CoreWeave Đưa Kỹ Sư Trường Vào Các Nhóm Khách Hàng cho AI Vật Lý

CoreWeave công bố vào ngày 10 tháng 9 năm 2026 việc ra mắt Kỹ Thuật AI Vật Lý, một dịch vụ kết hợp các đội khách hàng với các chuyên gia miền của nhà cung cấp đám mây để xây dựng, xác thực và triển khai AI trên toàn bộ vòng đời kỹ thuật, từ nghiên cứu và phát triển cho tới vận hành hiện trường.

Thông báo, có địa chỉ Livingston, New Jersey, cho biết dịch vụ được xây dựng dựa trên đội ngũ và phương pháp mà CoreWeave tiếp thu từ Monolith AI và chạy trên nền tảng riêng của CoreWeave cùng giải pháp AI kỹ thuật tích hợp. Trong khuôn khổ này, các kỹ sư của CoreWeave có nền tảng ô tô, hàng không và cơ khí làm việc cùng đội ngũ của khách hàng, xây dựng mô hình từ dữ liệu mà khách hàng đã sở hữu, bao gồm kết quả bàn thử, đầu ra mô phỏng, cảm biến sản xuất và dữ liệu truyền thông thời gian thực. Mỗi mô hình được xác thực dựa trên vật lý thực của hệ thống khách hàng cho đến khi nó đáp ứng được trong thực tế.

CoreWeave mô tả AI vật lý là lĩnh vực mà khoảng cách giữa chuyên môn miền và AI ứng dụng rộng nhất, nơi việc tích hợp AI vào quy trình kỹ thuật đặt ra các yêu cầu về khả năng giải thích, độ chính xác, tính lặp lại và an toàn. Công ty cho biết các mô hình trong bối cảnh này thường thất bại do dữ liệu hơn là do kiến trúc hay tính toán, và để thu hẹp khoảng cách cần có các kỹ sư hiểu các chủ đề như động lực cháy nổ hoặc tải trọng hàng không và đồng thời có thể xây dựng và xác thực mô hình học máy. Đối với các đội AI gốc, khoảng cách lại ngược lại: chuyên môn mô hình tồn tại, nhưng vật lý của các hệ thống mà các mô hình đó nhằm phục vụ lại không có.

Kỷ Lược Thành Tựu Trên Hơn 100 Dự Án

CoreWeave cho biết phương pháp này đã được áp dụng trong hơn 100 dự án kỹ thuật trong lĩnh vực ô tô, hàng không và robot. Đối với Đội Đua Công Thức Một Aston Martin Aramco, các kỹ sư của công ty đã được đưa vào hiện trường trong các cuối tuần đua thực tế và xây dựng một mô hình chuyển đổi giọng nói đạt độ chính xác sản xuất sau khi được huấn luyện trên bảy giờ âm thanh đua được chú thích thủ công, được tinh chỉnh qua 75 vòng lặp. Nền tảng hiện đang xử lý đồng thời 40 kênh radio, đủ nhanh, CoreWeave cho biết, để trả lời câu hỏi chiến lược lốp trong khoảng thời gian pit chỉ dưới ba mươi giây.

Emma Deutsch, Giám Đốc Kỹ Thuật và Vận Hành Kiểm Tra tại Nissan Technical Centre Europe, cho biết AI đang giúp Nissan khai thác giá trị lớn hơn từ dữ liệu kỹ thuật và thử nghiệm mà công ty tạo ra mỗi ngày. Các kỹ sư của họ, bà nói, có thể sử dụng các mô hình để tập trung công việc vào việc cung cấp các xe duy trì chất lượng, an toàn và độ tin cậy là nền tảng của Nissan.

Trang sản phẩm chính thức của dịch vụ hiển thị logo của các tổ chức như Caterpillar, Nissan, Aramco, JOTA, Jungheinrich, Mercedes, Denso, Honda, Toyota Research Institute, Boston Dynamics và Kautex Textron. Trang này cũng có lời chứng thực từ Tomoki Takahashi, Giám Đốc Kỹ Thuật của Tập Đoàn JOTA, người nói: “Lý do sự hợp tác này hiệu quả là vì chúng tôi cùng nhau thử nghiệm, không chỉ nhận một công cụ sẵn có.”

Mô Hình Hợp Tác và Bốn Lĩnh Vực Tập Trung

Các hợp tác bắt đầu bằng một buổi hội thảo xác định phạm vi tại hiện trường, nơi CoreWeave và đội ngũ khách hàng lập bản đồ quy trình kỹ thuật, xem xét các vấn đề khó khăn nhất và thống nhất về ưu tiên cùng thời gian thực tế trước khi xây dựng bất kỳ mô hình nào. Trang sản phẩm mô tả hai điểm vào: một buổi hội thảo khám phá trường hợp sử dụng, hoặc, đối với khách hàng đã có một trường hợp sử dụng cụ thể, một buổi hội thảo khả năng kỹ thuật để đánh giá dữ liệu của khách hàng và xác thực cách tiếp cận.

