这是从「提供工具的软件」到「交付结果的软件」的转变。
新时代的数据供应商
我们交付的不是一批数据，而是帮助客户把模型、机器人或 AI 系统训练到更好效果的全过程能力。
这里面有几个层次：
- 从数据交付，变成结果交付。过去是「我给你数据，你自己用」。未来应该是「我理解你的训练目标，然后围绕精度、泛化能力、召回率、任务完成率等指标，持续帮你把数据用好」。
- 从一次性供应商，变成深度协作伙伴。数据交付以后，甲方训练过程中一定会发现问题：数据分布不够、标签标准不清、某些场景表现差、机器人在某些动作或环境里失败。这些问题其实正是数据公司继续创造价值的地方。
- 从卖资源，变成卖服务能力。数据公司手里不只是有数据，还有标注人员、质检人员、行业专家、项目经理、数据工程能力、问题定位能力。这些都应该变成后续服务的一部分：帮客户补数据、改标注、做错误分析、调整采集方案、解释数据怎么用。
- 从「验收数据」，变成「管理数据生命周期」。数据交付不是结束，而是开始。后面还应该有数据版本管理、问题反馈、缺陷修复、增量补充、模型效果回传、下一轮数据优化。这会让客户觉得你不是外包供应商，而是他训练体系的一部分。
不过这里也要有边界，不能变成无限免费改。更成熟的方式是把它产品化：
- 基础交付：数据集、标注规范、质检报告、使用说明。
- 训练支持：数据接入指导、问题答疑、模型效果反馈分析。
- 优化服务：针对低精度场景补采、重标、清洗、再质检。
- 长期合作：按月/按项目提供数据运营团队，持续提升模型表现。
这样商业模式也会变：不是单纯按条数、小时、图片量收费，而是可以按「数据项目 + 后续服务 + 持续优化」收费。甚至在合适场景下，可以和客户的模型指标、机器人任务成功率、上线效果挂钩。
本质上，这是一种升级：
传统数据供应商：交付数据。
新型 AI 数据伙伴：交付可被模型吸收、能推动效果提升的数据能力。
Meta 收购 ARI 进军机器人
Meta 已收购 Assured Robot Intelligence（ARI），一家为类人机器人构建基础模型的初创公司，这些模型能够执行现实世界中的物理任务。联合创始人 Xiaolong Wang 和 Lerrel Pinto 将加入 Meta 的 Superintelligence Labs。这一举措建立在 Meta 现有的、由 Marc Whitten 领导的机器人技术努力之上。
这一举动发生在大科技公司争相争夺机器人技术人才的背景下，市场预测从高盛的 2035 年 380 亿美元到摩根士丹利的 2050 年 5 万亿美元不等。
为什么这很重要：训练互联网数据让 AI 走到了这一步。要进一步改进它，可能需要与物理世界的互动。机器人技术正在成为一种训练策略。谁拥有「通过行动学习」而不是「仅仅预测」的系统，谁就能获得一种纯软件模型难以匹敌的复合优势。
模型 × harness × 上下文
产品边界正在形成。全天反复出现的主题是，模型质量不再是唯一的有意义护城河。Anthony Maio 认为，锁定效应来自上下文管道——如何获取、排序和压缩 repo 状态以形成提示——而不是来自外壳本身。Mason Drxy 的报道进一步支持了这一观点：在外壳中更改提示和中间件使 gpt-5.2-codex 在 Terminal-Bench 2.0 上的得分从 52.8% 提高到 66.5%，并将 gpt-5.3-codex 在 tau2-bench 上的得分提高了 20%。
实际的启示是：agent 性能越来越是「模型 × 外壳 × 内存/上下文策略」的共同属性，而不仅仅是权重本身。