今天的主线不是又一笔大额融资,而是「数据」在同一天被三种方式分别确认:江苏省把它写进政府补贴与交易清单,中国证券报把它列为量产四重关卡的第一关,一家数据服务商凭数据管线单独拿到 5000 万元融资。副轨两条则指向同一个位置变化——编码智能体越强,人越集中到「定义目标、审阅结果」上,机器人公司的数据岗位同样如此。对准备入行的人,今天最值得记的一句话是:数据已经不再是研发流程的附带环节,而是可以单独计价、单独融资、单独招人的一层。
江苏省发文布局具身智能服务平台,训练数据的建设与交易首次被列为政策支持对象
江苏省政府办公厅近日印发《关于促进平台经济创新和规范健康发展若干措施的通知》(苏政办规〔2026〕8 号,文件落款 11 月 11 日,省政府网站 11 月 17 日公开,人民网、新华网 11 月 19 日集中解读),自 2026 年 12 月 11 日起施行、有效期至 2031 年 12 月 10 日。文件第 5 条「布局具身智能服务平台」提出落实人形机器人与具身智能实景实训专项行动——指主管部门推动机器人在真实运营场景中采集数据、验证能力的专项行动,鼓励建设具身智能训练场、开发真机数据采集和仿真训练平台,拓展本体调试、算法训练、性能评测等公共服务能力,并探索机器人即服务(RaaS,按需租赁而非一次性买断)模式。第七部分「激活数据要素价值」写明:对行业高质量数据集以及物理人工智能、世界模型研发与训练所需数据的建设、交易给予支持,鼓励企业入驻省数据交易所推进数据产品挂牌交易;算力侧则提出对采购智能算力服务的企业发放词元(Token,模型处理文本的基本计量单位)券。
人才条款同样具体:鼓励平台企业与高校、科研院所共建产教融合实训基地,推动校企共建专业与课程,并为一人公司(OPC,单人运营的公司化创业主体)人才提供物理空间、算力支持、首单扶持、资源链接等全链条创业服务。需说明的是,这与本系列 11 月 17 日报道的《江苏省具身智能机器人产业发展行动计划》不是同一份文件:后者聚焦产值、整机产能与协作机器人产业带,前者是覆盖算力、智能体、数据交易与人才的综合政策。
值得关注: 对「机器人数据专家」这个定位,这份文件的价值在于把数据从成本项改成了可补贴、可挂牌交易的对象。政策一旦给「训练所需数据的建设与交易」开口子,就会长出三类岗位:训练场的采集方案设计与数据产能管理、数据集的质量评价与合规确权、数据产品在数据交易所挂牌前的口径与元数据整理。后两类几乎就是数据仓库治理能力的平移——口径定义、元数据 schema、质量指标、血缘溯源,做过 ODS 到 DWS 分层的人不需要重新学一遍。另一个信号是政策把「真机数据采集」与「仿真训练平台」并列写,说明江苏打算同时买真实数据和合成数据两条供给,求职时不必只盯真机遥操作岗位。产教融合实训基地与职业技能培训条款则意味着 2027 年前后会出现一批带官方背书的实训与认证岗位,这是入行窗口期里最容易被忽略的入口。
边界: 文件是政策措施而非实施细则,各类支持的具体标准、额度、申报口径与牵头部门均未公布,自 12 月 11 日才施行;「词元券」在江苏此前政策中已有提及,本次为沿用与扩展,不是新设补贴工具。实景实训专项行动并非江苏原创,工信部与国资委层面此前已部署,本文件属地方承接。
来源:江苏省人民政府:省政府办公厅印发关于促进平台经济创新和规范健康发展若干措施的通知;人民网江苏频道:江苏出台平台经济新政 八方面举措释放发展新空间
中国证券报:万台级产线陆续落地,灵巧手今年出货预计 6 万至 7 万台,数据仍是量产第一道关卡
