一个会说话的AI，和一个能自己动手干活的AI，中间到底隔着多远？
9月3日，OpenAI正式发布GPT-6 Astra，答案被又往前推了一大步。
它在ARC-AGI-3上拿到99.9%的成绩，这项测试考验的不是背知识点，而是AI能不能在完全陌生的环境里自己摸索规则、自己规划行动。
更扎眼的是另一个数字：在96%的关卡里，Astra的行动效率达到甚至超过了人类基准。
一天之后，Robocurve把Astra接进了一台真实的双臂机器人，让它去做"抓起积木放进碗里"这件事。
20次里成功19次，几乎没有翻车。
一、从答题到动手：AI正在跨过数字世界的边界
这两个结果放在一起看，释放的信号很清楚：最前沿的大模型，正在把能力边界从屏幕后面，往物理世界里继续推。
过去AI回答问题，靠的是理解文字、组织语言。
现在AI要完成一个抓取任务，得先看懂环境、想清楚下一步、再真正把动作做出来，这是完全不同量级的挑战。
而当模型开始要"动手"而不只是"动嘴"，它吃的数据也必须跟着变。
大模型当年靠互联网文本完成了规模化训练，可机器人长期缺的正是这种量级的数据。
真机数据采集又贵又慢，还往往只能绑定某一种特定的机器人本体，换一台机器就得重新来过。
二、机器人的新燃料：人类的第一视角经验
今年8月，Dyna Robotics把这个瓶颈撬开了一条缝。
他们第一次把"人类经验数据"——也就是第一人称视角拍摄的egocentric data——的训练规模推到了100万小时。
从1000小时一路加到100万小时，Dyna-2的预测表现始终在往上走，看不出明显的天花板。
更值得注意的是,在预训练阶段完全没见过的机器人任务上,Dyna-2依然展现出更强的泛化能力,这说明它学到的不只是套路,而是某种更底层的经验规律。
几乎同一时间,Genesis AI推出了自己的首个机器人基础模型GENE-26.5,同样选择了egocentric data这条路,把真实人类活动里的视觉、动作和交互过程,统统喂进了模型训练。
这些实践共同指向一件事:机器人训练,正在开始大规模吸收人类真实活动本身,这是一条过去被严重低估的Scaling轴。
《连线》杂志把这股势头称为"egocentric data boom"。
越来越多机器人公司开始让采集员戴上摄像头,批量生产第一人称视角视频,甚至有投资人预计,头部公司未来几年会买下数亿小时的这类数据。
三、淘金热里，谁在卖"铲子"
数据来源找到了，但一个更现实的问题随之而来：谁能把这些原始视频，持续、高效地变成模型真正能用的训练数据？
采集只是第一步，海量的第一视角视频要经过清洗、标注、结构化处理，才能变成机器人模型吃得下的"燃料"，这中间的工程量并不比采集本身轻松。
在Dyna-2和GENE-26.5这两个亮眼成绩的背后，一个共同的角色浮出水面——数据处理服务商Maxinsights，扮演的正是这场淘金热里卖"铲子"的角色。
历史总是押着相似的韵脚，淘金热里最先赚到钱的往往不是淘金的人，而是卖铲子、卖牛仔裤的人。
这一次的"铲子",换成了能把人类经验批量转化成机器人可用数据的处理能力。
随着Astra这样的前沿模型不断把AI推向物理世界,谁能稳定供应高质量的人类经验数据,谁可能就握住了机器人这条赛道下半场的关键筹码。
热门跟贴