"Nobody wants to be a truck driver" 深度访谈

开场先定义 Applied Intuition 是一家“物理 AI”公司，目标是把智能放到汽车、卡车、坦克、无人机等会移动的机器上。嘉宾回顾公司最初从开发自动驾驶与智能机器所需工具起步，随后进入智能系统本身。他们强调公司以工程和产品为核心，工程师占比很高，并把使命表述为让十亿台机器具备智能，从安全事故减少到实体生产率提升，物理世界的 AI 影响可能超过数字世界。

主持人提出早期外界对公司的质疑：如果只是服务少数车企，市场会不会太窄。嘉宾回应称，即使今天汽车业务也只占约三成，七成已经来自非汽车领域。未来十到二十年，汽车制造商在客户结构中的占比还会继续降低。讨论进一步扩展到国防、建筑、采矿、农业、物流、运输和供应链等领域，指出智能化对象不仅是制造商交付的车辆，也包括矿山运营商、政府部门和其他实体产业客户。

讨论转向自动化是否只是改造现有机器，还是会催生新形态设备。嘉宾认为两者都会发生：港口、矿山等场景中很多设备生命周期长达二三十年，因此必须先让既有机器变智能；同时，一旦不再需要驾驶舱和人类操作员，机器可以更小、更不同，尤其在地下矿山等危险环境中，人本身是设计约束。更大的价值还在系统级智能，让港口、矿山、采石场里的异构机器互联协同，并通过预测维护减少停工。

嘉宾介绍公司当前规模：拥有超过一千名工程师，不仅包括软件和 AI 工程师，也包括熟悉安全系统和硬件的团队。由于物理 AI 最终必须面对真实世界，复杂度远高于浏览器、手机或标准操作系统中的模型部署。公司已经把模型部署到约五十个平台上，并积累了近十年的生产环境交付经验。财务上，公司历史融资约十亿美元且资金仍在账上，因此正处在可以选择多激进地进入巨大市场的阶段。

在数字 AI 与物理 AI 的差异部分，嘉宾指出外界常把物理 AI 的进展简化为机器人出租车和人形机器人，因为它们直观、科幻且吸引眼球。但 Applied Intuition 更关注港口、矿山等不显眼却有巨大效率空间的场景。随后话题扩展到“主权 AI”：当 AI 进入国防和移动机器，国家对外来系统的接受度会显著下降。嘉宾以 Waymo、Pony 等公司在其他国家部署机器人出租车为例，说明物理 AI 会比早期互联网更受本地监管和地缘政治影响。

最后一段进一步解释物理 AI 的技术难点。数字 AI 通常可基于互联网数据训练基础模型，而物理 AI 虽然也可利用互联网数据，但矿山、物流等场景真正有价值的数据往往是私有且未公开的，需要公司亲自进入现场采集。安全也是核心差异：移动数吨重机器或让人形机器人在家庭中活动，都必须严肃证明安全性。嘉宾还提到在韩国、中东、拉美等地与政府协作获取采集许可，并利用数百 PB 专有数据、合成数据和神经仿真工具构建系统。