《中国证券报》11 月 19 日头版报道,2026 年被行业视为具身机器人的量产拐点:优必选柳州万台级工业人形机器人工厂 9 月投产,众擎深圳红花岭基地 5 月启用并具备万台级交付能力,智元 9 月宣布累计下线 2 万台,宇树科创板募资 6.24 亿元规划年产 7.5 万台人形与 11.5 万台四足机器人。零部件侧,均胜灵犀 CEO 雷雄称国内灵巧手全行业出货去年约 2 万台、今年预计 6 万至 7 万台;仙工智能上半年控制器出货超 8000 台;均胜电子高算力控制器累计生产交付突破 2000 套——本系列 11 月 12 日曾报道其首台「高算力大脑背包」交付宇树,此处是累计交付量的增量口径,不是新事件。据高工机器人产业研究所不完全统计,今年 1 至 9 月 101 家机器人产业链上市公司累计营收 3531 亿元,其中 77 家盈利。
报道同时给热度降温。赛迪研究院科技处处长董凯把走出概念验证归纳为四重关卡,顺序是数据、模型、本体、应用:需采集有效数据并融入异构数据用于训练,模型要理解物理世界规律,本体要解决末端执行器、结构材料与热管理,应用端要达到工业所需的效率与可靠性,「整个交付标准尚未明确」。浙江人形机器人创新中心副总经理留云把量产归纳为四个可审计维度:可复制、一致性、可交付、可核算;记者在宁波藕池工厂看到双臂与躯干进行 48 小时老化测试,组装完成的产品已贴交货单。
值得关注: 四重关卡把「数据」排在第一位,且用词是「有效数据」与「融入异构数据」——这恰好是数据岗位的核心工作,不是采集工时越多越好,而是要把来自不同本体、不同传感器、不同场景的数据统一到可训练的口径上。对入行读者,这条比任何融资数字都更直接:产能放量之后,验收清单会从「能不能动」转向「批次一致性、48 小时老化记录、物料成本可核算」,每一条都要有配套的数据记录与溯源链,这正是数仓背景可迁移的区间。雇主名单也在扩散——从本体厂商扩到控制器、灵巧手、谐波减速器等零部件企业,这类公司过去没有数据团队,量产压力下会第一次招人建数据台账。求职时可以优先看「已进客户验证或小批量交付、订单按月滚动下达」的供应链企业,它们的数据需求最急迫且门槛比头部本体厂低。
边界: 灵巧手 2 万台与 6 万至 7 万台均为受访企业高管的行业估计口径,非第三方统计;3531 亿元营收为高工机器人产业研究所的不完全统计;万台级产能多为设计值或规划值,不等于实际出货;四重关卡与四个维度分别为赛迪研究院与企业方观点,不是官方标准。本系列 11 月 18 日报道的工信部 5 项行标中的《训练数据管理要求》(SJ/T 12354—2026)属推荐性行业标准,与此处「交付标准尚未明确」并不矛盾——前者管数据全生命周期,后者指整机交付验收。
来源:中国证券报(新浪财经转载):供应链突破 万台产能蓄势 具身智能行业迎来量产拐点
波士顿动力 Atlas 进晶圆厂:格罗方德成为汽车业外首个验证客户,Spot 累计完成超 9 万次巡检
当地时间 11 月 17 日,波士顿动力与晶圆代工厂格罗方德(GlobalFoundries,简称 GF)发布联合公告扩大合作:GF 成为汽车行业以外首个 Atlas 人形机器人早期采用者计划——指厂商在正式商用前邀请少数客户共同验证、共同定义任务的计划——的客户,也是半导体行业首家实地测试人形机器人的企业,Atlas 现场测试自 2027 年初启动,目标是找出晶圆厂中适合人形承担的工序、评估集成需求并开展早期 AI 作业训练。四足机器人 Spot 将扩至纽约马耳他、佛蒙特伯灵顿、德国德累斯顿与新加坡等基地。GF 披露,新加坡厂两台 Spot 自今年 4 月以来在主生产层下方的设备层(sub-fab)行进近 900 公里、完成超 9 万次设备检查、任务成功率 99%,另在两周内重新部署 875 项例行检查,计划借助视觉判读能力把检查量提升至两倍以上。财联社 11 月 19 日跟进报道。
GF 首席制造官普拉迪普·辛格把价值说得很直白:Spot 通过数千个检测点采集数据,把维护从被动转为预测性;波士顿动力首席产品与技术官扎克·雅科夫斯基则称,这类客户「正在积累对未来制造创新极为有用的数据」。公告还提到,技能发展工作坊将配合 GF 面向员工的全球 AI 技能提升计划。
