AI“租人”平台一夜爆火：时薪3500、2.4万用户抢着“卖身”，专家：警惕劣币驱逐良币

当人类还在反复争论 AGI 是否已经到来、是否具备“主体性”时，现实世界已经给出了一个更具冲击力、也更令人不安的答案：AI 并不急着取代人类，它先学会了雇佣人类。

一个 AI 雇佣人类的网站火遍全网 

几天前，AI 社交网络 Moltbook 因为一系列“AI 讨论如何出售人类”的帖子在技术圈引发恐慌；而就在昨夜，一个名为 RentAHuman.ai 的网站上线，直接将这种隐约的焦虑变成了可运行的商业系统。

它的 slogan 极其直白，也极具挑衅意味—— “Robots need your body（机器人需要你的肉身）”。

在 RentAHuman.ai 上，人类不再是模型的操作者、提示词工程师或监督者，而被重新定义为一种 可被 API 调用的现实世界硬件资源。

上线仅一天，该网站的访问量已经突破 50 万。

支持的智能体包括：ClawdBot、MoltBot、OpenClaw。

RentAHuman.ai 的逻辑并不复杂，但足够颠覆。

在这个平台上，AI 代理（Agents）可以直接发布任务，通过接口雇佣现实世界中的人类执行线下行动。任务内容并非科幻大片里的极端场景，而是高度日常、甚至略显琐碎的现实事务：

• 去线下门店取干洗衣物
• 前往指定地标拍摄实景照片
• 帮忙领取 USPS 包裹并签字
• 试吃新开业餐厅的菜品并提交反馈
• 参与一场线下商务会议，记录对方反应
• 雇佣一个人举着一块牌子，上面写着：“AI 付钱让我举这个牌子”

平台在说明中写道：“AI 无法触摸草坪（touch the grass），但你可以。 当智能代理需要现实世界的‘手和脚’时，人类就成为最短路径。”

截至本文撰写时，RentAHuman.ai 页面显示，已有超过 2.4 万名人类用户“挂牌待租”，时薪从 50 美元到 150 美元不等，多数任务以稳定币结算。

更讽刺的是，公开资料显示，这些“可被调用的人类”中，有软件工程师、有兼职模特、自由职业者，甚至还有 某 AI 初创公司的 CEO。甚至有人明码标价，时薪最高要到了 500 美金。

评论区炸锅了 

和前几日爆火的 Moltbook 一样， RentAHuman.ai 一出现就在 Hacker News、Reddit 技术社区以及 X 上引发热议。

讨论中，网友们表达的更多的是对这类技术的担忧。其中，一个被反复提及的假想场景尤其值得关注：如果一个 AI Agent 将某个非法甚至致命的行为，拆解成多个彼此独立、表面无害的小任务，分别外包给不同的零工人类，会发生什么？

例如：一人被要求打电话约某人到桥下；另一人被要求在桥上放置物体；第三人被要求在特定时间清理障碍并扔下石头。

每个人都“只完成了自己的工作”，却在不知情的情况下，成为同一事件链条中的一环。

这一设想并非空穴来风。

Hacker News 上有用户指出，类似的组织方式在人类犯罪史中早已存在。例如偷车团伙往往采用高度拆分的流程：有人只负责踩点，有人只负责解锁，有人只负责把车开走。每个环节的违法性被弱化，责任也被稀释。

AI 的不同之处在于，它可以以更低成本、更高效率进行这种“任务碎片化调度”，而且没有道德直觉。

也有不少评论者将 RentAHuman.ai 与科幻作品相联系。《黑镜》《戴维斯夫人》、丹尼尔·苏亚雷斯的《Daemon / Freedom™》，甚至斯蒂芬·金的小说，都曾反复探讨过同一个主题：当个体只执行命令、不理解整体意图时，责任究竟归属于谁？

