La taille des données AI physiques doit être multipliée par 100 ? Mechanism Capital révèle les variables clés pour 2026

Selon les dernières nouvelles, Andrew Kang, partenaire de Mechanism Capital, a récemment déclaré que la taille des données AI concrètes atteindrait 100 fois plus en 2026. Cette prévision reflète une avancée technologique majeure dans le domaine des robots et de l’IA concrète en 2025, avec des progrès clés dans l’architecture des modèles, les méthodes d’entraînement et la collecte de données.

Les avancées technologiques de 2025 ouvrent la voie à une explosion des données

En 2025, le domaine des robots a résolu plusieurs problèmes fondamentaux de longue date. Selon l’analyse d’Andrew Kang, ces avancées incluent :

• Des innovations dans l’architecture des modèles et les méthodes d’entraînement permettant aux systèmes d’IA d’apprendre plus efficacement
• Des percées dans la technologie de collecte de données, rendant la collecte de données à grande échelle réalisable
• Des progrès dans la compréhension de la qualité des données et la formulation des données, améliorant leur utilité
• L’application innovante des techniques d’apprentissage par renforcement, permettant à des entreprises comme Figure, Dyna et PI d’atteindre un taux de succès supérieur à 99 % dans des scénarios réels
• Des avancées dans la technologie de mémoire, brisant la limite de la “muraille de mémoire” précédente

La transition clé entre théorie et pratique

Quelle est la direction commune de ces progrès ? C’est que les entreprises d’IA ont désormais confiance pour investir dans la collecte de données à grande échelle. En d’autres termes, les avancées technologiques de 2025 ont résolu la question du “est-ce possible”, tandis que l’explosion des données en 2026 répond à la question du “comment faire à grande échelle”.

Andrew Kang mentionne que des technologies comme ReMEmber, Titans et MIRAS de NVIDIA ont permis la mémoire lors des tests, et que des modèles de langage visuel (VLM) plus performants offrent une meilleure compréhension spatiale pour les modèles d’action en langage visuel (VLA). Ces progrès signifient que les systèmes peuvent non seulement traiter davantage de données, mais aussi en extraire une valeur plus profonde.

La signification du marché d’une croissance de 100 fois de la taille des données

Pourquoi ce chiffre de 100 fois est-il crucial ?

Selon les informations de dernière minute, le marché en 2025 a déjà commencé à voir des capacités émergentes telles que la cartographie sans échantillons, la sensibilité à la force visuelle et le raisonnement physique général. En d’autres termes, une plus grande échelle de données commence à révéler de nouvelles dimensions de capacités. La croissance attendue de 100 fois implique que ces capacités seront déployées de manière exponentielle.

La résonance avec les applications d’IA dans le domaine de la cryptographie

Fait intéressant, cette tendance fait écho à la montée en puissance des applications d’IA dans le domaine de la cryptographie. Selon les dernières informations, Nansen AI sera mis à niveau en 2026 pour devenir un produit de trading on-chain tout-en-un, supportant toutes les transactions on-chain via l’IA. La mise à niveau allant de l’analyse de données à l’exécution des transactions reflète, dans une certaine mesure, les progrès de l’IA concrète dans le traitement des données et la prise de décision, appliqués dans plusieurs domaines.

Orientations à suivre

La croissance potentielle de 100 fois de la taille des données concrètes en 2026 implique plusieurs directions de développement possibles :

• Une amélioration significative de la polyvalence et de la capacité d’adaptation des systèmes d’IA
• Une augmentation de l’efficacité des processus d’annotation et de traitement des données, pouvant devenir de nouveaux points de compétition
• Une extension et une approfondissement des scénarios d’application de l’IA concrète
• Une forte croissance des infrastructures et des outils associés

En résumé

Cette prévision d’Andrew Kang ne sort pas de nulle part, mais repose sur des avancées substantielles dans plusieurs dimensions technologiques du domaine de l’IA concrète en 2025. De l’apprentissage par renforcement à la technologie de mémoire, en passant par la collecte et la compréhension de la qualité des données, ces progrès convergent vers une nouvelle ère : celle de la collecte et de l’utilisation à grande échelle des données. La croissance attendue de 100 fois dans la taille des données reflète la transition du “est-ce possible” vers le “comment faire à grande échelle”. Cette transition pourrait progressivement se manifester dans l’ensemble de la chaîne de valeur de l’IA d’ici 2026.