《Import AI 463：自我改进机器人、中国 GPU 集群与人类时代挽歌》

导语

本期 Import AI 的几条线索共同指向一个变化：AI 不再只是在屏幕里生成文本或代码，而是在尝试进入物理世界、基础设施世界和社会叙事世界。NVIDIA 的 ENPIRE 把 coding agent 的闭环搬到真实机器人；中国大型 GPU 集群说明算力基础设施继续扩张；Jack Clark 的评论则把这些技术进展放进“人类时代感正在被改写”的更大语境里。

1. NVIDIA ENPIRE：把智能体自我改进循环搬进真实机器人

1.1 ENPIRE 的核心是四个模块组成的物理反馈回路

• ENPIRE 被描述为一个面向 coding agent 的框架，用来实例化物理反馈流程。它包含环境模块、策略改进模块、执行评估模块和进化模块：环境模块负责自动重置与验证，策略改进模块启动策略优化，执行模块让单个或多个真实机器人并行测试，进化模块让 coding agent 分析日志、查文献、改训练基础设施和算法代码。
• 这套设计的意义在于，把软件智能体常见的“尝试、失败、看日志、改代码、再尝试”搬到物理机器人。机器人不只是执行预写策略，而是在一个可评估、可重置的实验场里让策略反复演化。

1.2 自动评估和自动重置决定了任务上限

• 文章强调，ENPIRE 能运行的关键，是自动评估系统和自动重置系统。前者在没有人工判断的情况下给每次试验打分，后者把场景恢复到下一轮试验所需的初始状态。
• 这也暴露了边界：越复杂的真实世界任务，越难自动评估和自动重置。因此 ENPIRE 展示的是一个方向，而不是已经解决所有机器人学习难题。

1.3 硬件和结果显示，简单任务已经能跑出高成功率

• 每个站点包含两条 I2RT 的 YAM 机械臂、摄像头和一台运行 FastAPI 服务器、策略推理与 station agent 的工作站；工作站使用 NVIDIA RTX 5090。
• 在 PushT、把针整理进针盒、用刀具切开扎带、把 GPU 插入主板等任务上，前沿 coding agent 能把策略优化到很高水平。作者引用研究者说法，某些灵巧操作任务可以达到 99% 成功率。
• 文章还指出，多智能体规模有回报：GPT-5.5 in Codex 和 Opus 4.7 in Claude Code 表现互有胜负，Kimi-2.6 落后；更多 agent，例如 8 个 agent，能更快找到高分方案。

2. 机器人自我改进让“超智能进入物理世界”变得更具体

2.1 Import AI 的关切不是单个机器人任务

• Jack Clark 把 ENPIRE 写成一种早期迹象：如果 AI agent 可以通过真实世界反馈持续改进机器人策略，那么未来更强系统也可能尝试用机器人把自己实例化到物理世界。
• 这不是说当前系统已经危险到科幻程度，而是说“软件智能体闭环”与“物理执行闭环”一旦接上，AI 能力的外溢方式会发生变化。

2.2 真实世界比代码环境更慢、更贵、更难重置

• 代码任务可以快速运行测试、回滚、重试；物理机器人需要机械臂、摄像头、工位、耗材和安全边界。ENPIRE 的价值正是在这些限制下尝试把实验流程结构化。
• 物理世界的约束不会消失，但一旦评估和重置被自动化，机器人学习就会更像可管理的优化程序，而不是一次次昂贵的人工试错。

3. 中国大型算力集群说明基础设施竞争仍在加速

• 本期还关注中国算力基础设施，尤其是大规模 GPU 集群与训练能力。这里的重点不是单个参数指标，而是算力供应、芯片来源、数据中心组织和模型训练节奏正在成为 AI 竞争的底层变量。
• Import AI 一贯把模型能力与国家级基础设施放在一起看：如果模型、数据、评测和机器人执行都在加速，那么竞争不只发生在模型排行榜，也发生在谁能持续供给实验循环。
• 对读者来说，这条线索提醒我们，AI 能力增长不是纯算法事件，而是硬件、能源、供应链、数据中心和组织能力共同堆出来的结果。

4. 本期的“人类时代挽歌”是技术叙事层面的提醒

• Jack Clark 的写法经常把技术论文和文明尺度的直觉放在一起。本期标题里的“人类时代挽歌”不是简单悲观，而是在问：当 AI 开始参与真实世界实验、基础设施建设和知识生产，人类对“自己是唯一主动实验者”的感觉会怎样变化。
• ENPIRE 这样的系统仍然粗糙，机器人任务仍然简单，但它让一个抽象问题更具体：如果机器能设计实验、执行实验、读取结果并改进下一轮策略，人类在实验循环中的位置会被重新定义。
• 本期最重要的不是某个模型赢了，而是 AI 系统正在从回答者变成实验流程的组织者。

思想框架

本期先用 NVIDIA ENPIRE 展示 AI agent 如何进入真实机器人：四模块闭环、自动评估、自动重置、RTX 5090 工作站、YAM 双臂和 99% 成功率共同说明物理试错正在被结构化。随后文章把机器人实验上升到更大问题：软件智能体的自我改进逻辑一旦连接物理世界，AI 的作用范围会从屏幕扩展到物理执行。再往后，中国 GPU 集群和基础设施线索说明模型能力增长依赖硬件、能源与组织规模。整期的核心是：AI 竞争正在从单次生成能力，转向持续实验、基础设施供给和真实世界执行闭环。