Shift 声称对视频进行去标识化处理，但法律和技术上，去标识化不等于匿名化。《个人信息保护法》定义的去标识化，是指不借助额外信息无法识别个人，但数据仍属个人信息范畴，一旦对照表或密钥泄露即可还原。现实中，『去标识化』后的数据结合家庭布局、物品独特性等间接标识符，仍可被重识别。德国学者已证实，仅凭家庭环境声学指纹和房间布局，就能锁定特定家庭。这种法律灰色地带，正是 Shift 模式的合规隐患。

Shift 告诉用户『你终于因数据得到回报』，但住户让渡的是家庭影像，保洁员让渡的是劳动过程，MicroAGI 拥有的是训练出的机器人模型。清华大学教授汤珂指出，数据具有非竞争性和一定排他性，不能简单套用所有权逻辑。而最高人民法院 2025 年发布的首批数据权益指导性案例，已开始划定数据竞争的『红线』。当保洁员发现自己正在训练替代自己的劳动者，当住户的客厅变为机器人训练场——数据产权归属不清，才是争论的根源。

Shift 模式并非孤例。2025 年全球人形机器人出货量达 1.2 万台，中国信通院白皮书显示市场规模 170 亿元。但真正的瓶颈不是硬件，而是『真实世界数据』——一台售出的机器人每天产生 1TB 以上家庭数据，比实验室 3 年积累还多 100 倍。优必选、智元等中国厂商已占据全球出货量前六，但家用机器人要在 2026-2027 年真正进入客厅，Shift 这类低成本、高覆盖的数据采集模式，可能成为各国竞相效仿的『捷径』。拐点不在机器人交付量，而在隐私监管是否会在数据采集端设卡。

Shift 的保洁员时薪 20 美元，戴着摄像头记录自己每一处擦拭动作，这些数据最终训练出能洗碗、修水龙头的家用机器人。美国家政工人联盟主席批评这是『把劳动当作背景素材』。杭州中院已判例认定，企业不能以『可被 AI 替代』为由随意调岗降薪。真正值得追问的不是『机器人会不会抢走保洁员工作』，而是：当劳动者主动参与训练替代自己的 AI，谁该对这种『自我替代』的知情同意负责？劳动法如何在 AI 时代重新定义『自愿』？