实体AI数据规模要扩大100倍？Mechanism Capital透露2026年的关键变量

根据最新消息，Mechanism Capital合伙人Andrew Kang近日表示，2026年实体AI数据规模将扩大100倍。这个预测背后反映的是2025年机器人和实体AI领域在技术层面的重大突破，从模型架构、训练方法到数据采集都取得了关键进展。

2025年技术突破为数据爆发铺路

2025年，机器人领域解决了长期存在的几个核心难题。根据Andrew Kang的分析，这些突破包括：

• 模型架构与训练方法的创新，使AI系统能够更高效地学习
• 数据采集技术的突破，让大规模数据收集从理想变成可行
• 数据质量理解和数据配方方面的进展，提升了数据的可用性
• 强化学习技术的创新应用，使得Figure、Dyna和PI等公司在实际场景中实现了99%以上的成功率
• 记忆技术的突破，打破了此前的"记忆墙"限制

从理论到实践的关键转变

这些进展的共同指向是什么？就是AI公司现在有信心投资大规模数据收集。换句话说，2025年的技术进展解决了"能不能做"的问题，2026年的数据爆发解决的是"怎么大规模做"的问题。

Andrew Kang提到，NVIDIA的ReMEmber、Titans与MIRAS等技术实现了测试时记忆，更优秀的视觉语言模型（VLM）为视觉语言行动模型（VLA）提供了更强的空间理解能力。这些进展意味着系统不仅能处理更多数据，还能从数据中提取更深层的价值。

数据规模100倍增长的市场意义

为什么100倍这个数字很关键？

根据快讯信息，2025年市场已经初步看到数据规模带来的零样本能力映射、视觉力度敏感性和通用物理推理。换句话说，更大规模的数据已经开始展现出新的能力维度。100倍的增长预期意味着这些能力将以指数级别释放。

与加密领域AI应用的呼应

有趣的是，这个趋势与加密领域的AI应用升级形成了呼应。根据最新资讯，Nansen AI将在2026年升级为全栈式链上交易产品，支持通过AI进行所有链上交易。从数据分析到交易执行的升级，某种程度上反映了实体AI在数据处理和决策能力上的进展在多个领域的应用。

后续关注的方向

2026年实体AI数据规模的潜在100倍增长，意味着几个可能的发展方向：

• AI系统的通用性和适应能力会显著提升
• 数据标注和处理流程的效率提升可能成为新的竞争焦点
• 实体AI的应用场景会进一步扩展和深化
• 相关的基础设施和工具需求会大幅增长

总结

Andrew Kang的这个预测不是凭空而来，而是基于2025年实体AI领域在多个技术维度的实质性突破。从强化学习到记忆技术，从数据采集到数据质量理解，这些进展共同指向一个方向：大规模数据收集和应用的时代正在到来。100倍的数据规模增长预期，反映的是从"能不能做"到"怎么大规模做"的转变。这个转变对整个AI产业链的影响可能会在2026年逐步显现。