Shift 免费上门清洁：机器人缺数据，开始盯上你家客厅

有家公司愿意免费帮你打扫公寓。

条件写得也直白：清洁工进门时，会戴一顶带摄像头的“magic hat”，把擦窗、拖地、吸尘、洗碗、清理台面的过程，从第一视角录下来。

这家公司叫 Shift，是一家 AI 训练数据创业公司。它的官网口号很会说：“You get a spotless apartment. We get training data. Everyone wins.” 你得到干净屋子，它得到训练数据，大家都赢。

我更在意后半句。AI 行业每次说 everyone wins，账本都值得翻一翻。

发生了什么：免费清洁，换家庭第一视角数据

Shift 这次推出的是限时免费上门清洁服务，先在纽约开始。公司称，很快会扩展到旧金山、伦敦、苏黎世、慕尼黑。

它不是在说自己已经造出了能上门干活的成熟家务机器人。材料里讲得更克制：这些视频会用于训练未来机器人。

关键事实压缩一下：

Shift 的解释是，清洁产生的数据价值足以覆盖免费服务成本。换句话说，用户不是没付钱，而是用家庭场景付了钱。

这和普通拉新不一样。普通平台补贴，是烧钱买用户；Shift 这笔更像买现场。家里的桌面、厨房、地板、杂物摆放，才是它真正想拿到的东西。

为什么重要：机器人最缺的不是视频，是混乱生活

机器人训练难在现实世界。

网页是平的，房间不是。碗会滑，抹布会变形，地上有头发，台面有油渍，厨房光线会变，每个家的乱法都不一样。

家务数据值钱，原因就在这里。它记录的不只是“手拿抹布擦桌子”，还包括人怎样绕开杯子，怎样判断哪里脏，怎样在狭窄厨房里转身，怎样把一个看似简单的任务拆成一串动作。

人类觉得这叫顺手。机器觉得这是难题。

Shift 也不是第一次围着真实世界数据打转。它称，已经通过 app 在 15 个国家付费招募数万人记录活动。未来还想进入管道维修、烹饪、建筑等场景。

清洁只是一个入口。家庭是更敏感、也更值钱的入口。

对关注 AI 与机器人商业化的人，这件事的看点不是“免费清洁”这个噱头，而是数据采购路线。如果真实家庭操作数据能用补贴服务稳定拿到，机器人公司会少走一段实验室模拟的弯路。

但约束也很硬。数据不等于产品。第一视角视频能帮助模型学习动作和场景，却不能直接证明机器人能安全、便宜、稳定地在你家干活。这里隔着硬件成本、泛化能力、责任归属和售后体系。

所以做机器人、投机器人、采购机器人方案的人，不该因为这类新闻就提前押注“家务机器人马上到来”。更现实的动作是：看团队有没有真实场景数据闭环，看数据是否可授权、可清洗、可复用，再看能否转成可执行的机器人能力。

模型看着更强，产品未必更近。中间差的，常常就是现实世界那一地鸡毛。

谁受影响：用户省钱，清洁工夹在中间，平台买到稀缺场景

这笔交易里，三方收益很清楚，风险没那么整齐。

用户省下一笔清洁费。代价是允许一个摄像头进入家里，记录家务过程。Shift 承诺会模糊姓名、人脸、屏幕和证件等敏感信息，这比不说明好。

但隐私保护不只看“会不会打码”。还要看原始素材怎么保存，保存多久，谁能访问，能不能删除，未来用途会不会扩大，出错后谁负责。

普通用户如果真想参加，至少该把这几件事问清楚：

对很多人来说，最稳妥的选择不是马上薅羊毛，而是观望条款。尤其是家里有儿童、证件、医疗资料、工作屏幕、保密文件的人，免费的清洁费不一定覆盖后面的不确定性。

清洁工的位置更微妙。他们由合作伙伴审核，不是 Shift 员工，却要在客户家里戴着摄像头工作。

他们既是劳动者，也是数据采集设备的承载者。客户看服务质量，Shift 看数据质量，合作伙伴看交付效率。压力会落到中间那个人身上。

Shift 称清洁工可以拒绝自己不舒服的具体任务。这是必要边界。但真正要看的是执行：拒绝会不会影响派单、评分、收入和后续机会。平台劳动最常见的问题，不是规则没有写，而是规则写得好看，激励把人推向另一边。

“天下熙熙，皆为利来。”这句话放在这里并不玄。用户要便宜，AI 公司要数据，平台要规模，劳动者要收入。问题不在大家各有算盘，问题在风险分配不平均。

这件事让我想到早期互联网平台把点击、停留、浏览路径变成广告燃料。不完全一样。那时采的是屏幕里的行为，这次采的是客厅、厨房和人的手。

数据从屏幕里走出来，价格也跟着走进家门。

接下来最该观察的，不是 Shift 的宣传视频拍得多漂亮，而是三件事：服务扩张后隐私条款会不会变细，用户能不能真正控制数据，清洁工在这套采集流程里有没有议价权。

如果这些问题讲不清，“大家都赢”就只是好听的结账词。Shift 这次少见地把交易摊开了，但摊开不等于公平。免费两个字，只是把价格换了个位置。