# NVIDIA 给机器人搭了个自我进化循环；腾讯公开万卡集群调试工具；一篇论文提醒我们：人类预测技术走向的能力烂透了

> 原标题：Import AI 463: Self-improving robots; a 10k Chinese GPU cluster; and an elegiac essay for the human era

- 来源：Import AI
- 发布时间：2026-06-29T13:03:27.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42616
- 原文：https://jack-clark.net/2026/06/29/import-ai-463-self-improving-robots-a-10k-chinese-gpu-cluster-and-an-elegiac-essay-for-the-human-era/

## 摘要

NVIDIA 的 ENPIRE 系统让实体机器人像编程智能体一样，通过试错来自我改进。在插 GPU、剪扎带这类任务上成功率能干到 99%，但自动评估和自动复位在更复杂的活上还是会掉链子。硬件用的是双臂协作平台，每台配一张 RTX 5090。测试里 GPT-5.5 和 Claude Opus 4.7 表现互有胜负，而且多智能体一起干通常比单打独斗分高。不...

## 推荐理由

NVIDIA的ENPIRE系统把智能体那套试错循环搬到了实体机器人上，插GPU、剪扎带这类活能干到99%成功率，但自动评估和自动复位在更复杂的任务上还是会掉链子。硬件是双臂平台，每台一张RTX 5090。测试里GPT-5.5和Claude Opus 4.7表现互有胜负，多智能体一起干通常比单打独斗分高。不过这是简报摘要，不是原始论文，信息密度被稀释了，上限就打到78分。

## 锐评

NVIDIA 的 ENPIRE 系统把编程智能体那套“试错-学习”的循环搬到了实体机器人上。在插 GPU、剪扎带这类任务上，成功率能干到 99%，这数字说明在特定简单任务上，机器人已经能靠自我迭代做到几乎不出错。但别急着激动，这套系统的上限被两个环节卡死了：自动评估和自动复位。正文也承认，任务一复杂，这两样就容易掉链子，而这两样恰恰是过去最耗人力的地方。所以它目前更像一个在高度受控环境里跑通的 demo，离真正通用的自我进化还差得远。硬件上，每台双臂机器人配一张 RTX 5090，成本不低。测试里 GPT-5.5 和 Claude Opus 4.7 互有胜负，而且多个智能体一起干通常比单打独斗分高，说明堆算力和并行探索在这个框架下确实有效。

腾讯开源 ARGUS 这事，价值在于它是一套给万卡 GPU 集群用的“常开行车记录仪”，已经实打实跑了六个月。这意味着大模型训练的故障定位和性能调优有了经过验证的工具，对做大模型训练的人来说是直接可用的基础设施。

那篇法律论文则泼了盆冷水：爱因斯坦、玻尔当年都严重低估了核裂变的可行性，克鲁格曼也看走眼过互联网。它提醒我们，今天任何对 AI 斩钉截铁的预测，不管是极度乐观还是极度悲观，历史经验表明大概率都会错得离谱。信息缺口在于，ENPIRE 论文没披露在更杂乱、非结构化的真实环境里的表现，腾讯那套系统也没说具体能帮集群省下多少故障排查时间。