具身智能數據軍備競賽：機器人後訓練帶來算力第二需求曲線
- —機器人正成為大模型公司下一輪競爭焦點，渠道調研顯示有前沿實驗室推動超過 10 億美元的機器人數據採購計劃（相當於 500 萬至 670 萬小時第一人稱視角視訊），其他實驗室亦在快速擴充機器人研發團隊。
- —RoboCurve 實驗顯示 GPT-6 Astra 在夾取方塊任務中 20 次測試成功 19 次（平均耗時 2.5 分鐘、單次 API 成本約 0.94 美元），顯著優於 Claude Fable 5 與 5.1，證明通用模型已具備輸出物理動作的基礎能力。
- —目前前沿實驗室進入機器人領域分為兩條路徑：一是將 35% 至 40% 的非文字數據納入旗艦多模態模型預訓練，二是針對具身智能訓練獨立模型；兩條路徑並存意味著算力需求同時體現在頂級多模態預算與大量中型訓練任務中。
Figure 與 Nscale 簽署初期 35 億美元、規劃擴展至逾 60 億美元的算力協議，涵蓋多達 10 萬張基於 Vera Rubin 架構的 GPU，用於模型訓練、模擬驗證與本體部署。同參數下機器人後訓練因多模態訊號輸入與視訊解碼開銷，GPU 運算消耗約為純文字的 3 至 4 倍。具身智能數據採購與密集迭代正推動先進算力採購轉向高吞吐新平台，為晶片龍頭開啟第二算力需求曲線
前沿實驗室正發動超過 10 億美元的具身數據採購計劃，從 OpenAI 招募機器人團隊、Anthropic 發表控制研究，到字節跳動在世界模型上的大規模投入，研發資源全面湧入。GPT-6 Astra 在真實動作評測展現顯著突破。機器人模型的商業競爭已由概念驗證正式延伸至數據、人才與訓練基礎設施的全面軍備競賽