CoreWeave फिजिकल AI के लिए ग्राहक टीमों में फील्ड इंजीनियर्स को सम्मिलित करता है

CoreWeave ने 10 सितंबर, 2026 को Physical AI Field Engineering की शुरुआत की घोषणा की, एक सेवा जो ग्राहक टीमों को क्लाउड प्रदाता के डोमेन विशेषज्ञों के साथ जोड़ती है ताकि शोध एवं विकास से लेकर फील्ड संचालन तक पूरी इंजीनियरिंग जीवनचक्र में AI को निर्मित, सत्यापित और तैनात किया जा सके।

लिविंग्स्टन, न्यू जर्सी में जारी किए गए इस घोषणा में कहा गया कि यह सेवा CoreWeave द्वारा Monolith AI के साथ प्राप्त टीम और विधियों पर आधारित है और CoreWeave के अपने प्लेटफ़ॉर्म और एकीकृत इंजीनियरिंग AI समाधान पर चलती है। इस प्रस्ताव के तहत, ऑटोमोटिव, एयरोस्पेस और मैकेनिकल इंजीनियरिंग पृष्ठभूमि वाले CoreWeave इंजीनियर ग्राहक की अपनी टीम के साथ मिलकर काम करते हैं, ग्राहक के पास पहले से मौजूद डेटा—जैसे टेस्ट बेंच परिणाम, सिमुलेशन आउटपुट, उत्पादन सेंसर और लाइव टेलीमेट्री—से मॉडल बनाते हैं। प्रत्येक मॉडल को ग्राहक के सिस्टम की वास्तविक भौतिकी के विरुद्ध सत्यापित किया जाता है जब तक कि वह व्यावहारिक रूप से स्थिर न हो जाए।

CoreWeave ने physical AI को उस क्षेत्र के रूप में वर्णित किया जहाँ डोमेन विशेषज्ञता और लागू AI के बीच का अंतर सबसे अधिक होता है, जहाँ इंजीनियरिंग प्रक्रियाओं में AI को एकीकृत करने से व्याख्यात्मकता, सटीकता, दोहराव और सुरक्षा जैसी आवश्यकताएँ जुड़ती हैं। कंपनी के अनुसार, इस सेटिंग में मॉडल डेटा पर अधिक बार विफल होते हैं, न कि आर्किटेक्चर या कंप्यूट पर, और इस अंतर को पाटने के लिए ऐसे इंजीनियर आवश्यक हैं जो दहन गतिकी या एयरोस्पेस लोड जैसी विषयों को समझते हों और साथ ही मशीन लर्निंग मॉडल बना और सत्यापित कर सकें। AI-नेटिव टीमों के लिए, अंतर उलटा है: मॉडलिंग विशेषज्ञता मौजूद है, लेकिन उन सिस्टमों की भौतिकी नहीं है जिनके लिए मॉडल बनाए जा रहे हैं।

100 से अधिक परियोजनाओं में ट्रैक रिकॉर्ड

CoreWeave ने बताया कि यह दृष्टिकोण पहले ही ऑटोमोटिव, एयरोस्पेस और रोबोटिक्स में 100 से अधिक इंजीनियरिंग प्रोजेक्ट्स में लागू किया जा चुका है। Aston Martin Aramco फ़ॉर्मूला वन टीम के लिए, कंपनी के इंजीनियर लाइव रेस सप्ताहांत के दौरान साइट पर एम्बेडेड रहे और एक ट्रांसक्रिप्शन मॉडल बनाया जिसने सात घंटे के हाथ से एनोटेटेड रेस ऑडियो पर 75 पुनरावृत्तियों के बाद प्रशिक्षण लेकर उत्पादन स्तर की सटीकता हासिल की। प्लेटफ़ॉर्म अब एक साथ 40 रेडियो चैनलों को प्रोसेस करता है, इतना तेज़ कि CoreWeave के अनुसार, यह तीस सेकंड से कम समय में बंद होने वाले पिट विंडो के भीतर टायर रणनीति प्रश्न का उत्तर दे सकता है।

