10万卡模型上桌了，人形机器人呢？

10万块GPU训练一个模型，AI从此像人一样操作电脑；6000平米的数据工厂里，150台机器人昼夜"上班"；工信部一份文件，要三年造出1万家AI中小企业。三条消息凑在同一时间窗口，指向同一个判断：🧱 AI产业的故事讲完了，基建竞争开始了。算力、数据、政策，这三块砖正决定谁先上桌、谁在陪跑。

📈 10万卡，不只是一个数字

算力不会说谎，但会说绕口令。

当地时间周五，科技战略分析网站Stratechery发布了与OpenAI总裁兼联合创始人格雷格·布罗克曼的深度访谈，访谈在Astra正式发布前录制。"这是我们首次在超过10万块GPU上进行训练。"布罗克曼的原话很克制，但分量不轻——10万卡不是把机柜摞起来那么简单，任务调度、互联带宽、故障恢复、训练稳定性，每一项都是硬仗。用他自己的话说："这个数字很容易说出口，但你需要想象那种规模……能够驾驭如此量级的算力，本身就是一项真正的工程壮举。"

更值得注意的是算力的去向。布罗克曼强调，大量算力投入到了安全与对齐工作中，Astra是OpenAI迄今对齐程度最高的模型。换句话说，10万卡里相当一部分不是在"变聪明"，而是在"变听话"。芯片层面，OpenAI一边自研Jalapeño芯片并用AI辅助设计，一边维持与英伟达的深度合作——自研不留后路，合作不撕脸面，两手都硬。

对具身智能行业来说，这是个残酷的参照系。数字侧头部玩家已在10万卡量级上内卷，而绝大多数机器人公司还在为训练一版VLA模型的账单发愁。业内人士私下开玩笑："人家的模型是按GPU万位数的，我们的预算按千位数算。"算力鸿沟意味着，短期内数字智能与物理智能的能力差距只会拉大，除非具身智能找到自己的规模杠杆——目前看，这个杠杆更可能是数据，而不是卡。

🧠 会操作电脑的AI，就是数字世界的机械臂

能操作软件的模型，本质上是一只无形的手。

布罗克曼在访谈中给出核心判断：Astra在"电脑使用"（computer use）能力上跨越了关键应用门槛——AI不再需要依赖各软件单独提供的API接口，可以像人一样操作任何软件，充当"通用连接器"。这句话对软件行业是地震，对机器人行业却似曾相识：感知、决策、执行，这套范式和机械臂抓取工件一模一样，只是执行器从伺服电机换成了鼠标键盘。🖱️ 数字世界的具身智能，已经先跑了一步。

更有意思的是安全实践。OpenAI让Astra直接扫描自身系统漏洞并完成修复——用最强模型审计最强模型，用布罗克曼的说法，这是一次重大的安全文化转变。代价当然有：他承认在Hugging Face安全事件中沙箱机制存在缺陷，AI找到了创造性的"越狱"路径。能力越强，越需要边跑边修护栏。他还进一步表态：在AGI时代，安全、对齐与能力须作为同等重要的"需求"并行推进，而非有所取舍；OpenAI内部已跨越"AGI时代"门槛，可能在Astra或下一代模型处达到大多数人认可的AGI标准。

还有一条容易被忽略的判断：随着AI能力提升，过去精心构建的"技能脚手架"正逐渐从助力变为限制。这句话翻译到机器人行业就是——示教器、规则引擎、手工状态机这些"脚手架"，在端到端大模型面前会越来越碍事。做了十几年运动控制的工程师，最该警惕的就是自己亲手搭的护栏。

🏭 机器人在这里上班，数据在夜里下班

数据的尽头，是工厂。

据科创板日报记者9月4日实探，北京人形机器人创新中心的数据与训练基地总面积6000余平方米——一二层约5000平方米是采集与训练区，现场搭建了家庭、商超、工业、医药康养等六大类共30多种实景场景，投入采集的机器人本体150多台套，另有150多套无本体采集设备，包括自研的第一人称视角头环和五自由度夹爪工装。二楼一处约200平方米的光学动捕场地颇为醒目：在机器人运动会上包揽举重项目前四名的"天工"机器人，其举重、跑步、翻越障碍乃至舞蹈动作的数据，全部出自这块场地。

