首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

GPT-6掀了国内牌桌,这个缺口逼疯全行业!下一个估值百亿新赛道来了

2026-11-21 1 阅读 约10分钟阅读 新智元
分享:
字号:
新智元报道 就在几天前,Fortune独家爆料:OpenAI解散了独立的机器人团队。 消息一出,AI圈都在刷屏。很多人的第一反应是:奥特曼都不玩机器人了? 但仔细一看,这哪是「放弃」,分明是「升维」—— 这件事的核心逻辑是, 通用大模型已经能直接操控机器人,不再需要单独的「特种部队」了。 英伟达的一项研究里,Astra在仿真操作基准上拿到74.8%的成功率,专用机器人模型最好成绩是51.0%。 而Anthropic更狠,Fable 5.2在RoboDojo上自测成绩64.9%,是Astra的两倍多。 国内具身圈的第一反应是:降维打击来了。 不过,先不用恐慌。我们把能找到的数字算了一遍,结论其实恰恰相反—— 大模型厂商下场, 不是来砸场子的。它们 是给具身智能的牌桌加了几把椅子,新来的几位还带着最大的算力和最厚的钱包。 具身的「GPT时刻」会因此提前 ! 不过,这些大佬刚坐上牌桌,就撞上了一堵和六年前一模一样的墙——数据。 一样的是,做物理世界的AI依然被数据卡脖子;不一样的是,这一次市场上已经「长出」了专门生产数据的基础设施公司。 这场仗的打法,完全不同了。 是「降维打击」,还是「牌桌扩容」? 大模型怎么一下子这么会操控机器人了? 说白了,大模型是在用「写代码」的方式控制机器人。 要说强的地方,那真是非常强。比如听懂任务、拆解步骤、规划先后,这些过去被具身公司当成壁垒的「上半身」能力,通用模型现在直接开箱即用。 但它们弱的地方,也很明显。AA-Robotics公布过一组数字:Astra平均完成一个任务要30分钟,花掉16美元。 好家伙,这要是在工厂里用这个速度和成本拧一颗螺丝,厂长会先把机器人拧下来。 为什么会这样? 因为云端大模型反应太慢了!机器人关节的控制频率是每秒上百次到上千次,云端大模型想一步要好几秒。 碰到那种要快、要准、要靠手上力道反馈的活儿,有头部机器人团队实测过,通用大模型的成功率接近于零。 按卡内基梅隆大学石冠亚的说法,反应慢、离不开网络,是云端大模型的两个短板,所以机器人身上还得配小而专的模型。 所以更准确的图景是分层——大模型管「想」,负责长程推理和规划;往下是一个个训练出来的动作技能,被它当工具调用;最底下是毫秒级的电机控制。 大模型厂商,已经率先攻破了最上面一层。想往下走,缺的恰恰是他们手里没有的东西: 动作数据。 所以真正的变化是, 做具身基座模型的公司,名单变长了。 以前,这张桌上坐的是Physical Intelligence、Figure、Generalist这些「原生具身玩家」。 现在OpenAI已经入局了,奥特曼表示,2027年就要拿出自研人形机器人的演示。Anthropic和谷歌的模型,也已经在榜上。 同时,国内也在加码。 今年8月,DeepSeek出资约1.41亿元参与宇树科技IPO战略配售;字节此前已将Seed Robotics纳入多模态交互与世界模型体系。蚂蚁旗下灵波、小米和京东,也分别推出了具身模型。 全球算下来,近百家公司在练具身模型。 不同的是,新来的这几位和老玩家有个本质区别: 模型奔着万亿参数去,预算按百亿美元算,算力集群是现成的。 具身智能的数据之战,已经到了深水区 大语言模型这几年,从不缺数据。 互联网攒了三十年的文字都可以直接用,主流大模型的预训练语料约100万亿token,大家拼的是算力和算法。 而具身智能,则正好是反过来的。物理世界没有「互联网」,人怎么抓、怎么拧、用多大劲儿,这些操作过程从来没被系统地记录过。 