数据中心、发电厂及高速公路建设需求的激增，正推动建筑业迎来繁荣，但行业同时面临生产力下滑和技能型机械操作员短缺的双重挑战。在此背景下，能够感知环境并自主行动的“物理人工智能”（Physical AI）正成为关键解决方案。
卡特彼勒（Caterpillar Inc.）在采矿自主设备领域深耕多年。该公司物理AI平台与施工自动化副总裁布兰登·胡特曼（Brandon Hootman）指出，将该技术拓展至建筑行业极具挑战，因为后者需要适应更多变的条件。“矿山场地一旦建立，变化并不频繁；而建筑行业截然不同，是非结构化环境。将结构化系统匹配到这种动态环境中，难度极大。”胡特曼表示。
物理AI重构基础设施支持体系
随着AI云从基础模型训练转向大规模智能体推理，训练自主挖掘机等设备需要摄入海量遥测和视觉数据，模拟百万次场景并叠加强化学习。CoreWeave高级副总裁理查德·阿尔费尔德（Richard Ahlfeld）指出，当前的物理AI对存储空间和基础设施提出了全新要求。为此，CoreWeave近期推出了物理AI现场工程服务，将工程师嵌入客户专家团队中协同工作。
胡特曼透露，卡特彼勒的数字生态系统目前已存储约18 PB来自机器、经销商和客户的联邦数据。然而，相较于训练物理AI在实际建筑工地运作所需的数据量，这仅是沧海一粟。结合激光雷达、摄像头、多秒级控制及性能返回数据，单台机器一天产生的数据量即可达到TB级别。
CoreWeave在二季度财报中将卡特彼勒列为企业客户。胡特曼表示，卡特彼勒今年开始与CoreWeave合作，主要看重其GPU容量及应用专业知识。双方通过与英伟达（Nvidia）合作，利用AI模型对现场数据进行标注和标记。
“此前需数周甚至数月完成的工作，现在缩短至几小时；从数据发生到能在仿真或训练环境中使用的反馈循环，也压缩在一个工作日内。”胡特曼称。