值得关注: 这条新闻里真正的岗位描述藏在「技能发展工作坊」和「数千个检测点」两处。前者几乎就是人社部今年 9 月新职业「具身智能机器人应用技术员」的日常工作形态——在真实工位做场景部署、采集数据、测试模型、按测试结果补采;后者说明机器人落地首先产生的是长周期巡检时序数据,需要有人定义采样频率、异常标签、缺失值处理与设备台账关联,这是典型的数据工程活,而非算法活。晶圆厂对定位精度、防尘抗干扰、长期一致性的要求远高于展演场景,会把「数据质量指标怎么定、怎么证明」推到采购合同里,懂质量评价与溯源的人比会调模型的人更早被需要。另外要注意时间:Atlas 是 2027 年初才开始现场测试,当前落地的仍是四足巡检,意味着 2026 至 2027 年的实际招聘集中在巡检运维与数据侧,不是人形整机操作。
边界: 900 公里、9 万次检查、99% 任务成功率均为 GF 自报,且是新加坡厂两台 Spot 自 4 月以来的累计值,不是行业均值;「检查量翻倍以上」为路线图目标,未给出时间表;Atlas 尚未在半导体产线完成任何作业验证,公告只承诺 2027 年初开始测试,未披露台数、工序与成功率。财联社报道中「首个在汽车行业以外验证 Atlas 的客户」与官方公告「首个参与早期采用者计划的半导体制造商」是同一事实的不同措辞。
来源:GlobalFoundries 官方新闻稿(中文):波士顿动力与格罗方德扩大机器人领域合作;财联社:波士顿动力人形机器人落地半导体制造厂
具身数据同日两条路线:柏川数据 5000 万元 Pre-A,HubEgo-100K 开源首批 1 万小时第一人称视频
11 月 18 日,物理 AI 数据基座服务商苏州柏川数据宣布完成 5000 万元 Pre-A 轮融资,投资方为元禾厚望、毅峰资本以及星海图等具身智能产业方,星海图同时是客户与投资方;本轮估值与各出资方金额未披露。公司 2021 年成立时主做自动驾驶数据采集、清洗、标注、管理与存储,2025 年下半年切入具身智能,现披露已服务智元、优必选、自变量、它石智航、星海图、优理奇等近 20 家具身厂商。其在宿迁、厦门两座实训场配置 200 余台人形机器人与数百套无本体数采设备——无本体数采指不依赖机器人本体、以人类第一视角视频或手持设备采集真实世界数据的方式,拥有 300 余种工、商、农业工序渠道,自研「山海」数据管理平台覆盖标注、质检、管理、评测与仿真。
另一条路线同日浮现:HubEgo-100K 数据集 11 月 16 日提交 arXiv 并在 Hugging Face 首发 v1.0。名称中的 100K 指后续要扩到 10 万小时,当前首批只有 10,124 小时 1080p 第一人称视频,来自 12,227 名贡献者在 15,548 个环境中自拍的熟练工种作业,83% 的时长在工作场所,含 72,754 个片段与同步 100Hz 惯性测量单元(IMU,记录加速度与角速度的传感器)数据,采用 LeRobot v3 与 MCAP 两种机器人数据常用格式、CC BY 4.0 许可(署名后允许商用)。论文立论是:模仿学习的泛化能力随训练环境与物体的多样性增长,而不是随每个环境的示范次数增长;因此它刻意让每位贡献者在各自不同的厨房、工地、车间里录制,而不是集中采集。
值得关注: 两条路线对应两类可投递的岗位技能,值得分开准备。柏川这一侧是「真机遥操作 + 数据工程化治理」:清洗与标注规则体系、质检、评测、仿真、版本管理与交付验收,元禾厚望的判断是「竞争正从模型与本体延伸至数据基础设施层」,意味着数据公司可以独立融资、独立成为雇主,不必附属于本体厂;数仓背景在这里的迁移成本最低,尤其是「复用智驾全栈数据管线、针对具身重建清洗与标注规则」这一句,几乎就是换场景不换方法论。HubEgo 这一侧是「无本体 / 人类视频」路线,核心技能变成多样性度量、分布设计、机器生成标注的噪声治理、按贡献者划分训练集与验证集以防同人泄漏——论文自己承认标注未经人工核验、且不含关节轨迹与动作监督,这反而说明「判断哪些数据能用」会成为独立岗位。同一天两种路线都在拿钱、都在发数据,说明行业尚未收敛到单一技术路径,此时把技能押在「数据质量与口径定义」上,比押在某一种采集硬件上更安全。