Từ đó, công việc bao phủ bốn lĩnh vực. Chiến lược xác định vấn đề nào thực sự đáng giải quyết bằng AI và dữ liệu nào đáng xây dựng. Hạ tầng mô phỏng thiết lập GPU, lưu trữ và ngăn xếp mô phỏng mà một trường hợp sử dụng cụ thể cần, với các kỹ sư hiện trường kết nối khách hàng vào nền tảng AI vật lý rộng hơn của CoreWeave để thiết kế và mở rộng hạ tầng toàn diện. Dữ liệu thực tế biến dữ liệu thử nghiệm, cảm biến và sản xuất rải rác thành các mô hình dự đoán kết quả, phát hiện bất thường hoặc giải thích lỗi. Học tập có tính năng (agentic learning) biến những gì mô hình tìm ra thành các thay đổi trong thế giới vật lý: một hệ thống được hiệu chỉnh lại để hoạt động tốt hơn, một lỗi được phát hiện trước khi trở thành sự cố, hoặc một robot thực hiện kỹ năng đã được đào tạo.

Các sản phẩm giao hàng là các ứng dụng hoạt động, bộ tối ưu và bảng điều khiển được triển khai trực tiếp vào quy trình hiện có. Các kỹ sư của khách hàng tự định nghĩa vấn đề và quan sát quá trình xây dựng mô hình, và sau khi triển khai họ vận hành, thực hiện thay đổi và đào tạo lại mô hình khi cần thiết thay vì gọi CoreWeave. Trang sản phẩm so sánh mô hình này với các công ty tư vấn AI, nêu rằng các tư vấn viên chỉ đưa ra khuyến nghị trong khi CoreWeave cung cấp các ứng dụng hoạt động được xây dựng bởi các kỹ sư nhúng vào quy trình của khách hàng và được hỗ trợ bởi hạ tầng tính toán của mình.

Ngăn Xếp AI Kỹ Thuật và Kết Quả Được Báo Cáo

Mọi hợp tác đều chạy trên cùng một giải pháp AI kỹ thuật tích hợp: Weights & Biases để theo dõi thí nghiệm và quản lý mô hình, marimo để khám phá dữ liệu, và CoreWeave ARIA để cải tiến liên tục mô hình và tác nhân, kết hợp với các thư viện miền được xây dựng cho phát hiện bất thường, giảm thử nghiệm và tối ưu hệ thống. CoreWeave cho biết công việc vận hành trong vòng lặp AI trên nền tảng của mình, với một điểm khác biệt: trong AI vật lý, vòng lặp kết thúc ở phần cứng thay vì lưu lượng người dùng.

Trang sản phẩm báo cáo kết quả từ các chương trình kỹ thuật đã triển khai, lưu ý rằng một số khách hàng đã được ẩn danh theo thỏa thuận không tiết lộ. Các số liệu bao gồm thời gian kiểm tra hiệu chuẩn rút ngắn còn một ngày nhờ dữ liệu đã có, giảm 35 % số lần kiểm tra đặc trưng cần thiết để xác thực các ứng viên thử nghiệm tốt nhất, và giảm 20 lần lượng dữ liệu cần thu thập để đạt độ chính xác mục tiêu.

“Các đội kỹ thuật không áp dụng một phương pháp mới chỉ vì một nhà cung cấp đã chứng minh nó trong một buổi demo. Họ sẽ áp dụng khi thấy nó hoạt động tốt trên hệ thống của mình,” Richard Ahlfeld, Phó Chủ tịch Cấp cao về AI Vật Lý tại CoreWeave, cho biết. Ông nói, đó là lý do công ty cử các kỹ sư nói cùng ngôn ngữ với đội ngũ phía đối tác và xây dựng dựa trên dữ liệu của khách hàng: hạ tầng, ngăn xếp AI kỹ thuật và các kỹ sư đều thuộc sở hữu của CoreWeave.

Thông báo cũng đề cập đến kết quả chuẩn benchmark MLPerf của CoreWeave, vị thế là đám mây AI duy nhất đạt xếp hạng Platinum hàng đầu trong cả SemiAnalysis ClusterMAX 1.0 và 2.0, cũng như xếp hạng cao nhất về tốc độ suy luận và hiệu suất giá cho mô hình Kimi K2.6 của Moonshot AI trong các bài kiểm tra độc lập do Artificial Analysis thực hiện.

Dan O’Brien, Chủ tịch và Giám đốc Điều hành tại Futurum, cho biết phần khó khăn nhất của AI công nghiệp là người hiểu lĩnh vực và người có thể xây dựng mô hình AI hiếm khi là cùng một người. Các kỹ sư đã nói cùng ngôn ngữ và có thể để lại một sản phẩm mà nhân viên của khách hàng có thể vận hành sẽ mang lại kết quả tốt hơn nhiều so với các tư vấn viên phải học lĩnh vực trong thời gian của khách hàng, ông nói.