先搞懂：什麼是物理 AI？

聊天機器人處理的是文字，物理 AI 則是要在真實世界裡動手做事的 AI，像是自駕車、工廠機器人、人形機器人，或是預測設備什麼時候會故障。它面對的不是網路上大量的文字，而是感測器、相機、測試台和遙測資料。一旦判斷錯誤，代價可能是撞車、停機或設備損壞。

十萬小時的完美資料，反而讓模型看不見

CoreWeave 是提供 AI 算力的雲端公司，2026 年 9 月 10 日推出「Physical AI Field Engineering」服務。這項服務派汽車、航太、機械背景的工程師直接進駐客戶團隊，用客戶手上的測試台結果、模擬輸出、產線感測器和即時遙測資料來建模。這支團隊和方法，來自 CoreWeave 在 2025 年收購的工程 AI 公司 Monolith。

Monolith 創辦人、現任 CoreWeave 物理 AI 資深副總裁 Richard Ahlfeld，在 Superintelligence 的書面訪談裡講得很直白：最常見的失敗，是「訓練集裡從來沒有真正重要的時刻」。要他預測車子什麼時候故障，卻只給他十萬小時一切正常的行駛資料，模型等於是瞎的。

道理其實不難：模型是從看過的例子學習的。資料裡從沒出現過故障，模型就不知道故障長什麼樣子。正常資料再多，也教不會它認出異常。

NEURA Gym：每天跑一輪的資料迴圈

他以客戶 NEURA Robotics 為例。NEURA Gym 約有 100 個工作站，機器人在裡面試做客戶的真實任務，每天跑一輪：評估結果、決定要收什麼資料、收集、訓練、在模擬中驗證，再回到實體機器人上測試。

這套流程的結論是：資料的量，不如找到對的資料。現場工程師的價值，在於判斷哪些「邊緣案例」（很少發生、但一發生就出事的狀況）值得用合成資料補，哪些異常是訊號而不是雜訊。這是領域判斷，不是工具問題。

NEURA Gym每日資料迴圈示意圖
評估、決定收什麼資料、收集、訓練、模擬驗證、實機測試，每天跑一輪（AI生成示意圖）

75 次迭代，換來 30 秒內的決策

另一個例子是 Aston Martin Aramco F1 車隊的無線電辨識系統。團隊以 7 小時的標註音訊為基礎，前後迭代了 75 次。Ahlfeld 說，這些迭代主要是讓模型撐得過引擎噪音、頭盔麥克風、時速 300 公里的風切、說不同語言的車手和車隊行話。

每一版都用評測工具 Weights & Biases Weave 檢驗，指標是字詞錯誤率和大型語言模型給的品質評分。系統先在卡達、阿布達比的正式賽事試跑，才全面上線。過去工程師要花好幾分鐘處理的問題，現在能在不到 30 秒的進站時間窗內解決。

不過要注意，訪談沒有公布錯誤率。「75 次」和「30 秒」描述的是流程和結果，不是準確度。

先驗證模擬，再談合成資料

真實世界的關鍵時刻很難等到，也很難錄到，所以業界常用模擬器，或能生成逼真場景的「世界模型」，產生合成資料來補。但 Ahlfeld 的第一條規則是：模擬必須先用受控的實測資料大量驗證。

他把合成資料能不能信分成兩類：

  • 可以用合成資料補的：光照、幾何、運動這類物理模型擅長的落差。

  • 還是得靠實體測試的：顆粒、液體、柔性材料、人類的隨機行為，以及硬體本身和模擬之間的差異。

合成資料可補與需實測的項目對比圖
光照、幾何、運動可以靠合成資料補，顆粒、液體、柔性材料和人的行為仍要實測（AI生成示意圖）

他舉了一台正在訓練的人形機器人為例。原始資料只有少數低光源片段，完全沒有陽光直射的畫面，任務直接失敗。團隊用 NVIDIA Cosmos 世界模型補上光線不理想的片段，重新訓練後，兩種情境都能處理。他也強調，這次會成功，是因為光照正好是世界模型擅長的。如果問題出在接觸、材料行為或磨損，就得回到真實測試。

對臺灣的意義

能源示範場工程師記錄試車異常示意圖
試車期間的異常和停機，是未來模型最缺的資料（AI生成示意圖）

臺灣的能源轉型正處於大量示範和試車的階段，從碳捕存、氫能到各類新型發電設備，都在累積第一批現場資料。Ahlfeld 的經驗提醒我們三件事：

  • 異常資料是資產，不是雜訊。試車期間的異常、停機和邊界工況，正是未來模型最缺的資料，應該有系統地記錄下來，而不是排除掉、只留下「漂亮」的穩態資料。

  • 先驗證模擬，再拿模擬補資料。先用實測確認模擬可信的範圍。地下流體、材料腐蝕這類模擬的弱項，現場測試省不得。

  • AI 的建議要有人把關。Ahlfeld 主張，AI 對實體系統提出的建議，都要經過人審核並留下可追溯的紀錄。這對電廠和示範場來說同樣是底線。

與其追求最大的模型，不如先問一句：我們的資料裡，有沒有那個關鍵時刻？

來源