Dyna-2、戴盟融资与私有电厂：AI执行层开始争夺经验、触觉和电力

截至 2026 年 8 月 11 日 21:00（北京时间），今天核实到一条模型级发布：美国具身智能公司 Dyna Robotics 发布 Dyna-2。澎湃新闻报道的发布时间为 8 月 11 日 16:36，官方研究页将它定义为 World-Action Model（世界-动作模型，WAM）：同一模型联合预测未来视频与机器人动作，而不是只根据当前画面直接输出下一步动作。12

Dyna-2 的核心变化有三项：用超过 100 万小时第一人称人类操作视频预训练；在官方研究中，模型经过约 10 分钟机器人遥操作数据微调后，学会双手灵巧机器人拧瓶盖；在 14 项实体机器人任务上，随人类视频预训练规模从 1000 小时扩大到 100 万小时，平均归一化成绩从 20% 提升到 53%，100 万小时版本在 9 项任务中成绩最好。2

它目前是研究发布，不是已经开放的 API、权重下载或客户现场产品。官方页面展示了研究方法和内部评测，但没有给出面向公众的调用入口；因此，「人类视频能否帮助机器人迁移」是今天被验证的研究问题，「机器人能否在生产线上稳定工作」仍是另一项验收。

本文覆盖 2026 年 8 月 11 日 00:00 至 21:00（北京时间）。今天的三条信号分别落在模型、触觉融资和能源基础设施上：模型在找更便宜的机器人经验，融资在押注触觉数据与模型部署，数据中心则开始把发电污染直接带到项目账上。

VLA（视觉－语言－动作）模型通常根据画面和语言指令直接生成下一段动作。Dyna-2 采用 WAM，让视频预测与动作预测共享表示：模型既要回答「下一步怎么动」，也要预测「这样动之后场景会怎样」。官方研究认为，视频预测是跨机器人形态迁移能力出现的主要原因；只训练动作会随着数据增加出现过拟合，而加入未标注的人类视频做视频预测，机器人数据上的泛化会继续提升。2

这条路线的价值在于，它把机器人数据的瓶颈往前推了一步。遥操作一小时需要人、设备和场景；人类日常操作视频更容易规模化收集。Dyna-2 的官方实验显示，100 万小时版本在 39 项未见过的机器人离线任务上表现随预训练规模改善，之后在 14 项实体任务中做了少量机器人数据微调。2

但这还不能写成「机器人已经学会泛化」。第一，数据和结果来自公司自己的研究，官方页面没有给出外部复现实验。第二，14 项任务的后训练流程仍使用机器人示范数据，平均归一化成绩是研究指标，不等于工厂节拍、故障率或人工接管率。第三，研究页没有公开调用入口，采购方现在能验证的是论文方法和评测边界，而不是一个可以直接接入产线的服务。

戴盟机器人 8 月 11 日宣布完成数亿元融资，新京报报道蚂蚁集团领投。Tech in Asia 的口径是 Series A，称老股东继续跟投，并称戴盟已从触觉感知设备扩展到数据基础设施和模型部署。两篇报道都没有披露精确金额，因此正文只保留「数亿元」这一公开口径。34

据公司向新京报介绍，戴盟在 2024 年把触觉引入 VLA，提出视觉－触觉－语言－动作（VTLA）路线；目前视触觉传感器达到万片级出货，累计服务全球 200 多家客户，近期向 OpenAI、Figure、BMW、Google DeepMind 和新加坡国立大学等机构交付。Tech in Asia 则称，公司已出货数万件视觉－触觉传感器，并被学术机构和人形机器人公司使用。上述数字均是公司或媒体转述的商业化信号，不是客户长期运行效果。34

触觉的意义不在于给机器人多装一个传感器。视觉告诉模型物体在哪里，触觉还提供接触、摩擦、压力和滑移等信息；这些数据若能进入训练与部署系统，才可能改善拧、插、捏、装配等视觉不够用的任务。戴盟选择把业务延伸到数据与模型，说明投资人押注的可能是「传感器出货—数据积累—模型部署」之间的连续收入，而不是单一硬件毛利。这里是基于公司披露的业务方向作出的判断，不是已被财报证明的收入结构。

接下来要看的是三项硬指标：客户是否重复采购，传感器采集的数据能否被不同机器人复用，模型接入后每个成功任务的返工率和人工介入是否下降。没有这三项，融资只能证明资本愿意为触觉路线下注，不能证明触觉已经成为通用机器人基础设施。

8 月 11 日，经济观察网转载新华社稿件称，法新社援引美国清洁能源研究机构的报告称，多家美国 AI 企业未来数年计划建设约 60 座数据中心，所需发电装机容量到 2030 年代初可能达到 97 吉瓦。报道还称，若采用拖车式发电机、翻新涡轮机和燃气设备为数据中心供电，相关电厂每年排放量的保守估计超过 2 亿吨二氧化碳。5

这组数字必须按「计划」阅读。97 吉瓦不是当前在线容量，60 座也不是已经获批或开工的机房；2 亿吨是研究中的排放估算，不是这些项目已经发生的年度排放。报道同时指出，私有燃气和柴油设备还会排放颗粒物、氮氧化物、汞、甲醛和苯。对算力投资人和地方政府来说，问题不再只是电能够不够，而是新增电源的成本、空气质量、许可和责任由谁承担。5

这与昨天数据中心融资中出现的地方反对并不是同一条新闻。昨天的重点是社区态度如何进入贷款尽调；今天的重点是，当项目绕开公共电网、自己找发电设备时，污染和监管责任是否也会跟着项目走。两者合在一起，才构成算力项目的真实约束：容量要能通电，电源要能获批，现金流还要能覆盖能源与合规成本。

给模型采购方：把 Dyna-2 这类研究发布放进技术观察清单，先问四个问题：目标机器人形态是否覆盖，任务成功率是否来自独立评测，长任务失败能否恢复，模型是否有可调用入口。没有 API 或权重，就不要把研究结果写进已经可采购的能力表。

给物理 AI 投资人：戴盟的融资、传感器出货和客户交付应分开记账。下一轮尽调应追踪精确融资文件、重复订单、客户现场运行时长、触觉数据能否跨本体复用，以及模型部署后单位任务成本是否下降。

给数据中心和合规团队：把规划容量、已许可容量、已通电容量、客户验收容量和收入确认拆成五个字段；私有电源还要增加燃料、排放、空气质量和地方许可。97 吉瓦只能说明需求预期，不能替代一座机房的上线证明。

今天三条消息指向同一件具体的事：机器人要经验，灵巧操作要触觉，模型规模要电力。下一次判断 AI 执行层是否真的变厚，不该只看模型发布数量或融资总额，而要看 Dyna-2 有没有外部可复现实验、戴盟有没有可持续复购、数据中心有没有把规划容量变成合规且可用的电力。