CoreWeave يضع مهندسي الميدان داخل فرق العملاء للذكاء الاصطناعي الفيزيائي

أعلنت CoreWeave في 10 سبتمبر 2026 عن إطلاق Physical AI Field Engineering، وهو عرض يربط فرق العملاء بمتخصصي المجال لدى مزود السحابة لبناء وتحقق ونشر الذكاء الاصطناعي عبر دورة حياة الهندسة الكاملة، من البحث والتطوير وحتى عمليات الميدان.

ذكرت البيان، المؤرخ في ليفينغستون، نيوجيرسي، أن الخدمة مبنية على الفريق والأساليب التي اكتسبتها CoreWeave من Monolith AI وتعمل على منصة CoreWeave الخاصة وحل الذكاء الاصطناعي الهندسي المتكامل. بموجب العرض، يعمل مهندسو CoreWeave من خلفيات الهندسة السياراتية والفضائية والميكانيكية جنبًا إلى جنب مع فريق العميل، يبنون نماذج من البيانات التي يمتلكها العميل بالفعل، بما في ذلك نتائج مقاعد الاختبار، ومخرجات المحاكاة، وأجهزة الاستشعار في الإنتاج، والبيانات الحية للقياس عن بُعد. يتم التحقق من صحة كل نموذج مقابل الفيزياء الحقيقية لأنظمة العميل حتى يثبت فعاليته في الممارسة.

وصفت CoreWeave physical AI بأنها المجال الذي يكون الفجوة بين الخبرة المتخصصة والذكاء الاصطناعي التطبيقي فيه أوسع، حيث يضيف دمج الذكاء الاصطناعي في عمليات الهندسة متطلبات حول القابلية للتفسير، والدقة، والقابلية للتكرار، والسلامة. وأشارت الشركة إلى أن النماذج في هذا السياق تفشل على البيانات كثيرًا أكثر من الفشل في البنية أو الحوسبة، وإغلاق الفجوة يتطلب مهندسين يفهمون مواضيع مثل ديناميكيات الاحتراق أو الأحمال الفضائية ويمكنهم أيضًا بناء نموذج تعلم آلي والتحقق منه. بالنسبة للفرق المتخصصة في الذكاء الاصطناعي، تكون الفجوة بالعكس: الخبرة النمذجة موجودة، لكن فيزياء الأنظمة التي تخدمها النماذج غير موجودة.

سجل الإنجازات عبر أكثر من 100 مشروع

قالت CoreWeave إن النهج تم تطبيقه بالفعل عبر أكثر من 100 مشروع هندسي في مجال السيارات والفضاء والروبوتات. بالنسبة لفريق Aston Martin Aramco لسباقات الفورمولا 1، تم دمج مهندسي الشركة في الموقع خلال عطلات السباق الحية وبنوا نموذج تحويل نصوص وصل إلى دقة الإنتاج بعد التدريب على سبع ساعات من الصوت المسجل يدويًا للسباق وتم تحسينه عبر 75 تكرارًا. الآن تعالج المنصة 40 قناة إذاعية في آن واحد، بسرعة كافية، بحسب CoreWeave، للإجابة على سؤال استراتيجية الإطارات داخل نافذة حفر تُغلق في أقل من ثلاثين ثانية.

قالت إيما دويتش، مديرة الهندسة وعمليات الاختبار في مركز نيسان التقني بأوروبا، إن الذكاء الاصطناعي يساعد نيسان على استخراج قيمة أكبر من بيانات الهندسة والاختبار التي تولدها يوميًا. وأضافت أن مهندسيها قادرون على استخدام النماذج للتركيز على تقديم مركبات تحافظ على الجودة والسلامة والموثوقية التي تشكل أساس نيسان.

تعرض صفحة المنتج الرسمية شعارات مؤسسات تشمل Caterpillar، Nissan، Aramco، JOTA، Jungheinrich، Mercedes، Denso، Honda، Toyota Research Institute، Boston Dynamics، وKautex Textron. وتحتوي الصفحة أيضًا على شهادة من توموكي تاكاهاشي، المدير الفني لمجموعة JOTA، قال: “السبب في نجاح هذا التعاون هو أننا نجرب معًا، لا مجرد تسليم أداة”.

نموذج التعاون وأربع مجالات تركيز

تبدأ التعاونات بورشة عمل تعريفية في الموقع، حيث تقوم CoreWeave وفريق العميل برسم خريطة سير عمل الهندسة، وفحص أكبر نقاط الألم، وتوافق على الأولويات والجدول الزمني الواقعي قبل بناء أي نموذج. تصف صفحة المنتج نقطتي دخول: ورشة اكتشاف حالة الاستخدام، أو، للعملاء الذين لديهم حالة استخدام محددة بالفعل، ورشة جدوى تقنية تقيم بيانات العميل وتتحقق من صحة النهج.

