《异形工厂》成真了？印度工人戴镜头喂AI

他们在这里做了一个很直接的取舍：先牺牲一部分工人边界感，去换取一套可训练、可复用、可量化的动作数据库。4月13日，快科技提到，一段印度南部服装厂的视频在社交平台引发热议，画面里工人统一佩戴特制摄像头环，核心用途是记录手部操作动作。站在行业视角看，这其实不是简单的“监控升级”，而是在给未来的自动化缝纫、智能质检和机器人应用做数据标注前置。

从设计角度，这套方案很像把老师傅的“肌肉记忆”拆成一条条可学习的操作指令。报道分析认为，工厂希望让人工智能学习标准化作业动作、工序细节和熟练缝纫手法，再把这些经验沉淀成模型，降低对熟练技工的依赖。这个思路本身很专业，因为纺织制造最怕的不是单点效率低，而是不同工人之间品质波动过大，最后把次品率、培训成本和交付稳定性一起拖下去。

技术上来看，动作采集只是第一层，后面真正难的是数据清洗、动作切片、标签定义和异常样本剔除。说白了，拍下来不等于能训练，很多工厂在这一步最容易偷懒，最后做成“录像很多、可用数据很少”的半成品。更现实的是，这类设备还能实时记录工人动作，客观上可以延伸到工作状态监控与工作量核算，这就让原本的生产优化系统，顺手变成了一套更细颗粒度的管理系统。

争议也正是从这里爆出来的。因为当设备既能训练AI，又能监督节奏、核算产出时，工人面对的就不再只是“新工具”，而是一套默认持续在线的行为采集机制。对于企业来说，这套账非常清楚：统一标准、缓解招工难、应对技能参差不齐，还能减少对熟练工的依赖；但对一线劳工来说，隐私、尊严和议价能力可能都会被重新压缩，这种系统如果没有明确边界，就很容易留下赶工式管理的痕迹。

商业逻辑上，这件事也折射出印度制造业的压力。世界银行数据显示，印度制造业占GDP比重已经从20年前约17%降到2022年的13%，全国制造业岗位总数约6500万个。今年1月，《华尔街日报》还提到，尽管印度政府持续推动制造业发展，仍有数千万劳工回流农村，很多工厂都在为招工发愁。放到纺织业里看，作为印度用工规模第二大的产业，它既承担出口任务，也承受着人力不稳定和效率提升的双重压力。

出口数据已经说明问题。2025年4月至今年2月，印度纺织品和成衣出口额为295亿美元，低于前一年的298亿美元，而印度此前给自己定下的目标，是到2030年把纺织品年出口额拉到1000亿美元。目标很大，现实很硬，所以企业才会把AI、自动化和数据化管理当成一套补课方案。只是这套方案如果只看效率，不补劳动保护和制度设计，最后很可能像一个只做数值、不管体验的系统改版，短期提了KPI，长期却把人心做崩了。

我的判断是，类似做法未来不会只出现在服装厂，而会扩散到更多重复性强、技能依赖高的制造环节。问题不在于该不该采集，而在于采集范围、数据归属、使用期限和工人知情权能否同步落地。技术本身没有道德倾向，但系统怎么设计、权力怎么分配，决定了它是“用心的生产升级”，还是“披着AI外衣的监工工具”。