美國數據中心、電廠同高速公路需求爆升，帶起一股基建潮，但業界同時要面對生產力下滑同熟練機械操作員短缺。一個答案正喺成型：Physical AI（實體 AI，讓機器感知環境並作出行動嘅技術）。
喺 Fully Connected 活動期間，Caterpillar 副總裁兼 Physical AI 平台及建築自動化負責人 Brandon Hootman，同 CoreWeave 高級副總裁 Richard Ahlfeld 喺 theCUBE Research 嘅 Dave Vellante 同 John Furrier 面前做咗一段直播訪談，講兩家公司點樣將建築機械嘅學習迴圈（feedback loop）縮短。
Hootman 指出，Caterpillar 喺礦山自動化機械上有多年經驗，但將技術搬到建築工地係另一回事：「礦場建立咗之後會變，但唔會 Frequently 咁變。你去建築業就係礦山嘅極端反面。」他形容呢個係「將一個有結構嘅系統同唔有結構嘅環境對齊，非常非常困難」。
訓練一台自主 excavator（挖掘機）需要攝入遙測同視覺數據，將一個挖掘場景模擬一百萬次，再疊加強化學習。Hootman 話，Caterpillar 嘅數字生態系統已有約 18PB（petabytes，拍字節）來自機械、經銷商同客户嘅聯邦數據，但「呢 18PB 只係滴水，對於要用嚟訓練 physical AI 喺一個好似建築工地咁嘅環境入面運作嘅數據量嚟講」。單台機械一日產出嘅 LIDAR（雷射雷達測距）數據、鏡頭數據、多秒控制同性能數據，就可以係 TB（terabytes，太字節）級。
Ahlfeld 則指出，AI 雲先係為訓練 foundation model 而建，再為大規模 agentic inference（代理式推理）而調校；「Physical AI 而家係完全唔同嘅東西，首先需要大量儲存，需要唔同嘅基建」。CoreWeave 最近推出 Physical AI Field Engineering 服務，派工程師駐場同客户嘅領域專家一齊工作。
兩家公司合資同 Nvidia 用 AI 模型標註同標籤入場嘅現場數據。Hootman 話，呢個流程以前要幾個月到幾星期，「而家縮短至幾小時，同模擬環境或訓練環境之間嘅反饋迴圈喺同個工作日內完成」。
CoreWeave 喺第二季業績公告中已將 Caterpillar 列為企業客户；Hootman 稱 Caterpillar 今個（2026）合作，被 GPU 容量同應用專長吸引。
阿調搞兩下
呢個合作值得睇嘅唔係「AI 幾勁」，而係算力金主同實體工業之間個交易：CoreWeave 賣 GPU 容量，Caterpillar 買嘅係標註同訓練嘅時間壓縮。數據從現場入場、TB 級每日產量、同 Nvidia 用模型自動標註——呢個鏈路唔涉及用户資料，但數據同電力最終喺邊、係咪完全本地化，官方冇披露。基建操作員嘅角色會點樣縮水，兩公司都冇講。機械人示範唔等於已可商用，呢個「縮短學習迴圈」嘅實際施工場部署狀態，係本站跟住要問嘅地方。
阿調｜深度調教