من هناك، يمتد العمل عبر أربع مجالات. تحدد الاستراتيجية أي المشكلات تستحق الحل بالذكاء الاصطناعي وأي البيانات تستحق البناء عليها. تقوم بنية المحاكاة التحتية بإعداد GPU، والتخزين، ومكدس المحاكاة الذي تحتاجه حالة الاستخدام المحددة، مع ربط مهندسي الميدان للعملاء بمنصة CoreWeave الفيزيائية للذكاء الاصطناعي لتصميم البنية التحتية بالكامل وتوسيعها. تحول البيانات الواقعية البيانات المتفرقة من الاختبارات، وأجهزة الاستشعار، والإنتاج إلى نماذج تتنبأ بنتيجة، أو تكتشف شذوذًا، أو تفسر فشلًا. يحوّل التعلم الوكائي ما يكتشفه النموذج إلى تغييرات في العالم المادي: نظام يُعاد ضبطه ليعمل بشكل أفضل، أو عطل يُكتشف قبل أن يتحول إلى فشل، أو روبوت ينفّذ مهارة مدربة.

المخرجات هي تطبيقات عملية، ومحسّنات، ولوحات تحكم تُنشر مباشرةً في سير العمل الحالي. يساعد مهندسو العميل في تعريف المشكلة ومراقبة بناء النموذج، ومتى يُنشر يتولون تشغيله، وإجراء التعديلات، وإعادة تدريبه حسب الحاجة دون الحاجة إلى استدعاء CoreWeave. وتُقارن صفحة المنتج هذا النموذج مع استشارات الذكاء الاصطناعي، موضحةً أن المستشارين يقدمون توصيات بينما تقدم CoreWeave تطبيقات عملية يبنيها مهندسون مدمجون في سير عمل العميل وتُشغَّل بمواردها الحاسوبية الخاصة.

حزمة الذكاء الاصطناعي الهندسية والنتائج المبلغ عنها

تُنفَّذ كل مشاركة على نفس حل الذكاء الاصطناعي الهندسي المتكامل: Weights & Biases لتتبع التجارب وإدارة النماذج، وmarimo لاستكشاف البيانات، وCoreWeave ARIA للتحسين المستمر للنماذج والوكلاء، إلى جانب مكتبات المجال المبنية لاكتشاف الشذوذ، وتقليل الاختبارات، وتحسين الأنظمة. وأوضحت CoreWeave أن العمل يعمل داخل حلقة الذكاء الاصطناعي التي تديرها عبر منصتها، مع فرق واحد: في الذكاء الاصطناعي الفيزيائي، تُغلق الحلقة ضد الأجهزة بدلًا من حركة مرور المستخدم.

تُبلغ صفحة المنتج عن نتائج البرامج الهندسية المُسلمة، مشيرةً إلى أن بعض العملاء تم إخفاء هويتهم بموجب اتفاقيات عدم الإفشاء. تشمل الأرقام تقليل اختبار المعايرة إلى يوم واحد باستخدام البيانات المتوفرة، انخفاض بنسبة 35٪ في عدد اختبارات التوصيف المطلوبة للتحقق من أفضل المرشحين للاختبار، وتحديد تقليل بمقدار 20 مرة في كمية البيانات المطلوبة للوصول إلى الدقة المستهدفة.

قال ريتشارد ألفيلد، نائب الرئيس الأول للذكاء الاصطناعي الفيزيائي في CoreWeave: “لا تعتمد فرق الهندسة طريقة جديدة لأن بائعًا ما أثبتها مرة في عرض توضيحي. إنها تعتمدها بمجرد أن تراها تثبت فعاليتها على أنظمتها الخاصة”. وأضاف أن ذلك هو السبب في أن الشركة تُرسل مهندسين يتحدثون نفس لغة الفريق على الطاولة ويعتمدون على بيانات العميل نفسها: البنية التحتية، وحزمة الذكاء الاصطناعي الهندسية، والمهندسون جميعهم من CoreWeave.

كما أشارت الإعلان إلى نتائج معيار MLPerf الخاصة بـ CoreWeave، وموقعها كالسحابة الوحيدة للذكاء الاصطناعي التي حصلت على أعلى تصنيف بلاتيني في كل من SemiAnalysis ClusterMAX 1.0 و2.0، وتصنيفها المتصدر لسرعة الاستدلال وأداء السعر‑الفعالية لنموذج Moonshot AI Kimi K2.6 في اختبارات مستقلة أجرتها Artificial Analysis.

قال دان أوبراين، الرئيس ومدير العمليات في Futurum: “الجزء الأكثر تحديًا في الذكاء الاصطناعي الصناعي هو أن الشخص الذي يفهم المجال والشخص القادر على بناء نموذج الذكاء الاصطناعي نادراً ما يكونان نفس الشخص”. وأوضح أن المهندسين الذين يتقنون اللغة بالفعل ويمكنهم ترك شيء يعمل به فريق العميل يحققون نتيجة أفضل بكثير من المستشارين الذين يتعلمون المجال على حساب وقت العميل.