# 训练数据的所有文章

在 HTX 新闻中心浏览与「训练数据」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

李飞飞最新访谈：人也不全靠现实数据学习啊

李飞飞在访谈中阐述了World Labs收购机器人公司SceniX的战略布局，核心是推动“空间智能”成为AI下一前沿，让AI能在物理与虚拟空间中理解、推理和行动。她指出，机器人是空间智能落地与验证世界模型的关键应用场景。访谈揭示了机器人发展的核心瓶颈：缺乏足够、安全的真实世界训练与评估数据。为此，World Labs与SceniX将携手构建一个可规模化的“数字训练场”，通过“真实-仿真-真实”的管线，利用仿真环境生成数据来替代昂贵、缓慢且危险的真实数据采集。李飞飞与SceniX联合创始人李昀烛强调，仿真并非取代真实数据，而是互补。它能进行“反事实推理”，系统化地覆盖各种场景变量（如光照、摩擦力），从而在提升机器人系统可靠性的同时，大幅加速训练和评估迭代周期。他们的目标是打造不绑定特定机器人硬件或算法模型的通用基础设施，让不同形态的机器人能在高保真数字世界中高效学习，并迁移到真实半结构化环境（如仓库）中可靠工作。双方团队能力高度互补：World Labs提供世界模型生成与三维重建能力，SceniX则贡献机器人全栈技术与仿真专长。合并后，他们将务实推进，旨在未来几年内于特定垂直领域打造出成功的灯塔客户案例，验证其基础设施在解决实际自动化需求中的价值。

marsbit1小时前

marsbit1小时前

你天天用的Claude和Codex，Meta内部不让随便用了

今年5月，Meta为其应用AI工程部门的工程师划定了红线：限制内部使用Claude Code和Codex这两款流行的AI编程工具，相关限制至今仍在生效。作为这些工具的主要客户之一，Meta此举并非因其不好用，而是恰恰相反——担心其过于强大和好用。 Meta正在自研名为MetaCode的AI编程助手，旨在替代外部模型以节省成本并掌握核心技术。限制使用外部模型的核心原因，是防止“蒸馏陷阱”：即担忧员工在构建MetaCode的训练数据、编程题库和评测标准时，过度依赖或掺入Claude/Codex的输出。这会导致自研模型在不知不觉中学习对手的“本事”和判断标准，使能力来源模糊，并可能违反与OpenAI、Anthropic等竞争对手的服务条款，引发法律风险。内部指南明确禁止了可能让外部AI模型“定义能力”的三类任务：不能用其输出来生成测试题目、不能用其分析代码或设计测试点、其生成内容不得进入被测模型的访问环境。仅允许AI处理搭建工作流、整理文件等“打下手”的辅助性任务，且所有AI产出必须经过人工审核。这一事件揭示了AI行业的一个普遍困境：在利用强大外部工具加速自身研发的同时，如何清晰界定并守护自身模型能力的原创性，避免陷入知识产权与合同风险。随着AI参与创造AI的循环加深，“本事究竟是谁的”这条界线正变得越来越模糊。

marsbit06/30 13:12

marsbit06/30 13:12

要么全栈，要么出局：xAI 600 亿美元收购 Cursor 背后的算盘

xAI以600亿美元股票收购Cursor母公司Anysphere，核心意图并非市场份额，而是获取其700万开发者每日产生的高质量代码训练数据。文章指出，代码生成是当前大语言模型最成功的应用，并以Anthropic为例，其营收在28个月内增长约540倍，其中Claude Code产品贡献显著，迅速占据企业AI编程市场过半份额。作者（VC机构Strange Ventures合伙人）提出核心观点：想成为AI巨头，必须构建“全栈”能力——即打通算力、模型与应用层。全栈模式能改善模型训练的经济效益，并通过应用层获取专有数据构建竞争壁垒。预计未来模型公司将更积极地自建或并购应用层业务。此次收购印证了xAI完善其全栈布局（算力Colossus、模型Grok、应用X）的战略，Cursor的代码数据将直接增强Grok的竞争力。文章最后强调，在AI工具大幅降低产品开发门槛的当下，创业公司需要具备更大的野心方能成功。

marsbit06/18 09:41

marsbit06/18 09:41

Sam Altman 的“水电论”为何引爆版权争议

本周，OpenAI首席执行官Sam Altman在贝莱德峰会上提出“AI将像水电一样成为公用事业，人们按量购买”的类比，引发广泛争议。批评者指出，这一比喻掩盖了AI与公用事业的根本差异：水电是“增量建设”，而AI训练依赖对全网公开内容的“存量重组”，且多数数据未经授权或付费。此外，公用事业通常承担普遍服务义务并受严格监管，而AI的token定价机制存在歧视性，输出成本远高于输入，且缺乏公共治理框架。 Altman的发言实则是面向基础设施投资者的叙事，旨在为OpenAI所需的巨额数据中心投资吸引资金。然而，法律上依赖的“合理使用”原则正因AI公司开始购买授权数据而面临逻辑矛盾。当前，AI在功能上趋近基础设施，但在产权、定价和治理层面存在裂缝。对用户而言，需关注实际使用量趋势；对企业，需警惕对单一供应商定价体系的依赖；对创作者，则凸显了作品被无偿用于训练却缺乏回报机制的问题。AI正在基础设施化，但要成为真正的公用事业，仍需解决数据收益分配等核心问题。

marsbit05/27 10:03

marsbit05/27 10:03

在AI视频生成这块，“遥遥领先”成真了

近日海外一篇分析文章引发关注，认为中国在AI视频生成领域已实现对美国公司的领先，且优势可能长期保持。字节跳动的Seedance 2.0和快手的可灵3.0等工具，在全球评测中表现突出，获得用户认可。领先的关键被认为在于数据和落地场景。字节、快手等平台拥有海量高质量、带用户行为标注的视频数据，为模型训练提供了独特优势。同时，AI视频技术在中国已快速应用于电商视频、广告制作、短剧创作等商业场景，形成了从生成到变现的闭环，而美国工具目前仍多处于实验阶段。然而，挑战同样存在。美国企业在算力规模上仍有显著优势，中国AI公司面临版权纠纷、商业化成本高以及基础语言模型能力存在代差等问题。目前中国在视频生成这一垂直领域取得领先，但整体AI生态的竞争依然激烈。

marsbit05/21 04:35