边界: 柏川的月产能超 5 万小时、年有效产能 35 万小时、累计交付超 20 万小时有效数据是三个不同指标,不可互相换算或相加;2027 年交付破百万小时为规划目标;估值、具身业务收入规模、各客户订单金额均未披露,近 20 家厂商名单为公司自述。腾讯新闻另作口径核对指出,5000 万元低于光轮智能、简智机器人等同赛道企业已披露融资额,但各公司阶段与业务范围不同,金额差异不能直接等同于经营规模差距。HubEgo-100K 的 v1.0 数据集约 44.8TB,访问需填申请表;论文明确标注动作与语言注释由视觉语言模型自动生成、未经人工核验,且这不是机器人控制数据,不能直接用于训练动作策略。
来源:新华日报财经:南大校友创立,苏州这家数据服务商完成 5000 万元 Pre-A 轮融资;财联社:柏川数据完成 5000 万元 Pre-A 轮融资;腾讯新闻:星海图为投资方兼客户(含口径核对);arXiv:2611.21938 HubEgo-100K
OpenAI 第二份研究加速报告:2 至 4 小时任务智能体自主完成率升至 46%,服务栈代码仍只有 25%
OpenAI 11 月 18 日发布第二份研究加速报告《Research acceleration: The jagged frontier》——「锯齿状前沿」指智能体能力在不同任务上参差不齐,基于内部测量、员工调查与访谈,是 9 月首份报告的量化扩展。今年 3 月至 10 月,估计需人类 2 至 4 小时的研究任务,编码智能体无需人工干预的完成率从 23% 升至 46%;4 至 8 小时任务从 13% 升至 35%。按任务类型拆开,8 月 1 日至 10 月 18 日差异极大:监控训练运行 79%、回答技术问题 72%、启动训练运行 35%、搭建评测与强化学习环境 29%、为推理和服务栈编写代码仅 25%。按 API 标价折算(不是实际现金支出),10 月研究人员日均智能体用量中位数约 2400 美元、较 9 月增 62%,第 90 百分位约 23000 美元、增 105%;人均「智能体工作日」(每 8 小时智能体工作计 1 天)从 0.5 升至 5.7,10 月中旬超过三分之二的研究人员日均峰值至少并行 4 个智能体。
一项 101 名研究人员的调查里,中位数回答是愿以团队 30% 算力或 40% 人力换取继续使用前沿编程智能体三个月,属假设性取舍、不是裁员计划。报告还称安全与对齐领域有记录的工作周数 1 至 9 月增长 77%,并呼吁各实验室公开追踪递归自我改进(RSI,指 AI 加速未来 AI 系统开发的过程)指标以维持人类监督。OpenAI 自己提示了一个重要限定:完成率上升不完全等于模型变强,也包含研究人员越来越会挑选适合委派的任务。
值得关注: 这份报告给工具选型提供了一把比跑分更实用的尺子——按任务类型委派,而不是按模型强弱委派。监控训练运行、查日志、启动例行实验这类高频、可验证、失败代价低的工作可以放心交给智能体;推理与服务栈代码、环境搭建这类牵一发动全身的环节成功率只有四分之一,必须保留人工逐条审阅。映射到机器人数据岗位,训练运行监控、数据质检脚本、采集日志巡检正是最该自动化的部分,而数据口径定义、验收标准、异常归因与失败样本判定必须留在人手里——这与本系列反复出现的「验收账本」是同一条主线。成本口径也要看清:2400 美元与 23000 美元是内部按 API 标价折算且有模型特权的数字,外部团队按量付费时应换算成「单任务成本」,不要照抄这个量级。对求职者的直接含义是,会写「可验证的验收条件」比会写提示词更值钱,因为智能体越能干,人剩下的活越集中在定义什么叫「做对了」。
