AI 的脏活、累活和正经活

在 AI 最光鲜的实验室里，有一群人在做最不体面的工作：替机器人收集训练数据。TechCrunch 报道了这个尴尬的现实——如果物理 AI 要像大语言模型那样成功，数据问题必须解决，而答案不是靠工程师写代码，而是靠人真去干脏活累活。有些 AI 实验室已经开始雇佣全职的“数据采集员”，让他们像工厂工人一样重复抓取、摆放、标记物体。这项工作让“dirty, unglamorous work”这个词有了字面意义。你说反直觉吧？但这就是现状：我们把机器人捧上神坛，但神坛的地基是用人的碎片化时间一砖一瓦砌起来的。

有趣的是，另一边有人已经在思考完全反着来的路线。法国初创公司 Genesis AI 在法国机器人大会上发布了一款叫 Eno 的“人形”机器人——但它既没头也没腿，坐在轮式底座上，折叠起来像一把躺椅。创始人说，“人形机器人不需要长得像人”，更应该围绕“人的能力”而不是“人的外形”设计。Eno 的目标是全通用机器人，而不是针对单一任务。我突然觉得，这比那些花大价钱模仿人类步态的机器人务实得多。毕竟，谁会规定未来的工厂助手必须长着一张脸？

如果机器人还需要时间才能进入日常生活，那 AI 已经悄悄潜入了一个最意想不到的地方：美国国防部的报告写作。Ars Technica 报道称，五角大楼拥有 150 万用户在使用 AI 撰写国会要求的强制性报告。你没看错——军方用 AI 来应付公文。虽然这听起来像个笑话，但背后逻辑清晰：国会要求大量定期汇报，而 AI 能把零散数据生成有条理的初稿。细想又有点讽刺：AI 最擅长的不是创造性工作，而是官僚作业。

这或许能解释为什么最近“AI 需要更多工程纪律”这篇博文在 Hacker News 上火了。作者 Charity 直言，AI 开发正从草台班子走向工程学科，否则无法保证可靠性和可审计性。而刚好，Pramaana Labs 拿到了 Khosla Ventures 的 2700 万美元种子轮，目标是给 AI 做形式化验证——就是那种数学证明级别的严谨，专门服务法律、药物发现、税务等高敏感领域。这些领域的错误代价太大，不能只靠“大模型觉得对”来决策。你看，一边是五角大楼用 AI 写官样文章，一边是初创公司用形式化方法给 AI 上保险，两条路都指向同一个需求：让 AI 变得可依赖。

在消费者端，AI 也在努力寻找实用场景。谷歌终于要在 6 月 25 日发货其六年来第一款新智能音箱 Google Home Speaker，定价 99 美元。硬件没变，但搭载了 Gemini 驱动的智能助手。一个六年的产品周期，说明智能音箱市场早已不是风口，谷歌却还在坚持——或许是因为它发现，用语音控制家电是少数几个真正“有用”的 AI 功能之一。Meta 也没闲着，在 Facebook 搜索里上线了 AI Mode，可以回答“这周末我该做什么”这类复杂问题，但 The Verge 的体验文章说它“如果学会不犯错的话会很有用”。Meta 的版本依赖公开的 Facebook 帖子数据——这让我想起那句老话：你希望 AI 搜索你的脸书帖子来推荐周末活动吗？大概很多人会回答“不不不”。

还有 Pinterest 推出了实验性 AI 购物应用 Ask Pinterest，用对话获取推荐；Uber 计划 2027 年在休斯顿推出豪华无人出租车（Lucid 电动车 + Nuro 自动驾驶）；加拿大养老基金豪掷巨资入股印度数据中心运营商 CtrlS。这些新闻散落在不同行业，但拼在一起能看到同一个趋势：资本和工程资源正在从“做更大的模型”转向“把模型塞进真实场景”。

也许这才是 AI 今年最值得关注的变化：它不再只是科技博客的封面故事，而是开始干那些没人愿意干的脏活、应付那些无聊的公文、处理那些容错率极低的问题。这个过程既不 glamorous，也不性感，但可能比任何一场发布会都更有意义。