Asuka Zheng认为，“训练数据即将枯竭”的恐慌忽略了数据市场的真正形态。她讲述了自己曾参与的SRE替代项目，该项目训练了两个世界模型，直到项目停滞——因为从首次异常到完全解决的全过程、端到端的长时序事件轨迹，作为数据集根本不存在。

数据并不稀缺，稀缺的是你的想象力

我们快没有训练数据了。

不。我们根本还没开始收集。

当我们谈论数据时，我们想到的是推理、代码、音频、图像、机器人。没错，这些是真实的，而且已经创造了财富。但这份清单并非数据的真实形态。它只是我们当前想象力的边界。真正的空间要大得多，大到其中某些数据，我们甚至无法想象它会长成什么样子。

我吃了大亏才明白这一点，然后发现这个规律在我所见的每个角落都得到了印证。

我花了很长时间做SRE，所以一直绕着一个问题打转：大模型能否取代人类的SRE工程师，这样我们就不用半夜被oncall吵醒了？我们真的试过，还为此写了论文。一旦深入下去，我们发现难点并不在于模型本身，而在于环境。你几乎无法模拟一个真实的SRE事故。于是我们想到一个当时觉得很优雅的方案：训练两个世界模型。一个扮演K8s专家，生成命令。另一个扮演K8s环境本身，在特定场景下生成合理的响应。让它们相互博弈，让模型学会在自己构想的世界里操作。

但没成功。

阻碍我们的原因几乎残酷地具体：我们无法获得足够的数据，而且收集到的那些数据质量很差。我们需要那种能捕捉真实K8s集群在整个事故期间的数据——从首次异常到完全解决的每一步，以及集群在每个中间步骤的确切响应。最终我们退而求其次，采用了一个多智能体框架，一个复杂的架构，在数据极少的情况下对模型进行强化学习，结果也很平庸。但我发誓我们差一点就成功了。方向是对的。我们只是错过了那一种数据，然后在论文提交前耗尽了时间。

现在回想起来，我意识到自己已经直接走进了整个新世界的大门。我试图将系统的真实行为拟合进一个模型，而真正稀缺的正是端到端、长时序的数据。不是单个瞬间，而是完整的因果链条。

过去一个月的研究让我确信，这种现象正在各处同时发生。

Thinking Machines Lab 关于交互模型的工作最让我震撼。今年人人都在谈论主动式智能体。我曾试图伪造这种主动性，通过可穿戴设备从外部强行附加。而 Thinking Machines 向我展示了更深层的东西：给模型正确的数据，这种能力就会从它内部自然地生长出来。交互不再是绑在外部的脚手架。模型将其吸收。于是，沉默、打断、视觉世界发生变化的精确瞬间——那些从未被任何数据集记录过的东西——全都变成了你必须训练而且可以训练的数据。

一个更激进的方向来自一篇名为《神经计算机》（Neural Computers）的论文（Meta AI 和 KAUST 团队；Jürgen Schmidhuber 也在作者之列，这很合理，因为他早在1990年就将“世界模型”一词引入机器学习）。他们将计算、内存和 I/O 折叠成一个单一的学习到的运行时状态，然后将其实例化为一个直接输出屏幕帧的视频模型。在命令行界面和图形界面环境中，它根据指令、像素和用户动作生成下一帧。

你现在应该能看到转折了。计算机自身的行为变成了我们可以建模的数据流。 终端的每一帧画面、每一次对鼠标或按键的响应，过去都是程序冷冰冰的确定性输出。现在，它成了等待有人去学习的 I/O 对齐。

将任何人与机器的接口纳入模型的范围，你就会立即把该接口的所有响应和所有时序，变成一类全新的数据。可能的接口数量没有上限：全双工语音、视觉主动性、时间流逝的感知，最终是回归物理世界、身体和生物信号。每一个新接口都会凭空召唤出一片数据大陆，一块此前从未存在、形态完全开放的大陆。

