過去一週，我審查了每一個主要的機器人數據平台，才決定把時間投入在哪裡。 它們大多數都在解決錯誤的問題。 這裡有一件事，沒有人在「實體 AI」領域願意公開說出來： 你的機器人不需要更好的大腦，它需要見過更多。 LLM 變聰明了，是因為互聯網免費提供了數萬億個詞彙。 機器人卻沒有這種資源。根本不存在一個等待被爬取的「物理運動互聯網」。 必須有人去創造它。一項任務一項任務、一個動作一個動作、一個人一個人地建立。 這才是真正的瓶頸，不是 GPU，不是模型大小，而是尚未存在的數據。 @axisrobotics 是少數將此視為核心問題而非附註的項目之一。 你執行一項任務，它會被驗證，並在鏈上簽署，成為機器人真正能學習的訓練數據。 這就是 2009 年 ImageNet 對於電腦視覺所做的事——形態相同，領域不同。 這週我完成了我的第一個軌跡：「廚房用具擺放」，共 7 個步驟，移動叉子、移動刀子、堆疊盤子、堆疊果醬罐。 第 7 步完成。果醬罐已放置。任務基本完成。 但果醬罐卻從盤子上跳了下來。必須從頭開始。 這正是沒有人給你看的部分。這不是點一下按鈕就稱之為數據，而是反覆執行同一項任務，直到足夠乾淨，讓機器人真正能從中學習。 如果實體 AI 要成功，這項不炫目的工作必須先被建立起來。