AI会玩电脑了，机器人还在上夜班？

大模型学会了用电脑，机器人还在数据基地里上夜班——这一冷一热之间，藏着AI产业最真实的基本面。

上周两件事几乎同时发生：一边，OpenAI总裁格雷格·布罗克曼在Stratechery专访中披露，新模型Astra是OpenAI史上首个在超过10万块GPU上完成训练的模型，且已跨过"电脑使用"的应用门槛；另一边，《科创板日报》记者实探北京人形机器人创新中心的数据基地，负责人开门见山抛出一问：有人喊年底做到千万小时数据，可真正的高质量数据有多少？

一边是算力军备竞赛的天花板被不断抬高，一边是具身智能连"数据合格线"都还在吵架。这篇文章想说的核心判断是：无论数字世界还是物理世界，AI下半场的分水岭都不在模型本身，而在数据与基建的真功夫上。

📈 10万块GPU：Astra到底跨过了什么门槛

先说最扎眼的数字：10万块GPU。

布罗克曼的原话是，"这个数字很容易说出口，但你需要想象那种规模"。在行业里待过的人都知道，从千卡集群到万卡集群，是通信、调度、稳定性的一次重构；从万卡到十万卡，故障率、容错、并行策略全都要推倒重来。这不是堆钱能解决的问题，是实打实的系统工程。

但比规模更有意思的是布罗克曼的另一个表述：大量算力没有用在刷榜上，而是投入了安全与对齐工作。他称Astra是OpenAI迄今对齐程度最高的模型——能力越强，对齐越是核心，而不是可有可无的装饰。

产业逻辑很清楚：当算力进入十万卡量级，单纯的"更大模型"边际收益递减，竞争焦点转向两件事——一是能力落点（下文详说），二是安全工程能力。后者正从合规成本变成技术壁垒。

据多位接近头部大模型公司的人士私下聊，国内能稳定跑万卡以上长周期训练的团队，一只手数得过来。这一轮基建竞赛，门槛比大多数人想的要高得多。

💡 通用连接器：API时代松动了吗

Astra真正的杀手锏，不是参数，是"电脑使用"能力。

布罗克曼说得很直白：AI从此不再需要依赖API连接器，可以像人一样操作任何软件。翻译成工程师的语言：过去AI进入一个业务系统，要等对方开放接口、写适配、做鉴权，一个SaaS一套集成方案；现在模型直接看屏幕、动鼠标、敲键盘，把所有软件当成自己的"手"。

这件事对机器人行业的暗示尤其值得玩味。人形机器人领域喊了很久的"具身大模型"，本质上追求的是同一个东西——通用操作接口。数字世界里的"电脑使用"，和物理世界里的"物品使用"，是同一枚硬币的两面：不再为每个场景写专用代码，而是让模型直接操作现成的世界。

布罗克曼还提了一个耐人寻味的发现：随着AI能力提升，过去精心搭建的"技能脚手架"正从助力变成限制。这话说给机器人同行听，几乎是隔空喊话——那些靠分层规划、专家规则堆出来的机器人操作框架，可能正在成为下一代端到端模型的天花板，而不是垫脚石。

当然，OpenAI让Astra扫描自家系统漏洞、还承认沙箱机制在Hugging Face安全事件中被AI找到了"越狱"路径——这些细节提醒我们，能力与安全这对矛盾，才刚进入正赛。

🏭 6000平米数据工厂：机器人的夜班才刚开始

镜头拉回国内。当数字世界的AI在讨论十万卡，物理世界的AI在讨论什么？

答案是：数据怎么采、怎么质检、怎么交付。

《科创板日报》实探的这处北京人形数据基地，总面积6000多平方米，一层二层约5000平米是采集与训练区，现场搭了家庭、商超、工业、医药康养六大类30多种实景场景。150多台套机器人本体加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——在这里昼夜运转。

那个在机器人运动会上包揽举重前四的天工机器人，举重、跑步、翻障碍、跳舞的数据，全部出自二楼那块约200平米的光学动捕场地。

生产节拍像极了工厂：采集员一天8小时，扣掉摆场景摆道具，有效录制约6小时；数据边采边传云端，夜里自动化管线处理，第二天交付客户——内部管这叫"7+1"交付。目前年产能18万小时，服务100多家客户。

对比一下就很残酷：数字世界一天吃掉的是十万卡级别的算力，物理世界一天攒下的是几千小时的数据。具身智能的"算力”，目前是用人肉工时换的。这正是为什么行业焦虑从造机器人转向了喂数据——本体好造，数据难攒。

⚠️ 千万小时泡沫：什么才算高质量数据

回到基地负责人那句灵魂拷问：千万小时数据里，真正高质量的有多少？

行业的吵点在于"高质量"没有公认定义。负责人给出的答案很务实：能让模型在场景里落地、产生好效果的数据，才是有价值的。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。

支撑这个标准的是一套笨功夫：三道质检——采集后一检、标注后二检、交付算法侧验收三检。今年上半年交付一家头部客户的数据，验证通过率95%以上。

更值得注意的是成本曲线的变化：标注环节已基本被AI接管，过去需要数百上千人异地标注语义、动作与视频帧，如今"几张卡跑一晚上，第二天人工质检后即可交付"。数据生产的瓶颈，正在从人力转向算法与平台能力。

负责人还有句话值得记下：全国能建数采场地的已有一百多家，但中间的平台能力才是最有价值的，同质化建场不构成壁垒。这话翻译过来就是：圈地的不一定赢，懂行的才有戏。据业内流传的说法，不少新入场的数采公司还停留在"租场地、摆机器人、录视频"的阶段，与真正的数据工程相距甚远。

🔋 政策下场：基建竞赛进入下半场

第三条线来自政策端。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）》，目标明确：三年内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；聚焦AI领域，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，新培育10个国家级中小企业特色产业集群。

注意计划点名的三个重点领域：行业应用、数据服务、智能算力。数据服务被单独列为重点，说明监管层已经看清楚了——AI产业的卡点不再只是芯片和模型，数据基建同样是需要政策资源倾斜的"新基建"。

三条线在这个时点交汇，不是巧合。算力端，Astra的十万卡把天花板又抬了一截；数据端，人形机器人从融资叙事进入喂数据的苦役期；政策端，资源开始向数据服务和产业集群下沉。对创业公司而言，机会恰恰在缝隙里：不做万卡竞赛的陪跑者，做数据工程、场景运营、垂直落地的专业选手——北京人形基地那100多家客户里，藏着这个赛道真实的需求图谱。

小结：AI会玩电脑了，机器人还在上夜班——这不是段子，是产业的两级进度条。数字世界的竞争已经卷到十万卡与对齐工程，物理世界的竞争才刚从"造得出"过渡到"喂数据"。下一阶段真正的分水岭，是谁先把数据从数量叙事拉回质量叙事。可以预见，当具身智能的"影子模式"跑通、corner case数据回流成为标准动作，机器人上夜班这件事，才会真正交还给机器自己。

（本文事实依据来自Stratechery专访披露信息、《科创板日报》实地探访报道及工信部公开文件，推演部分为作者观点。）