9 月我们写过工程机械自主化的两条路线：卡特彼勒买 FieldAI 的机器人基础模型，把自主作业塞进自己的产品目录；日立建机自己采数据，从老师傅推手柄的动作学起，项目还进了日本经产省与 NEDO 的 GENIAC 国家计划。10 月 6 日，在 CoreWeave 的 Fully Connected 活动上，卡特彼勒负责物理 AI 平台与施工自主化的副总裁 Brandon Hootman 把另一面讲了出来：不管走哪条路线，数据从哪来、谁来标、多久能回到训练里，才是决定进度的那一环。他给出的数字是 18 PB，和一句“杯水车薪”。
他到底说了什么
Hootman 先把矿山和工地的差别讲清楚了。矿山在卡特彼勒手里已经跑了很多年自主设备，因为“矿场一旦布置好，确实会变，但不会频繁地变”。工地是反过来的：“把一个结构化的系统匹配到非结构化的环境里，非常非常难。”这句话解释了为什么矿卡无人化早就商业化了，而挖机自主作业还在试验阶段。
真正有信息量的是数据那一部分。卡特彼勒的数字体系里已经积累了约 18 PB 的联邦数据，来自机器、经销商和客户。Hootman 的判断是，这 18 PB 相对训练物理 AI 真正需要的数据量，“只是杯水车薪”。单台机器的产出更能说明问题：激光雷达数据、摄像头数据、秒级控制数据加上回传的性能数据，一台机器一天就是数 TB。
合作方式上，卡特彼勒与 CoreWeave、NVIDIA 一起，用 AI 模型给回传的现场数据做标注与打标。Hootman 说周期“过去是几个月，后来变成几周，现在压到几小时，而且从标注到进仿真或训练环境，当天之内就能完成”。CoreWeave 这边，高级副总裁 Richard Ahlfeld 的说法是物理 AI 需要完全不同的基础设施：“首先需要大量存储。”这家公司 9 月 10 日还推出了 Physical AI Field Engineering 服务，把自己的工程师派到客户的领域专家旁边一起干活。
18 PB 相对训练物理 AI 真正需要的数据量，只是杯水车薪。 Brandon Hootman，卡特彼勒物理 AI 平台与施工自主化副总裁，2026-10-06 CoreWeave Fully Connected 活动
把数字摆出来
| 项目 | 数字 | 出处 |
|---|---|---|
| 卡特彼勒数字体系中的联邦数据 | 约 18 PB（机器、经销商、客户） | Hootman，theCUBE 访谈 |
| 单台机器日数据量 | 数 TB（激光雷达、摄像头、秒级控制、性能数据） | 同上 |
| 标注与入库周期 | 从数月、数周压到当天之内 | 同上 |
| 训练基础设施 | NVIDIA Vera Rubin（被列为客户用例） | CoreWeave 提交 SEC 的 8-K 附件 99.2，2026-09-17 |
| CoreWeave 新服务 | Physical AI Field Engineering，工程师驻场 | CoreWeave，2026-09-10 |
| 部署规模、训练起始时间、合同金额 | 未披露 | 同上 |
为什么工地比矿山难
训练一条挖掘策略的链路，比训练一个语言模型更依赖现场：遥测与视觉数据先入库，标注出“这一铲在挖什么、装到哪、什么算完成”，再进仿真环境把同一个开挖场景跑上百万次，叠加强化学习，最后回到真机验证。链条上任何一环慢，整体迭代速度就慢。所以这次值得记的不是模型又变强了，而是循环变短了——标注到仿真的等待从月压到小时，迭代次数才可能真正上量。
把周期换算成迭代次数，这件事的分量更清楚。假设一条策略从采集到验证要六周，一年能跑八九轮；压到一周，一年就是五十轮上下。同一批工程师、同一批设备，能试的假设数量差出一个量级。这也是为什么 Hootman 把“当天之内进训练环境”当成进展来报，而不是把某个模型精度当成绩——在物理 AI 这件事上，迭代速度本身就是能力。
另一层差别在数据的形态。几何数据好采，一台机器装上激光雷达和摄像头就能攒点云；难的是语义数据——“这块土是回填区”“这一铲是装车还是平整”“吊索具摆动幅度异常”这类判断，得有人标，而且标注的人要同时懂工序和数据。卡特彼勒的合作里明确用了 AI 模型来做标注和打标，说明瓶颈确实在语义层，不在采集层。
拿日立建机的路线对照着看更清楚。它把挖掘机老师傅的手柄操作，连同摄像头画面和工作指令一起录下来做模仿学习，还特意把“操作失误之后的补救动作”收进训练集。这条路线的隐含前提和卡特彼勒是同一个：现场数据必须先有采集规范，否则录下来的东西只是硬盘占用。
需要打折扣的地方
- 18 PB、数 TB 每天、月到小时这些数字，都来自当事公司高管在自家活动现场的说法，没有第三方验证，也没有公开的模型、数据集或实测结果。
- Vera Rubin 的部署来自 CoreWeave 交给 SEC 的投资者材料，材料里只把卡特彼勒列为客户用例，没说用多少系统、跑在哪里、合同多少钱、什么时候开始训练。
- “从月到小时”指的是数据标注与入库环节，不等于整条训练链路；仿真训练出来的策略迁移到真机上的效果，没有公开数据。
- 18 PB 是联邦数据口径（机器、经销商、客户三方的合计），不等于可以直接拿来训练的数据量。
对国内施工企业和 BIM 团队的意义
四点建议
- 现场数据的采集规范要提前立，不要等到要训练的时候再补。一台机器一天几 TB，没有统一的时间戳、坐标基准、命名规则和工况标签，攒下来的数据没法进训练。
- 语义标注会成为稀缺工种。“这一铲在干什么”这种标签，需要既懂工序又懂数据的人。会做这类标注的班组和工程部，手里的东西会变成资产，而不是工作量。
- BIM 模型里的构件语义，是仿真环境的入口。仿真要跑“百万次开挖”，前提是模型里有地质、构件、机械的语义和连接关系，而不是一堆面片。这也是为什么构件命名、属性完整度这类基础工作，会突然变得重要。
- 别把算力当终点。CoreWeave 那句“物理 AI 首先需要大量存储”值得记住：数据管道没理顺之前，加卡不会让进度变快。
行业意义
国内谈工程机械自主化，这几年更多在讲“单车智能”和“机器人上岗”：一台设备能自己干活。这次材料提示的是被忽略的另一半——后台那条由采集、标注、仿真、训练构成的循环。循环慢，产品就慢；循环快，同样的模型也能更快迭代出可用版本。对施工企业来说，现在就能做而且不依赖任何大模型的事，是把现场数据按可训练的格式攒起来。等到要用的时候，数据资产的有无，会比设备清单更能说明差距。
来源：SiliconANGLE 2026-10-06《Caterpillar and CoreWeave shorten the learning loop for physical AI》（theCUBE 对 Brandon Hootman、Richard Ahlfeld 的访谈）、CoreWeave Fully Connected 活动页、CoreWeave 提交美国证交会的 8-K 附件 99.2（2026-09-17，投资者材料）、thesiliconledger 2026-10-07 报道。本文涉及的部署规模、训练起始时间与实测效果均未公开，正文已标注。