CoreWeave Plasează Ingineri de Câmp în Echipele Clienților pentru AI Fizic

CoreWeave a anunțat pe 10 septembrie 2026 lansarea Physical AI Field Engineering, o ofertă care asociază echipele clienților cu specialiștii în domeniu ai furnizorului de cloud pentru a construi, valida și implementa AI pe parcursul întregului ciclu de viață al ingineriei, de la cercetare și dezvoltare până la operațiuni în teren.

Anunțul, cu data din Livingston, New Jersey, precizează că serviciul este construit pe echipa și metodele pe care CoreWeave le-a achiziționat de la Monolith AI și rulează pe propria platformă și soluție integrată de AI pentru inginerie a CoreWeave. În cadrul ofertei, ingineri ai CoreWeave cu experiență în automotive, aerospațial și inginerie mecanică lucrează alături de echipa clientului, construind modele din datele deja deținute de client, inclusiv rezultate de bancuri de testare, ieșiri de simulare, senzori de producție și telemetrie în timp real. Fiecare model este validat în raport cu fizica reală a sistemelor clientului până când rezistă în practică.

CoreWeave a descris physical AI ca zona în care diferența dintre expertiza de domeniu și AI-ul aplicat este cea mai mare, un spațiu în care integrarea AI în procesele de inginerie impune cerințe legate de explicabilitate, acuratețe, repetabilitate și siguranță. Compania a precizat că modelele în acest context eșuează mult mai des din cauza datelor decât din cauza arhitecturii sau a calculului, iar reducerea decalajului necesită ingineri care înțeleg subiecte precum dinamica combustiei sau sarcinile aerospațiale și pot, de asemenea, să construiască și să valideze un model de învățare automată. Pentru echipele native AI, decalajul este invers: expertiza de modelare există, dar fizica sistemelor pe care aceste modele trebuie să le deservească nu este prezentă.

Istoric de Performanță în Peste 100 de Proiecte

CoreWeave a declarat că abordarea a fost deja aplicată în peste 100 de proiecte de inginerie în automotive, aerospațial și robotică. Pentru echipa Aston Martin Aramco Formula One, inginerii companiei au fost integrați la fața locului în weekend-urile de curse și au construit un model de transcriere care a atins acuratețea de producție după antrenarea pe șapte ore de audio de cursă adnotat manual, rafinat în 75 de iterații. Platforma procesează acum 40 de canale radio simultan, suficient de rapid, a spus CoreWeave, pentru a răspunde la o întrebare de strategie a anvelopelor în interiorul unui interval de pit care se închide în mai puțin de treizeci de secunde.

Emma Deutsch, Director de Inginerie și Operațiuni de Testare la Nissan Technical Centre Europe, a afirmat că AI ajută Nissan să valorifice mai mult datele de inginerie și testare generate zilnic. Inginerii săi, a spus ea, pot folosi modelele pentru a-și concentra munca pe livrarea de vehicule care mențin calitatea, siguranța și fiabilitatea fundamentale pentru Nissan.

Pagina oficială a ofertei afișează siglele organizațiilor precum Caterpillar, Nissan, Aramco, JOTA, Jungheinrich, Mercedes, Denso, Honda, Toyota Research Institute, Boston Dynamics și Kautex Textron. Pagina include, de asemenea, un testimonial de la Tomoki Takahashi, Director Tehnic al grupului JOTA, care a spus: „Motivul pentru care această colaborare funcționează este că experimentăm împreună, nu doar primim un instrument.”

Model de Angajament și Patru Zone de Focus

Angajamentele încep cu un workshop de definire la fața locului, în care CoreWeave și echipa clientului cartografiează fluxurile de lucru ingineristice, examinează cele mai mari puncte de durere și se aliniază pe priorități și pe un calendar realist înainte de a construi vreun model. Pagina de produs descrie două puncte de intrare: un workshop de descoperire a cazului de utilizare sau, pentru clienții care au deja un caz de utilizare specific, un workshop de fezabilitate tehnică care evaluează datele clientului și validează abordarea.

