9月3日，OpenAI正式推出了其最新的AI模型，GPT-6 Astra。在Arc-AGI-3这一评测中，该模型以99.9%的成绩展示了其在陌生环境下自主探索、理解规则和规划行动的能力，并在96%的任务中达到了或超越了人类的效率基线。紧随其后，Robocurve将Astra整合到了实际的双臂机器人中，在“抓起积木并放入碗”的实验中，成功率高达19次中的20次。以上的成果表明，前沿的大型AI模型正在逐步打破数字世界的界限，进军物理世界。随着模型的角色转变，从单纯回答问题到观察环境、策划行动并执行任务，所面临的数据挑战也随之演变。

今年8月，Dyna Robotics首次将人类第一人称视角数据（即egocentric data）的规模提升至100万小时。从起初的100小时逐步提升至目前的100万小时，Dyna-2的预测表现持续优化，显示出强大的泛化能力，即使在未经历过的机器人任务中表现依然出色。Genesis AI的第一个机器人基础模型GENE-26.5同样引入了egocentric data，将真实人类活动中的视觉、动作和互动过程纳入训练。这些最新的实践表明，机器人训练正在朝着大量吸收真实人类行为方向发展。

以往，大型模型依赖互联网进行扩展，而机器人则受限于实际数据的收集，成本高昂且进展缓慢，且通常与特定的实体绑定。如今，一个新的扩展方向逐渐显现，即人类经验的利用。正如《连线》所述，正在兴起一场“egocentric data的繁荣”。越来越多的机器人公司开始转向通过佩戴摄像头的采集员获取的egocentric视频，一些投资者甚至预计领先企业将在未来几年内收购数亿小时的egocentric data。然而，关键问题在于，谁能够高效、持续地将这些视频中的经验转化为可用于模型训练的数据？

在Dyna-2与GENE-26.5的卓越表现背后，一个名为Maxinsights的公司显现出重要角色。作为Dyna-2的主要数据合作伙伴和GENE-26.5的独家egocentric data提供者，Maxinsights与Google DeepMind、Figure、1X等顶级大模型企业均有合作。成立于2024年的Maxinsights总部位于旧金山湾区，现已在六大洲进行数据服务，并于今年3月进入中国市场。

Maxinsights不仅是首批实现规模化的egocentric data供应商，更是交付量最大的企业之一。其团队由Waymo、Meta、Google、QCraft、XPENG、Bosch等自动驾驶和AI领域的专家组成，具备从数据采集、清洗到算法、标注、模型训练的全方位专业能力。这些支撑自动驾驶发展的数据闭环能力如今正向物理AI领域迁移。通过与硅谷的基础模型和机器人团队持续合作，Maxinsights正在大规模扩展egocentric人类经验数据，建立从数据采集到质量控制、标注、模型训练交付的一体化基础设施。

这一转变反映出机器人对真实世界经验的迫切需求。机器人在实际操作中收集到的数据往往与具体的硬件和任务场景密切相关，而人类在日常生活中却完成了大量的物理交互，从拿杯子、整理物品到打开抽屉和使用工具，这些动作记录了物体与接触之间的反应、双手的协作以及环境状态的变化。Dyna Robotics在Dyna-2的技术报告中也指出，人类在真实任务执行中产生的传感器数据，几乎无上限，且包含了机器人学习所需的动态世界和人与物体的交互信息。换句话说，若希望机器人获得类似互联网数据规模的训练资源，它不必等待自身工作上亿小时，而是可以利用在人类世界中多年积累的经验库。

对于Maxinsights而言，将人类经验转化为可用于训练的数据已进入规模化生产阶段。目前，公司已建立覆盖六大洲的采集网络，累计收集超过150万小时的带有手部追踪和语言标注的高质量数据，且已向客户交付超过200万小时。其能够在智能数据链的顶端站稳脚跟，不仅依赖于庞大的“视频仓库”，更是一座高度自动化的“智能工厂”，为行业提供持续、精炼的机器人训练所需的基础数据。