Стартап Human Archive привлек $8,2 млн и уже развернул более 1000 гарнитур в Индии, чтобы собирать данные для роботов с помощью курьеров, уборщиков и сервисных работников. Для рынка ИИ это не экзотика, а попытка закрыть дефицит самого дефицитного ресурса в «physical AI» — качественных записей того, как человек выполняет бытовые и сервисные задачи в реальном мире.
Схема, как пишет TechCrunch, выглядит просто и довольно цинично: партнерские сервисные компании отправляют сотрудников на обычные заказы, а те надевают кепки с камерами и другие сенсорные устройства. Human Archive собирает так называемые эгоцентрические данные — видео от первого лица, плюс телеметрию движений, глубины, силы и тактильного контакта. Компания не раскрывает партнеров поименно, но утверждает, что работает с бизнесами из домашнего сервиса, гостиничного и ресторанного сегментов. Для русскоязычной IT-аудитории тут важен не только сам сбор, но и бизнес-логика: если языковые модели выросли на текстах из интернета, то следующая волна ИИ явно хочет вырасти на чьих-то руках, запястьях и бытовой рутине.
Human Archive основали четверо исследователей с бэкграундом в робототехнике, hardware и tactile data: Samay Maini, Rushil Agarwal, Shloke Patel и Raj Patel, который занимает пост CEO. В раунде на $8,2 млн участвовали Wing Venture Capital, NVP Capital, Y Combinator и ангелы с опытом работы в OpenAI, Nvidia, Google, Mercor, AfterQuery, BAIR, SAIL и Meta. Сам по себе состав инвесторов тут важнее привычного пиара вокруг «громких имен»: рынок показывает, что физический ИИ воспринимают уже не как лабораторную игрушку, а как следующий дорогой инфраструктурный слой. Всем нужен не просто еще один foundation model, а способ заставить машину убирать, готовить, мыть, собирать, переносить и не ломаться на первом же нетипичном движении.
Ключевая ставка Human Archive в том, что Индия с ее быстро растущей гиг-экономикой и сервисными платформами дает почти идеальную среду для масштабируемого сбора данных для роботов. За последние годы в стране заметно вырос рынок онлайн-доставки еды, крупные игроки вроде Zomato и Swiggy вышли на биржу, а рядом вырос слой сервисов домашней помощи, включая Urban Company, Snabbit и Pronto. Для робототехнических лабораторий это фактически живая фабрика сценариев: уборка квартиры, работа на кухне, взаимодействие с предметами, лестницами, дверьми, мебелью, посудой, поверхностями и хаосом реального дома. Именно такого материала обычно не хватает командам, которые умеют отлично обучать модели на синтетике, но упираются в банальный факт: мир не похож на аккуратный симулятор.
При этом история далека от гладкого «founder story». Human Archive признала, что многие индийские компании домашнего сервиса отказались от сотрудничества, в том числе Pronto и Urban Company. На выходных тема вышла в публичную плоскость после публикации Entrackr о том, что Pronto ищет партнерства для сбора данных работников под задачи робототехники, а Snabbit вела ранние переговоры с Human Archive. CEO Urban Company Abhiraj Singh Bhal позже написал в X, что его компания в такие договоренности входить не будет. Raj Patel ответил в довольно жестком стиле: по его версии, рынку все равно придется пересмотреть позицию, иначе можно потерять актуальность и клиентов. Сооснователь Rushil Agarwal высказался еще прямее и рассказал, что на этапе обсуждений его идею в Pronto якобы высмеяли. Pronto факт переговоров признала, но отрицала, что называла основателя «глупым». Для отрасли этот конфликт полезен хотя бы тем, что срывает декоративную упаковку: речь идет уже не об abstract AI ethics panel, а о прямом переделе нового сырья для ИИ-моделей.
От конкурентов Human Archive пытается отстроиться не только масштабом, но и типом сенсоров. Компания утверждает, что видео недостаточно, и ценность данных для роботов резко растет, если синхронно записывать несколько модальностей: RGB-D, силу воздействия, движение тела, картинку с груди и запястья, тактильные сигналы с перчаток. По словам компании, сначала они использовали iPhone и готовые сборки, а потом перешли к собственному железу. Сейчас в поле работают более 50 устройств разных типов, а всего у стартапа уже семь с лишним аппаратных продуктов, которые можно комбинировать под разные сценарии. Это важный нюанс для разработчиков: рынок постепенно уходит от наивного представления, что робота можно обучить только по видео, как автопилот по дорожным роликам. Для манипуляций с объектами, кухней, уборкой и любыми задачами, где важны сила, контакт и точная кинематика, одной картинки мало.
Экономика проекта тоже показательна. Human Archive платит исполнителям базовую ставку $1 в час за участие в сборе эгоцентрических данных. При этом, по данным Economic Times, другие компании на этом рынке платят примерно от 250 до 400 индийских рупий в час, то есть заметно больше. В Human Archive объясняют разницу тем, что у них есть операционное присутствие на месте, позволяющее держать стоимость ниже. Для клиентов модель выглядит так: при заказе услуги можно согласиться на запись визита и получить скидку либо заплатить полную цену за визит без съемки. Patel говорит, что многие выбирают первый вариант, в том числе потому, что видео помогает разбирать споры по качеству сервиса. С точки зрения платформенного бизнеса ход понятный: стартап превращает скидку в механизм получения согласия и одновременно в инструмент снижения CAC на данные для роботов.
Но именно здесь начинается самая неприятная часть. У Human Archive остаются вопросы к прозрачности согласия и к тому, насколько работники понимают дальнейшую судьбу записей. Компания утверждает, что соблюдает индийский закон Digital Personal Data Protection Act, показывает privacy notice и информацию о целях обработки, а также анонимизирует данные и размывает лица. Тем не менее на прошлой неделе Moneycontrol сообщило, что индийское Министерство электроники и информационных технологий изучает механизмы согласия и практики сбора данных у стартапов, которые пишут видео от первого лица через домашних работников. Для российских и вообще международных продуктовых команд здесь урок предельно прикладной: как только вы пытаетесь превратить труд человека в датасет, вы автоматически становитесь не только AI-компанией, но и регуляторной мишенью.
Дальше ставка повышается. Human Archive уже начала расширяться в Юго-Восточную Азию и США, а также строит платформу, где любой человек сможет участвовать в сборе данных и зарабатывать. Если эта модель взлетит, рынок физического ИИ получит новый pipeline: не лабораторные записи по грантам, а постоянный поток коммерчески упакованных данных для роботов из реальной экономики. Если не взлетит, причина, скорее всего, будет не в алгоритмах, а в куда более земных вещах — стоимости сбора, регулировании, согласии работников и готовности сервисных платформ признать, что их следующий бизнес может оказаться не в услугах, а в поставке человеческого опыта машинам.