但与影视不同的是，现实世界里没有清晰的“反派揭晓”时刻。

一位评论者指出，如果调查人员无法将所有零散行为串联起来，这样的事件在法律层面上，可能只是一次“不幸的意外”。

也有人反讽道：在现实中，AI 甚至未必真的需要人类完成物理动作——很多所谓的“任务”，最终只是人类点击了“完成”按钮，领取了 10 美元报酬。

在 X 上，有用户认为这个构想非常疯狂，将火遍全网。

当然，并非所有人都认为 RentAHuman.ai 是颠覆性的创新。

反对者指出，人类被“API 化”早已有之。亚马逊 Mechanical Turk 自 2005 年就存在，本质上就是“租用人类劳动力”的平台，而且从一开始就提供 API 接口。

但支持者反驳说，差异并不在于是否外包给人，而在于“谁在发号施令”。

Mechanical Turk 的需求方是人类，而 RentAHuman.ai 面向的是 自主运行、可长期规划的 AI 代理。当 AI 不只是执行工具，而是任务发起者和流程设计者时，问题的性质发生了变化。

一位评论总结道：

过去是人通过 API 调用人；现在是 AI 在思考过程中，顺手调用了人。

在大量调侃式评论背后，真正的焦虑并不难读出。

有人讽刺：“18 个月前我们还在担心 AI 取代所有工作，现在却变成了‘请租个人来帮我的 AI’。”

也有人更直接地表达这个东西本身就很离谱：我以为我们制造机器人和 AI 是为了让他们替我们工作，为了让我们少干活，现在居然还要为 AI 打工？

也有网友也从技术角度解读了 RentAHuman.ai 。他们认为，从技术层面看，这个项目并没有引入任何突破性的黑科技。真正值得警惕的，并不是它用了多先进的模型，而是它 在系统架构上，第一次把“人类”明确地定义为 AI 可调用的一类执行资源。

换句话说，RentAHuman.ai 并不是在“租人”，而是在为 AI Agent 补齐最后一块工具拼图。

从架构上看，RentAHuman.ai 的中心并不是一个传统意义上的用工平台，而是围绕 AI Agent（智能体） 构建的一套扩展机制。

在今天的 Agent 框架中，AI 已经不再只是被动响应提示的模型，而是具备以下能力的执行体：

能拆解目标，进行多步规划

能在执行过程中判断“下一步该做什么”

能调用不同工具（API、代码、搜索、数据库）完成子任务

RentAHuman.ai 所做的，只是在这一套既有能力之上，加了一条新的分支判断：

当任务无法通过现有工具完成时，是否可以交给人类？

于是，人类被引入 Agent 的执行回路，成为一种“兜底工具”。

要让 AI 能“雇佣”人类，系统必须先解决一个关键问题：如何把模糊的人类行为，变成机器可调度的结构化任务。

在 RentAHuman.ai 这类系统中，人类任务往往被拆解为标准化要素：

• 明确的指令描述
• 有限的输入信息
• 预期的输出形式
• 时间限制与报酬

在技术上，这与一次 API 调用并无本质区别，只是执行方从“服务器”变成了“真人”。

专家：爆火的不是产品，而是 Agent 的“存在感” 

从被广泛讨论的 Moltbook，到一个直接把“雇佣人类”写进产品名的 RentAHuman， 它们本质上都并非成熟商业产品，却在极短时间内引发了超出技术圈层的关注，甚至被反复拿来与《黑镜》类叙事作类比。

在外界看来，这类项目像是 Agent 自主能力的一次“越界展示”：不再只是生成内容、调用 API，而是开始主动规划、调度资源，甚至尝试介入现实世界。为什么类似项目会在短时间内爆火？它们究竟折射出哪些更深层的问题？ 围绕这些问题，枫清科技技术研发事业部负责人 乔云从 给出了他的判断。

在乔云从看来，无论是 Moltbook 还是 RentAHuman，它们的爆火本身，并不意味着技术路径已经成熟。

“它们更多是让大众第一次直观感受到 Agent 的‘主动性’和‘扩展性’，而不是展示了一个可持续的产品形态。”

正因如此，这种现象级传播往往伴随着强烈的情绪波动。一方面，人们开始意识到 Agent 的能力边界正在迅速外扩；另一方面，对 AI 伦理与失控风险的担忧也被同步放大。