Emma Deutsch, Nissan Technical Centre Europe में इंजीनियरिंग और टेस्ट ऑपरेशन्स की निदेशक, ने कहा कि AI Nissan को हर दिन उत्पन्न होने वाले इंजीनियरिंग और टेस्ट डेटा से अधिक मूल्य निकालने में मदद कर रहा है। उनका कहना है कि उनके इंजीनियर मॉडल का उपयोग करके अपने कार्य को उन वाहनों की डिलीवरी पर केंद्रित कर सकते हैं जो Nissan के लिए मौलिक गुणवत्ता, सुरक्षा और विश्वसनीयता को बनाए रखते हैं।

इस प्रस्ताव के आधिकारिक प्रोडक्ट पेज पर Caterpillar, Nissan, Aramco, JOTA, Jungheinrich, Mercedes, Denso, Honda, Toyota Research Institute, Boston Dynamics और Kautex Textron सहित कई संगठनों के लोगो दिखाए गए हैं। पेज पर JOTA Group के तकनीकी निदेशक Tomoki Takahashi की प्रशंसापत्र भी है, जिसमें उन्होंने कहा: “इस सहयोग का कारण यह है कि हम साथ में प्रयोग कर रहे हैं, केवल हमें एक टूल नहीं दिया जा रहा है।”

एंगेजमेंट मॉडल और चार फोकस एरिया

एंगेजमेंट साइट पर स्कोपिंग कार्यशाला से शुरू होते हैं, जहाँ CoreWeave और ग्राहक की टीम इंजीनियरिंग वर्कफ़्लो को मैप करती है, सबसे बड़े दर्द बिंदुओं की जाँच करती है, और किसी भी मॉडल के निर्माण से पहले प्राथमिकताओं और यथार्थवादी टाइमलाइन पर सहमत होती है। प्रोडक्ट पेज दो प्रवेश बिंदुओं का वर्णन करता है: एक उपयोग‑केस डिस्कवरी कार्यशाला, या उन ग्राहकों के लिए जिनके पास पहले से ही एक विशिष्ट उपयोग‑केस है, एक तकनीकी व्यवहार्यता कार्यशाला जो ग्राहक के डेटा का मूल्यांकन करती है और दृष्टिकोण को सत्यापित करती है।

उसके बाद कार्य चार क्षेत्रों में विस्तारित होता है। रणनीति यह पहचानती है कि किन समस्याओं को AI से वास्तव में हल करना सार्थक है और किन डेटा पर निर्माण करना चाहिए। सिमुलेशन इन्फ्रास्ट्रक्चर विशिष्ट उपयोग‑केस की आवश्यक GPU, स्टोरेज और सिमुलेशन स्टैक को स्थापित करता है, जहाँ फील्ड इंजीनियर ग्राहकों को CoreWeave के व्यापक फिजिकल AI प्लेटफ़ॉर्म से जोड़ते हैं ताकि पूरी इन्फ्रास्ट्रक्चर डिज़ाइन और स्केलिंग हो सके। वास्तविक दुनिया का डेटा बिखरे हुए टेस्ट, सेंसर और उत्पादन डेटा को ऐसे मॉडलों में बदलता है जो परिणाम की भविष्यवाणी, असामान्यता का पता या विफलता का कारण समझा सकें। एजेंटिक लर्निंग मॉडल द्वारा पाए गए परिणामों को भौतिक दुनिया में बदलाव में परिवर्तित करती है: एक सिस्टम को बेहतर चलाने के लिए पुनः कैलिब्रेट किया जाता है, एक दोष को विफलता बनने से पहले पकड़ा जाता है, या एक रोबोट प्रशिक्षित कौशल को लागू करता है।

डिलिवरेबल्स में कार्यशील एप्लिकेशन, ऑप्टिमाइज़र और डैशबोर्ड शामिल हैं जो सीधे मौजूदा वर्कफ़्लो में तैनात किए जाते हैं। ग्राहक के अपने इंजीनियर समस्या को परिभाषित करने में मदद करते हैं और मॉडल के निर्माण को देखते हैं, और एक बार तैनात होने के बाद वे इसे संचालित करते हैं, आवश्यकतानुसार परिवर्तन और पुनः प्रशिक्षण करते हैं, बजाय CoreWeave को बुलाने के। प्रोडक्ट पेज इस मॉडल की तुलना AI कंसल्टेंसीज़ से करता है, यह बताते हुए कि कंसल्टेंट्स सिफ़ारिशें देते हैं जबकि CoreWeave कार्यशील एप्लिकेशन प्रदान करता है जो ग्राहक वर्कफ़्लो में एम्बेडेड इंजीनियरों द्वारा निर्मित होते हैं और अपने स्वयं के कंप्यूट द्वारा संचालित होते हैं।

