机器人训练卡在数据、AI代码要花钱删，本周GPT-5.6和Grok 4.5扎堆发

01训练机器人最卡脖子的不是模型是数据，多方转向生成的「世界」绕开真实采集

采集一条机器人示范数据，得靠一名操作员遥控真机器人跑一遍，人和硬件被死死绑在一起，跑一条是一条。评估环节更慢：语言模型能用数字benchmark批量跑分，机器人策略却得在真实世界里一次次实机运行，受硬件和人手拖累。物理AI眼下真正卡住的地方不在模型，在数据太难拿。

几个团队几乎同时想到同一条路：既然真实世界采不动，就造一个能生成或模拟世界的模型来顶。

创业公司General Intuition押的是游戏录像。它认为数百万小时的游戏画面里藏着足够多的物理规律，足以训练出物理AI的基础模型，让机器人不必依赖大量真实数据也能变聪明。

学界的攻法更贴着痛点。一篇叫RynnWorld-Teleop的论文把遥操作里的真机器人直接换成生成式世界模型，操作员的手部动作驱动模型合成画面，数据采集就此和硬件解绑。GigaWorld-1盯的是评估，用世界模型当机器人策略的替身考官，免去一次次实机运行。RynnWorld-4D则要模型预测场景的3D结构在交互中如何移动，而不只是生成一段2D画面。

三篇论文攻的是同一瓶颈的三个断面：采集、评估、表征。下注的既不是OpenAI，也不是几家造大模型的巨头，而是一批创业公司和二线实验室。

02一边估值翻倍冲上132亿美元，另一边每周收一万美元帮你删掉AI写的代码

同一件事，市场给出了两个价码。

据Sifted报道，AI建站工具Lovable正在洽谈一轮约3亿美元融资，由Menlo Ventures领投，估值将翻倍到132亿美元。资本追捧的逻辑很简单：让AI又快又多地生成代码。

而在另一头，一家叫slopfix的团队开出的价码是每周一万美元，专门帮客户删掉这些代码。他们的描述很具体：一个AI生成的项目跑得起来，但加个功能要花好几天，还会顺手弄坏另外两处。原因是agent写到一定规模就看不清全局，找不到已有逻辑，就不停地重复造。slopfix的活儿是把十四个日期格式化函数并成一个，把手搓的框架换回现成的库，承诺把十万行砍到三万五、功能不变。他们也用Claude Code，只是拴得很短。

连衡量AI编码能力的那把尺子本身也不牢靠。OpenAI最近分析了业内常用的编码基准SWE-Bench Pro，指出其中存在影响可靠性和准确性的问题。也就是说，跑分高不代表产出的代码好维护。

slopfix给出的数字很直白：同样的功能，十万行可以砍到三万五。资本花大钱买来的又快又多，最后要花每周一万美元、把三分之二删掉才跑得顺。

03电费上涨压垮铁锈带工厂，AI数据中心的用电正动摇「美国制造」

俄亥俄、宾夕法尼亚这些老工业州的制造商，最近打开电费单时发现数字变了样。据Ars Technica报道，把他们的电价推高的，不是自家车间多开了几条产线，而是几十公里外拔地而起的AI数据中心——这些庞然大物抢走了本该流向工厂的电力，也抬高了整片电网的价格。

铁锈带本是特朗普「美国制造」蓝图的核心舞台。工厂回流、产线重启，靠的是廉价而稳定的电。可当同一张电网上冒出一个个吞电巨兽，电价先涨的往往是议价能力最弱的中小制造商。让工厂回来的承诺，正被让数据中心开机的账单一点点抵消。

而算力的胃口看不到收敛的迹象。NVIDIA刚推出面向agentic AI的新款CPU Vera，主打「大规模单线程性能」，因为在一套agent系统里，从工具调用到代码执行，CPU始终卡在推理的关键路径上。模型越会自己动手，背后要喂的芯片就越多，芯片越多，电表转得越快。

先被这轮电价挤压的，是议价能力最弱的中小制造商——他们既没有长期购电协议护身，也无力和电网谈价，只能照单接受被数据中心抬高的价格。