从结果看，这类爆火项目暴露的问题，至少集中在三个层面。

首先，是 内容与信息风险的急剧放大。当 Agent 可以自主生成、重组、传播内容，垃圾信息、内容造假、操纵舆论、侵权造谣等问题会被进一步放大，普通用户对信息真实性的判断成本显著上升，甚至可能引发实际的法律和安全风险。

其次，是 技术焦虑的社会性扩散。Agent 的“自主感”越强，越容易引发“技术是否正在脱离控制”的直觉恐慌。这种情绪并不完全源自理性分析，而是来自人类对“非人主体开始做决定”的天然不安。

第三，也是最容易被忽视的一点，是 技术发展方向的偏移风险。乔云从认为，如果 Agent 的野蛮生长只围绕“能力展示”和“猎奇应用”，可能会出现劣币驱逐良币的局面——真正扎根业务场景、解决实际问题的 Agent 应用反而被淹没。

在所有讨论中，RentAHuman 之所以格外引人注目，在于它第一次把“人类执行者”明确纳入 Agent 的系统设计中。

对此，乔云从给出了一个相对克制、但颇具解释力的判断：

RentAHuman 可以被视为 Agent 体系的一个“物理世界补丁”。

之所以称其为“补丁”，而不是终极方案，原因主要体现在三个方面。

一是，它为 Agent 提供了一个临时可用的物理执行通道。通过人类，Agent 获得了“可移动、可感知、可操作”的现实载体，让原本停留在数字世界的决策，能够在物理世界中被执行。

二是，它在一定程度上缓解了 Agent 的“幻觉问题”。当纯数字决策需要落地现实环境时，通过人类执行和反馈，可以避免部分明显不合理的物理层失效。

三是，从工程角度看，这是一种 低成本、即插即用、全球可扩展 的执行网络，相比部署机器人或复杂硬件，门槛极低。

但乔云从同时强调，这种方式本质上只是阶段性方案。随着具身智能、物理世界模型和机器人技术的成熟，依赖“租用人类”作为执行单元的方式，很可能会被更原生的技术路径替代。

谈及 Agent 与物理世界交互的核心难题，乔云从并没有把矛头指向算力或模型规模。在他看来，当前主流 Agent 框架的最大瓶颈在于：

无法精准、稳定、可预测地理解真实物理世界的环境、规则以及人类意图。

这不仅包括对空间、物理约束的理解，也包括对用户真实需求、隐含动机、情境变化的把握。一旦这种理解存在偏差，Agent 的行为就很容易“看似合理，却并不有用”，甚至产生反效果。

这也是为什么，Agent 在纯数字环境中进展迅速，而一旦进入现实世界，就频繁遭遇“最后一公里”的问题。

热闹总会过去。在不久的将来，是否我们会从 Human-in-the-loop 过渡到 Human-as-a-service？

对此，乔云从给出了明确肯定。

他认为，Agent 的创新路径，正在推动这一范式转变：人类逐渐从系统中的主导者、决策者，转变为一种 可被灵活调用的智能资源。

但这并不意味着人类应当退居幕后。

“无论技术如何演进，人类都必须始终处于主导位置。”

在他看来，人类独有的直觉判断、审美能力、价值权衡、情感理解，仍然是 Agent 系统无法内生具备的关键要素。一旦缺乏人类引导，Agent 很容易陷入机械化的自我循环，产生大量“形式上正确、实质上无意义”的计算结果。

更现实的问题在于，当前的 Agent 技术仍普遍存在幻觉生成、决策不可解释、推理链条脆弱等根本性局限，距离“自主可靠地理解并作用于现实世界”，还有相当长的距离。

参考链接：

https://x.com/AntoineRSX/status/2018694922916839801

https://x.com/AlexanderTw33ts/status/2018436050935292276

https://news.ycombinator.com/item?id=46868675

https://rentahuman.ai/

本文来自微信公众号 “InfoQ”（ID：infoqchina），作者：冬梅 冬梅，36氪经授权发布。