边界: 全部数字为 OpenAI 内部测量、自估或内部调查,未经第三方复现;金额按公开 API 标价折算,不等于公司实际支出;调查中的算力与人力交换为假设性偏好,报告明确不代表招聘或人员计划变化。报告建立在 9 月首份博客基础上,部分指标为新增定义(如智能体工作日),与上一份不可直接比较。
来源:腾讯新闻(IT时代网):OpenAI 报告称智能体完成近半数研究任务;OpenAI 报告全文转载:Research acceleration: The jagged frontier
谷歌实验室推出 Stitch Loop:智能体 7×24 小时盯线上产品,所有拉取请求必须人工批准
Google Labs 于 11 月 18 日推出实验性产品智能体 Stitch Loop,目前仅开放全球候补名单(Google AI Ultra 合格用户优先),未公布定价、正式发布日期与支持的编程语言范围。它连接代码库与线上实时指标,通过 180 多种集成、自定义 MCP 服务器(MCP 是让智能体调用外部工具的模型上下文协议)或本地命令行接收日志、用户行为与反馈,围绕团队设定的可衡量目标持续运行,不是完成单次任务就退出。每个循环走四步:基于产品证据给出改进建议,列出附带取舍与范围的方案,在隔离云沙箱中写代码并开启 GitHub 拉取请求(必要时附截图与视频),再跟踪线上数据并从正负结果中反思;目标达成后继续监测,防止指标回落。
默认内置网络安全、响应延迟、无障碍访问三条循环,也支持自建目标(官方举例为提升结账转化率)。安全循环把 Gemini 4 Carbon 的网络安全能力与 Google DeepMind 的自主代码安全智能体 CodeMender 结合,但谷歌未公布该循环本身的修复成效数据。Stitch Loop 还能作为服务层,通过 Stitch CLI 与 MCP 向 Google Antigravity 等编码智能体提供持久产品上下文,Slack 中可用 @stitch 获取每日洞察摘要。谷歌强调:所有变更必须人工逐条审阅 PR 后才可合并,最终决定权在人。
值得关注: 工具形态从「你下指令、它写完就走」变成「它自己盯指标、自己提 PR」,试用或选型时要多看三件事:能否接入自己已有的指标与日志数据源、沙箱隔离与权限边界是否清楚、PR 能否逐条审批与回滚。对精简团队,安全与无障碍这类过去因人力不足被跳过的检查第一次有了低成本入口,但「未经人工审阅不合并」这条硬约束说明短期内新增的不是替代开发者的岗位,而是审阅与验收的工作量。技能栈上,最值得练的是把模糊诉求写成「可衡量目标 + 可验证指标」——这与机器人数据岗位定义数据质量指标、设验收闸门是同一种能力,两边可以互相迁移;也和本系列 11 月 18 日报道的「每任务多少钱」形成对照:当工具开始 7×24 小时常驻,选型依据会从单次调用价格转向长期运行的单位产出成本。
边界: Stitch Loop 为 Google Labs 实验性产品,仅候补名单开放,无定价、无正式发布日期、未公布支持的语言与框架,也未发布三条默认循环的实测结果;安全循环引用的 88.2% 为 Gemini 4 Carbon 在 SEC-bench Pro 上的模型基准成绩,不是 Stitch Loop 的修复成功率。名称与 Google Labs 早前的 stitch-loop skill(从单条提示生成多页网站)重名但属不同工具。
来源:IT之家(腾讯新闻转载):谷歌公司发布长程运行智能体 Stitch Loop;Stitch Loop 英文详解(含官方博文引述)
本页的评论功能已关闭