इंजीनियरिंग AI स्टैक और रिपोर्टेड परिणाम

हर एंगेजमेंट एक ही एकीकृत इंजीनियरिंग AI समाधान पर चलता है: प्रयोग ट्रैकिंग और मॉडल प्रबंधन के लिए Weights & Biases, डेटा अन्वेषण के लिए marimo, और निरंतर मॉडल एवं एजेंट सुधार के लिए CoreWeave ARIA, साथ ही अनॉमली डिटेक्शन, टेस्ट रिडक्शन और सिस्टम ऑप्टिमाइज़ेशन के लिए निर्मित डोमेन लाइब्रेरीज़। CoreWeave ने कहा कि यह कार्य अपने प्लेटफ़ॉर्म पर चलने वाले AI लूप के भीतर संचालित होता है, एक अंतर के साथ: फिजिकल AI में लूप हार्डवेयर के विरुद्ध बंद होता है, न कि उपयोगकर्ता ट्रैफ़िक के विरुद्ध।

प्रोडक्ट पेज डिलीवर किए गए इंजीनियरिंग प्रोग्रामों के परिणामों की रिपोर्ट करता है, यह उल्लेख करते हुए कि कुछ ग्राहकों को गोपनीयता समझौते के तहत अनाम किया गया था। आंकड़ों में कैलिब्रेशन टेस्ट को केवल एक दिन तक घटाया गया है, जो पहले से उपलब्ध डेटा का उपयोग करता है, लक्ष्य परीक्षण उम्मीदवारों को सत्यापित करने के लिए 35% कम कैरैक्टरीज़ेशन टेस्ट की आवश्यकता, और लक्ष्य सटीकता तक पहुँचने के लिए आवश्यक डेटा कैप्चर में 20 गुना कमी शामिल है।

“इंजीनियरिंग टीमें नई विधि इसलिए अपनाती नहीं हैं क्योंकि कोई विक्रेता ने एक डेमो में इसे एक बार सिद्ध किया हो। वे इसे तभी अपनाती हैं जब उन्होंने देखा हो कि यह उनके अपने सिस्टम पर टिकाऊ है,” CoreWeave में फिजिकल AI के सीनियर वाइस प्रेजिडेंट Richard Ahlfeld ने कहा। उनका कहना है कि इसलिए कंपनी ऐसे इंजीनियर भेजती है जो टेबल के पार टीम की भाषा बोलते हैं और ग्राहक के अपने डेटा पर निर्माण करते हैं: इन्फ्रास्ट्रक्चर, इंजीनियरिंग AI स्टैक, और इंजीनियर सभी CoreWeave के हैं।

घोषणा ने CoreWeave के MLPerf बेंचमार्क परिणामों, SemiAnalysis ClusterMAX 1.0 और 2.0 दोनों में शीर्ष प्लेटिनम रैंकिंग प्राप्त करने वाले एकमात्र AI क्लाउड के रूप में उसकी स्थिति, और Artificial Analysis द्वारा किए गए स्वतंत्र बेंचमार्क में Moonshot AI के Kimi K2.6 मॉडल के लिए इन्फ़रेंस स्पीड और प्राइस‑परफ़ॉर्मेंस में शीर्ष रैंकिंग का भी उल्लेख किया।

Futurum के प्रेसीडेंट और मुख्य संचालन अधिकारी Dan O’Brien ने कहा कि औद्योगिक AI का सबसे चुनौतीपूर्ण पहलू यह है कि डोमेन को समझने वाला व्यक्ति और AI मॉडल बनाने वाला व्यक्ति लगभग कभी एक ही नहीं होते। इंजीनियर जो पहले से ही भाषा बोलते हैं और ऐसा कुछ छोड़ सकते हैं जिसे ग्राहक की अपनी टीम संचालित कर सके, वह उन कंसल्टेंट्स की तुलना में बहुत बेहतर परिणाम देते हैं जो ग्राहक के समय पर डोमेन सीखते हैं, उन्होंने कहा।