币圈界报道：

印度家政与外卖从业者成AI训练新源：Human Archive获820万美元融资

在全球实体人工智能研发加速的背景下，一家由斯坦福与伯克利学者联合创办的初创企业将目光聚焦于印度庞大的非正式就业群体，试图破解高质量人类操作数据稀缺的行业瓶颈。

第一视角数据成实体AI关键训练资产

传统机器人训练依赖合成环境或实验室模拟，但真实世界中清洁、烹饪、物品组装等复杂任务的动态变化难以复现。为此，Human Archive提出以穿戴式设备采集零工在家庭服务、餐饮配送等场景中的第一视角视频，并融合触觉反馈与动作捕捉信息，构建更贴近现实的多模态数据集。

从被拒到破局：差异化合作模式应运而生

该企业在初期遭遇主流服务平台抵制，相关企业明确拒绝参与数据采集项目。面对阻力，团队转向中小型服务商，推出‘数据换折扣’机制：用户可选择接受价格优惠并授权记录，或支付全额享受无追踪服务。数据显示，多数消费者倾向前者，部分源于视频可作为服务质量争议的证据支持。

薪酬与隐私争议交织：低成本模式引关注

参与采集的劳动者每小时基础收入约1美元，低于同类岗位市场水平。公司称本地化运营带来成本优势，投资方则认为此模式为低收入群体提供了接入全球AI经济的新路径。然而，隐私问题持续引发质疑，尽管企业承诺所有数据经匿名化处理且符合印度数字个人数据保护法，但印度电子信息技术部已启动专项审查，重点核查授权流程与数据合规性。

硬件升级与闭环验证构筑技术壁垒

为突破单一视频采集局限，团队正开发定制化传感装备，包括触觉手套、全身动捕服及腕部摄像装置。早期实验表明，同步获取力反馈与运动轨迹能显著提升数据价值。同时，公司依托自有数据训练内部微调模型，并通过机器人实测评估任务表现，形成从采集到验证的完整闭环，强化对客户的可信度输出。

跨区域扩张布局：从南亚到北美试点

在巩固印度主阵地的同时，公司正向东南亚及美国市场推进。其正在搭建全民参与的数据共享平台，在美国试点推行‘以数据换服务’计划，允许用户通过同意数据采集换取清洁、烹饪等生活服务。这一策略旨在扩大数据覆盖广度，加速建立可持续的数据生态。

未来一年：数据供应链竞争的关键期

随着多家科技巨头加速布局具身智能系统，对多样化、高保真人类行为数据的需求急剧上升。Human Archive致力于成为可扩展的规模化数据供应商，其成败取决于能否持续拓展合作网络、维持数据独特性与规模优势，并有效应对日益严格的监管环境。此次820万美元融资为其完善硬件体系、深化数据验证与市场拓展提供了关键窗口期。该模式是否能真正满足实体AI产业的底层需求，将成为未来一年最具看点的技术经济议题之一。