这才是数据市场的真实形态。不是一块慢慢变大的固定馅饼。而是一张不断扩展、不断萌生新大陆的地图。

信号来自不止一个方向。Jack Dorsey 的公司 Block 发表了一篇文章《从层级到智能》（From Hierarchy to Intelligence），提议围绕公司世界模型和客户世界模型来重建公司本身。这是我今年读过的最有启发的文章。这句话击中了我：金钱是世界上最诚实的信号。人们在调查中撒谎、忽略广告、抛弃购物车。但当他们消费、储蓄、汇款、借贷或还款时，那就是真相。 每一笔交易都陈述了一个关于真实个人生活的事实。一旦你用这种方式看待交易，一个结论就会自行浮现——这个结论应该会让任何持有企业AI战略的人感到不安。ERP、CRM、工单系统，二十年里我们归档为“业务记录”的东西，从来都不是死数据库。它们是两个世界模型——公司和客户——之间对齐的语料库，一直堆在眼前，等着有人来认领。旧的接口一直都是接口。我们只是没这么叫它。我们或许正坐在金矿上，却称之为“流程”和“记录”。

再看远一点，Karpathy 三个月前的自动研究项目，让一个AI智能体自己运行研究循环、自己跑实验、自己迭代，使得研究过程本身的数据最近成了硅谷的热门话题。

横向看，形态无限。纵向看，深度无穷。而现在，连产生数据的过程本身也变成了数据。

但无限的接口并不意味着它们是同等的接口。当一切皆成接口的那一刻，问题悄然改变了形式。它不再问“哪里还有数据”，而开始问“我们先打开哪个接口”。而这个问题是有结构的。有些接口会撒谎。调查撒谎，金钱不会。有些只向你展示已经发生的路径，从不展示没有发生的路径——这正是我在K8s时撞上的那堵墙：一次事故只给你一条轨迹，永远给不了你真正需要的反事实来进行训练。有些接口在深入一层后便触底。另一些则在每一层都打开一个新世界。还有极少数接口，一旦你对其建模，就会萌生出在你打开之前谁也说不出的新接口。

想象力打开了地图。但地图不是指南针。如果你确信市场已被完全绘制，但实际上并没有呢？

这就是 David Deutsch 的意思。这是无穷的开始。 对他而言，知识没有终点。每一个好的解释都会引发我们之前无法提出的新问题、无法想象的新可能性。数据也是如此。我们能命名的寥寥几个类别，不过是我们已经点亮的那几间屋子。黑暗中还有无数房间在等待，而有些门，我们甚至不知道它们的存在。

新黄金是数据。很多人已经这么说。但几乎每个人想象的那座矿，只是我们脚下的一小块地方。真正的矿脉是我们尚不能命名、尚无法描绘其形态的数据——它们将一片大陆接一片大陆地浮现，每当我们解决另一个问题，每当我们打开另一种交互模式。

我们并非身处数据时代的某个中间段落。

我们正处于它的第一章。第一页。

参考文献

Yang, P., et al. (13 authors). “AOI: Turning Failed Trajectories into Training Signals for Autonomous Cloud Diagnosis.” arXiv:2603.03378, March 2026. https://arxiv.org/abs/2603.03378

Thinking Machines Lab. “Interaction Models: A Scalable Approach to Human-AI Collaboration,” Thinking Machines Lab: Connectionism, May 2026. https://thinkingmachines.ai/blog/interaction-models/ Thinkingmachines

Zhuge, M., Zhao, C., Liu, H., et al. (19 authors, including Jürgen Schmidhuber). “Neural Computers.” arXiv:2604.06425, April 2026. Meta AI and KAUST. https://arxiv.org/abs/2604.06425

Dorsey, J., and Botha, R. “From Hierarchy to Intelligence.” Published March 31, 2026, jointly on Block and Sequoia Capital. https://block.xyz/inside/from-hierarchy-to-intelligence

Karpathy, A. “autoresearch.” GitHub repository, released March 7, 2026. https://github.com/karpathy/autoresearch

Deutsch, D. The Beginning of Infinity: Explanations That Transform the World. Viking, 2011.



