卡特彼勒投資1億美元培訓員工於人工智慧

卡特彼勒（Caterpillar），這家重型設備製造商在第二季度創下205億美元的季度收入，正在將數十年的礦業自動化經驗轉化為一項廣泛的人工智慧策略。該計畫涉及在五年內投入1億美元，以提升其118,000名員工在人工智慧、自主性和機器人技術方面的能力。

這項投資不僅僅是技術上的，還是組織上的。這或許是任何試圖在現實世界中實現人工智慧的企業最相關的細節：瓶頸很少是算法，而是流程、工作流和內部文化的變革。

卡特彼勒在自主性方面的歷史始於礦場，因為勞動力短缺和危險的工作條件使得自動化不僅是可取的，還是必要的。如今，該公司銷售自動運輸卡車、鑽孔機、地下裝載機、拖拉機和遠程操作的建築設備。除了硬體，還提供軟體指揮中心、車隊管理，甚至是遠程地形智能。

公司的技術總監Jaime Mineart形容這一時刻為將所有在礦業中積累的學習帶入更具動態的環境的窗口：建築工地、採石場和土木工程現場。正如我們在工業技術報導中分析的那樣，從受控環境過渡到不可預測的場景是所謂的物理人工智慧面臨的最大挑戰之一。

卡特彼勒在這場競賽中的競爭優勢是其擁有的數據量。該公司在全球擁有約160萬個連接資產，產生超過16PB的結構化數據。為了讓人更好理解，這相當於約16萬兆字節，這是人工智慧模型在特定工業背景下準確運作所需的數據庫。

這一應用的具體例子是Cat AI Assistant，這是一種工具，允許現場技術人員在機器旁邊使用語音命令訪問維修程序、診斷問題並在開始維護之前識別所需的零件。根據Mineart的說法，該工具已經被客戶、操作員和技術人員使用。

該公司還利用人工智慧掃描操作場所，生成製造的數位雙胞胎，並實時分析操作。而且，像幾乎所有大型企業一樣，內部也應用這項技術：人工智慧代理現代化遺留代碼，生成和測試新軟體，並在開發周期的早期識別缺陷。

卡特彼勒策略中最有趣的部分在於Mineart所稱的「困難部分」。實施一台自主機器並不等同於將整個工作場所轉變為運行人工智慧。必須重新思考人們如何與技術協同工作，以及現有流程需要如何改變。

這是一個同樣適用於金融市場和幾乎所有行業的教訓。人工智慧的採用很少因技術限制而失敗。失敗的原因往往是組織抵抗、缺乏培訓以及技術能做什麼與工作流允許的之間的脫節。

卡特彼勒採取了一種結合制度知識與技術的方法。經驗豐富的操作員幫助訓練人工智慧系統，將數十年的隱性知識轉移到模型中。隨著機器獲得自主性，一些操作員正從直接控制單一設備轉向從指揮中心遠程監控多台機器。

1億美元的人工智慧、自主性和機器人技術培訓承諾需要在人工智慧基礎設施繁榮的背景下解讀。卡特彼勒的發電部門報告銷售增長72%，達到31億美元，這是由於對數據中心設備的需求驅動的。首席執行官Joe Creed表示，當談到雲計算和生成性人工智慧基礎設施的需求時，「沒有人在減速」。

相對而言，1億美元在五年內分配到每位員工每年約170美元。與公司的收入相比，這是一項適度的投資，但它傳達了更深層的意義：人工智慧的工業化不會在沒有勞動力跟上曲線的情況下發生。正如我們在有關人工智慧和就業的報導中討論的那樣，職業再培訓或許是技術採用鏈中最脆弱的環節。

卡特彼勒的動作展示了一種超越重型設備行業的趨勢。那些掌握大量專有數據並擁有數十年運營經驗的公司，處於捕捉人工智慧價值的有利位置。這不僅僅是構建最複雜的模型，而是擁有正確的數據和組織流程，使技術能在工廠、礦山或工地上運作。

對於投資者和分析師來說，205億美元的季度創紀錄收入表明，對人工智慧基礎設施的需求正在反過來促進那些乍看之下似乎與科技行業距離遙遠的公司。發電商、設備製造商和工業組件供應商正在與大型科技公司一樣，乘著這股浪潮。

卡特彼勒的案例強調了一個越來越明顯的論點：人工智慧革命的下一階段將不再由誰創建模型來定義，而是由誰能夠將其以規模和安全性整合到物理世界中來定義。