2024年底,全球最大的真机数据集才3000小时左右;2025年下半年,Generalist用约30万小时训出了GEN-0;今年,Dyna、智元等头部玩家的训练集超过了百万小时。 两年涨了几百倍,听着很猛。但是,跟语言模型的100亿小时一比,还差了三四个数量级。 数据喂进去有没有用?效果当然是——立竿见影! Dyna Robotics 8月公布的结果是,预训练数据从1000小时加到100万小时,模型在14项机器人任务上的平均得分从20%涨到53%。 行业估算,训一个万亿参数的具身基座至少要1亿小时,到2030年全球大约有20个这样的基座在练,总需求数十亿小时。 风投机构Stellaris的口径也差不多:未来两三年,Frontier Lab需要1亿到10亿小时第一视角数据,对应15亿到500亿美元支出。 然而麻烦的是,这些数据不是「拍」出来的。 今年4月,Build AI开源了约100万小时的工厂第一视角视频,免费商用。按理说数据荒该缓一缓,结果,头部厂商照样满世界抢货。 这是因为,机器人要学的是三维空间里每一毫「秒手在哪、方向朝哪、怎么动」的轨迹。 从2D视频到3D轨迹,要做多路相机的毫秒级对齐、毫米级的手部姿态重建,还要换算成不同机器人的关节动作。 具身数据是造出来的。 而且,模型厂商自己采也不现实。 OpenAI旧金山的实验室有大约100名数据采集员,满打满算一年20万工时,按数采厂8小时出1到4小时有效数据的普遍水平,一年有效产出只有几万到十万小时,离千万小时差两个数量级。 所以,就算钱再多,也得向外买。 行业内的现实就是,模型公司对数据质量、颗粒度、稀缺场景的要求,只会越来越高。 数据平台的空间比Scale AI更大,门槛也更高 每一轮AI浪潮,都会跑出大的数据公司。 自动驾驶那一轮,跑出来了Scale AI。他们2024年F轮融了10亿美元,估值138亿美元,去年Meta花143亿美元入股后升到290亿美元。 大语言模型这一轮,则跑出了Surge AI和Mercor。前者没融过资,2024年收入就过了10亿美元,后者年化收入超过20亿美元。 在国内,成立不到一年的评测数据公司UniPat,被曝阿里拟领投3亿美元,估值25亿美元。 具身这一轮,我们的判断是:会跑出体量更大的数据平台。理由有三个。 首先,具身智能的数据壁垒更高。 前两轮的原始语料要么是互联网上现成的,要么是车队自己跑出来的,数据公司卖的是标注和专家工时;具身连预训练语料本身都得花钱从零生产。 其次,具身数据获取更难、更加稀缺、投入优先级更高。 自动驾驶是车先上路,司机每天都在产生数据;但机器人没有好模型就进不了场景,进不了场景就没有数据,只能先有数据,才有模型,再有应用。这就让 数据公司从配套服务变成了前置基建。 最后,数据范式会变化,但需求持续存在,这不是一锤子买卖。 基座预训练只是第一单,每落地一个场景,就要补真机数据做后训练。部署之后还有回流、补采、再训练。等模型把应用打开,垂直小模型、集成商、方案商还会接着买。 估算一下,这个量级简直惊人! 按眼下的行情,第一视角数据每小时一两百元,千万小时就是10到20亿元,而IDC预计,2026年中国整个AI基础数据服务市场是78亿元。一家头部客户的一张订单,就相当于这个市场的八分之一到四分之一。 但是这笔钱不好挣,因为买家买的并不是「小时数」。 行业里流传着这样一个「大冤种」案例:某家公司上半年买了100万小时数据,结果拿回来一验,当场傻眼——能用的只有一两成! 表面上看,标价只有100元一小时,但算上报废的,折下来真实成本达到了500到1000元。 这简直完美诠释了,什么叫「越便宜越坑人」。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