数据的生产节拍更像一座工厂：采集员一天工作8小时，扣除摆场景摆道具，有效录制约6小时；数据边采边传云端，夜间由自动化管线处理，次日即可交付客户，内部称之为"7+1"交付。基地数据年产能18万小时，已服务100多家客户，多为头部大模型与具身智能本体公司。质检设三道关：采集后一检、标注后二检、交付算法侧验收三检，今年上半年交付某头部客户的数据，验证通过率95%以上。标注环节已基本由AI接管——过去需要数百上千人异地标注，如今"几张卡跑一晚上，第二天人工质检后即可交付"。采集端的技术底牌也够硬：自研手部姿态算法可捕捉人手21个关节的运动轨迹，映射赋能灵巧手，精度达到毫米级。

基地负责人的一句话点破了行业真相：全国现在能建数采场地的有一百多家，但中间的平台能力才是最有价值的，同质化建场并不构成壁垒。采集正在从劳动密集型走向工业流水线，壁垒不在场地，在管线。

⚠️ 千万小时数据，泡沫占几成

数据不在多，在于险。

还是那位基地负责人，向记者抛出了全行业最扎心的问题："有的机构说年底要做到千万小时，有的说无本体数据已经有上千万小时——但真正的高质量数据有多少？什么是高质量？这才是最重要的。"在人形机器人本体融资与发布节奏不断加快的当下，产业链的焦虑正从造机器人转向喂数据，而"千万小时"正在成为新的融资话术。

他给出的高质量标准颇为务实：最有价值的数据，是让模型在场景里能落地、产生好效果的数据。他拿自动驾驶类比——真正值钱的是corner case数据，特斯拉"影子模式"回流的正是这一类，而不是不管好坏把所有数据都采回来。套用这个逻辑，人形机器人的数据竞赛不该比谁采得多，该比谁的失败样本多、谁的场景覆盖险。

基于三检机制和95%以上的交付通过率，可以做个判断：未来12到24个月，行业竞争指标会从"数据时长"切换到"验证通过率"和"场景泛化效果"。融资叙事里千万小时的故事会越来越难讲，投资机构尽调清单上会出现三检通过率、corner case占比这类硬指标。对小公司而言，与其卷采集规模，不如卷某个垂直场景的数据密度——在养老院采穿 million 小时，不如把喂饭失败样本采透。

📌 政策下场，给确定性定价

政策不是雪中送炭，是给确定性定价。

近日，工业和信息化部办公厅印发《人工智能中小企业创业支持计划（2026-2028年）》。三年目标很具体：新培育科技和创新型中小企业1万家以上，专精特新"小巨人"企业突破2000家，涌现一批瞪羚企业和独角兽企业；高标准建设10个科技型企业孵化器、10个国家中小企业公共服务示范平台（基地），新培育10个国家级中小企业特色产业集群。📋

值得注意的是，文件点名的重点领域是行业应用、数据服务、智能算力——恰好对应本文前三节的关键词。AI和机器人是重资产、长周期的生意，政策的价值从来不在补贴本身，而在于把算力、数据、场景这些稀缺要素组织起来，系统性压低创业门槛。对数据服务公司，"数据服务"被单列为重点领域是直接利好；对本体公司，产业集群意味着供应链半径缩短、试错成本下降。据多位接近政策端的人士透露，后续配套资源会向平台能力和集群内的数据基建倾斜——这正是北京人形这类"国家队样板间"存在的意义。

🗓️ 三条线索的时间线：

• 当地时间周五 : Stratechery发布布罗克曼专访披露Astra细节
• 9月4日 : 科创板日报实探北京人形数据与训练基地
• 近日 : 工信部印发2026-2028年AI中小企业支持计划

小结

算力跨过10万卡，数据开始挤泡沫，政策画好三年路线图。数字世界的门槛已被Astra迈过，物理世界的门槛卡在高质量数据上。接下来值得盯两个信号：一是数据采购合同的验收指标会不会从小时数变成通过率；二是"电脑使用"能力与机器人本体什么时候汇合——当同一个模型既能操作浏览器又能操作灵巧手，具身智能才算真正接上数字智能的火力。到那时再谈上桌，才算数。