摘要

  • CoreWeave 于 9 月 10 日推出 Physical AI Field Engineering，由领域工程师与客户共同开发物理 AI 应用。
  • 客户自行运行和再训练模型是服务承诺的一部分，但公告没有证明完整应用可在平台之外迁移运行。

演示结束时，模型往往已有一个不错的答案。交接之后，客户却还要回答另一组问题：设备条件变了，哪些数据需要重看？模型改了，哪些试验必须重做？最后由谁决定采用新版本？

CoreWeave 在 9 月 10 日宣布的 Physical AI Field Engineering，把这段工作纳入了云服务的销售范围。按公司描述，项目先在现场梳理问题与数据，再由具备工业领域经验的工程师陪同客户，从原型推进到实际工作流程中的应用。这里报道的是供应商发布的服务安排，并非已经独立核验的交付成绩。经 Business Wire 分发的发行商公告。

卖的不只是运行环境

公告称，客户工程师参与定义问题，并能在交付后自行运行、修改和重新训练模型。由此可见，这项服务还在出售一种知识交接：客户不只拿到软件，也应当有能力继续使用和调整它。

这条路线有收购背景。CoreWeave 与 Monolith 在 2025 年 10 月公布收购协议，希望把工程机器学习与 AI 云基础设施结合起来。当时公告仍保留交割条件；本次发布则将相关团队和方法描述为随 Monolith 收购而来，没有补充交割日期或交易价格。不能把两个公告之间缺失的细节自行补齐。Monolith 当时的公告。

CoreWeave 表示会利用客户的试验、仿真和运行数据，并针对客户的物理系统验证模型。这与给通用模型加上一段行业提示并不是同一件事。不过，“针对物理系统验证”仍不等于安全认证，也不能证明所有未来工况都已覆盖。公告同样没有说明，客户对工艺变更的最终批准责任已转交给供应商。

能追溯变化，不代表变化已经合格

服务所列工具包括负责实验和模型管理的 Weights & Biases。其文档介绍了实验输入与输出之间的关联，以及模型工件在注册集合中的变更记录。这些材料有助于接手团队理解版本如何形成，却不能替工程师判断某个版本是否适合某台设备。Weights & Biases 技术文档。

因而，采购时值得问的不只是“交付几个模型”，还有交接包里是否包含明确版本、相关数据历史、约定的验收试验和后续变更负责人。这些是本文提出的审查要点，不是公告已经披露的合同条款。

公司称客户保留对数据和所得模型的控制权，但所审阅资料没有公布价格、服务周期，也没有给出把完整应用迁出 CoreWeave 的合同保证。现场工程服务可能降低工业客户采用 AI 的门槛；它是否同时降低长期维护的依赖，仍要看交付之后的表现。