De acolo, munca se extinde pe patru zone. Strategia identifică care probleme merită cu adevărat rezolvate cu AI și ce date sunt demne de a fi exploatate. Infrastructura de simulare pune la dispoziție GPU‑ul, stocarea și stiva de simulare de care are nevoie un caz de utilizare specific, inginerii de teren conectând clienții la platforma mai largă de AI fizic a CoreWeave pentru proiectarea și scalarea completă a infrastructurii. Datele din lumea reală transformă datele dispersate de testare, senzori și producție în modele care prezic un rezultat, detectează o anomalie sau explică o defecțiune. Învățarea agentivă transformă ceea ce găsește un model în schimbări în lumea fizică: un sistem recalibrat pentru a funcționa mai bine, o defecțiune prinsă înainte să devină o eroare, sau un robot care execută o abilitate antrenată.

Livrabilele sunt aplicații funcționale, optimizatoare și tablouri de bord implementate direct în fluxurile de lucru existente. Inginerii proprii ai clientului ajută la definirea problemei și urmăresc construcția modelului, iar odată ce este implementat îl operează, fac modificări și îl re-antrenează după necesitate, în loc să apeleze la CoreWeave. Pagina de produs contrastează acest model cu consultanțele AI, afirmând că consultanții oferă recomandări, în timp ce CoreWeave livrează aplicații funcționale construite de ingineri integrați în fluxurile de lucru ale clientului și alimentate de propriul său calcul.

Stiva de AI pentru Inginerie și Rezultatele Raportate

Fiecare angajament rulează pe aceeași soluție integrată de AI pentru inginerie: Weights & Biases pentru urmărirea experimentelor și gestionarea modelelor, marimo pentru explorarea datelor și CoreWeave ARIA pentru îmbunătățirea continuă a modelelor și agenților, asociate cu biblioteci de domeniu create pentru detectarea anomaliilor, reducerea testelor și optimizarea sistemelor. CoreWeave a precizat că munca operează în interiorul buclei AI pe care o rulează pe platformă, cu o singură diferență: în AI fizic, bucla se închide pe hardware, nu pe traficul utilizatorilor.

Pagina de produs raportează rezultate din programele de inginerie livrate, menționând că unii clienți au fost anonimizati în conformitate cu acordurile de confidențialitate. Datele includ testarea de calibrare redusă la o zi folosind date deja disponibile, cu 35% mai puține teste de caracterizare necesare pentru a valida cei mai buni candidați de test, și o reducere de 20‑x a cantității de date capturate necesare pentru a atinge acuratețea țintă.

„Echipele de inginerie nu adoptă o nouă metodă pentru că un furnizor a demonstrat-o odată într-un demo. Ele o adoptă după ce au văzut că rezistă pe propriile lor sisteme”, a declarat Richard Ahlfeld, Senior Vice President of Physical AI la CoreWeave. Acesta a explicat că de aceea compania trimite ingineri care vorbesc aceeași limbă ca echipa de la masă și se bazează pe datele proprii ale clientului: infrastructura, stiva de AI pentru inginerie și inginerii sunt toate ale CoreWeave.

Anunțul a evidențiat, de asemenea, rezultatele benchmark-ului MLPerf ale CoreWeave, poziția sa ca singurul cloud AI care a obținut clasificarea Platinum de top atât în SemiAnalysis ClusterMAX 1.0, cât și în 2.0, și clasamentul său de top pentru viteza de inferență și raportul preț‑performanță pentru modelul Kimi K2.6 al Moonshot AI în benchmark‑uri independente realizate de Artificial Analysis.

Dan O’Brien, Președinte și Chief Operating Officer la Futurum, a afirmat că cea mai provocatoare parte a AI‑ului industrial este că persoana care înțelege domeniul și cea care poate construi modelul AI aproape niciodată nu sunt aceeași persoană. Inginerii care deja vorbesc limbajul și pot lăsa în urmă ceva ce oamenii clientului pot opera livrează un rezultat mult mai bun decât consultanții care învață domeniul pe timpul clientului, a spus el.