、日后会受到影响的人。直播这个现场同样存在三方：打开开关的人、发聊天的人、提供著作物的公司。而我们所拥有的工具，只是挂在个人账号上的一个开关。想用一个开关来表达三方主体，即便按下了，也只能反映一半。
那么为什么个人开关这种形式还会不断出现呢？因为制作容易，也便于转移责任。提供了这项设置的那一刻，公司就可以说自己给了选择权，而没有关闭的人就被当作同意处理了。真正发生变化的不是数据的流向，而是解释责任的位置。留给用户的，不是控制权，而只是控制感。
契约结构又把这种错位再拉开了一层。Shift明确表示自己既不是清洁公司也不是雇主，而是一个技术平台。清洁人员是由合作方审核过的独立经营者。存在被拍摄的劳动，但雇用这份劳动的主体在文件上却不存在。Twitch也类似。同意收到了，但亚马逊用了什么却不知道。两边都是同意被收集了，责任却被分散了。
韩国站在哪一边
对韩国创作者来说，这次的开关也许显得事不关己。因为Twitch已于2024年2月27日退出了韩国业务。既没有可以关闭的开关，也没有可以打开的开关。
但填补这一空缺的平台，已经在以不同的方式遭遇同样的问题。
Chzzk的“Magic Voice”功能会用人气主播的声音朗读打赏消息。由此产生的额外费用，会支付给提供声音的主播。这是一种单个功能就附带着个别同意与结算的结构。SOOP的AI管家Ssalsa（音译）会学习主播的直播节奏和说话方式，在主播离席期间接续聊天。这在学习对象不是内容而是人的说话方式这一点上，走得更前面。
制度层面的方向也不同。韩国在个人信息处理上以事前同意为原则，个人信息保护委员会在2024年还专门出台了关于将公开的个人信息用于AI学习时的标准。美式的默认开启很难原封不动地移植到这样的环境中。
但前面所看到的那种错位，制度并不会自动帮我们解开。主播同意的学习数据中，混杂着观众打出的聊天内容。AI管家所学习的说话方式里，也包含着那场直播中往来的对话。同意的人和创造数据的人不同这一条件，无论在首尔还是纽约都是一样的。
Oswarld视角
在制定GTM战略的过程中，我多次看到过数据采购计划。其中反复出现的一幕是：服务器费用、标注成本、人力成本都写得清清楚楚，唯独原始数据获取成本被标为0的计划书。理由很简单。用户已经在我们的服务里了，只要在条款里加一句话就行。
一旦把采购单价定为0，接下来的事就已经注定了。因为同意率就等于获取量，UI就会朝着让同意率最大化的方向去设计。Minton的发言之所以听起来不像失言，原因就在这里。那不是一句失误，而是从采购目标反推出来的结论。
我把这两个案例放在一起看，原因就在这里。Shift在购买同样的数据时，把获取成本摆上了损益表。 这背后是一个判断：一次清洁的成本，比一小时数据的价值更便宜。相反，Twitch手握着全球规模最大的创作者影像，却还没能为自己的内容定出价格。于是选择了把默认值设为开启。
我认为，未来这种差异会把公司分成两类。靠条款拿走数据的公司，是用信任来支付成本的。账单来得晚，但会一次性到来。用价格购买的公司，成本先支出，但会留下下一轮谈判可用的依据。
所以在实务中该提出的问题也要变。不是“是否拿到了同意”，而是“我们所拿到的同意的单位，和数据的单位是否吻合”。如果我们服务所收集的数据中，混杂着未同意的第三方所贡献的部分，那在成为法务风险之前，首先是设计上的缺陷。
结语
把今天的内容浓缩成三句话，是这样的。
第一，Twitch默认开启在成为伦理失败之前，首先是定价失败。定不出价格的一方，才会把默认值设为开启。第二，纽约的案例说明，只要明确了对价，人们是会选择性加入的。第三，两个案例中，同意的人和付出代价的人都是错位的。个人开关无法解决这种错位，它只能返还一种控制感。
这周想请您做一件事。从您现在所在的公司或使用的服务中，挑出一个收集数据的环节，把与之相关的所有人都列出来：同意的人、创造数据的人、日后会受到影响的人。如果这三格里填的不是同一个名字，那这项服务其实早已进入了今天的故事里。
在您免费使用的服务当中，有没有那种“我确实同意了，但真正创造数据的其实不是我”的情况？欢迎在评论区告诉我们是哪项服务、哪个环节。等案例收集够了，我会在下一期按类型整理一下。
💬 欢迎在评论区留下您对上述问题的案例 · 📨 请分享给觉得这个结构与自己有关的人
参考资料与延伸阅读
核心来源
- Amanda Silberling，“Amazon will train on Twitch streamers’ content by default, unless they opt out”，TechCrunch，2026年。 链接 ··· 这是对明顿发言的前后脉络和公告框架整理得最详细的一篇报道。
- “Twitch under fire for new gen AI training system that harvests streamer data for Amazon”，PC Gamer，2026年。 链接 ··· 文中指出游戏公司著作物也一并被卷入的问题，是本文第三章的起点。
- “How to stop Twitch from training AI on your streams”，Engadget，2026年。 链接 ··· 区分说明了选择退出后哪些会关闭、哪些不会关闭。
- shift，“Free Home Cleaning in NYC” 官方网站及FAQ，2026年。 链接 ··· 拍摄方式、匿名化流程、契约关系都原原本本地写在FAQ里。建议在阅读第三章之前先看一看。
- John Koetsier，“Physical AI Data Is So Valuable This Startup Cleans Your Home For Free”，Forbes，2026年。 链接 ··· 文中点出清洁劳动与机器人学习之间关系的那部分，与今天的交叉点相呼应。
背景知识
- 个人信息保护委员会，《人工智能开发·服务用公开个人信息处理指南》，2024年。 链接 ··· 可以借此了解韩国是按什么标准来处理AI学习数据的。
- 《离开韩国的Twitch，未来韩国的直播生态将如何变化？》，KISO Journal，2024年。 链接 ··· 整理了Twitch撤出之后，韩国国内直播格局是如何重新洗牌的。
值得一起阅读的往期内容
- 我的书卖了656美元 ··· 如果说今天这篇讲的是同意的结构，那一期讲的就是同意之后的价格。建议接着读一读。
- 给机器人姓名和钱包的Cloudflare ··· 这是让拿走数据的一方付出代价的另一种尝试。
📝 术语说明
注释
-
选择性加入（opt-in）/选择性退出（opt-out）：选择性加入是指必须由用户亲自同意，数据才会被使用的方式；选择性退出则是默认使用，若不愿意可以自行关闭的方式。即便是同一个功能，把哪一种设为默认值，参与率也会大不相同。 ↩
-
操作数据（manipulation data）：为了让机器人学习拿取、擦拭、搬运等物品操作动作而准备的训练数据。以第一人称记录人手部动作和视线的影像是其代表形式，环境越像真实家庭那样凌乱，价值就越高。 ↩
-
标注（annotation）：在原始数据上添加“这是杯子”“这是擦拭动作”之类说明，将其转化为可供学习形态的工作。由于往往是由人一边观看一边操作，这也意味着即便经过匿名处理，仍会有人看到那些影像。 ↩
