卡特彼勒投资1亿美元培训员工人工智能

卡特彼勒（Caterpillar）是一家重型设备制造商，在第二季度创下205亿美元的季度收入，正在将数十年的矿业自动化经验转化为一项广泛的人工智能战略。该计划涉及在五年内投资1亿美元，以提升其118,000名员工在人工智能、自动化和机器人技术方面的能力。

这项投资不仅仅是技术上的。它还是组织上的。这或许是任何试图在现实世界中实现人工智能的公司最相关的细节：瓶颈很少是算法，而是流程、工作流和内部文化的变化。

卡特彼勒在自动化方面的历史始于矿山，在那里，劳动力短缺和危险的工作条件使得自动化不仅是可取的，而且是必要的。如今，该公司销售自动驾驶运输卡车、钻机、地下装载机、拖拉机和远程操作的建筑设备。除了硬件外，还提供软件指挥中心、车队管理，甚至是远程地形智能。

公司的首席技术官杰米·米内特（Jaime Mineart）将这一时刻形容为将所有在矿业中积累的知识带入更动态环境的窗口：建筑工地、采石场和土木工程现场。正如我们在工业技术报道中分析的那样，从受控环境过渡到不可预测的场景是所谓物理人工智能面临的最大挑战之一。

卡特彼勒在这场竞争中的竞争优势在于其庞大的专有数据量。该公司在全球拥有约160万个连接资产，生成超过16PB的结构化数据。换句话说，这相当于大约16万亿字节，这种类型的存储库是人工智能模型在特定工业环境中准确运行所需的。

一个具体的应用例子是Cat AI Assistant，这是一种工具，允许现场技术人员在机器旁边使用语音命令访问维修程序、诊断问题并在开始维护之前识别所需的零件。米内特表示，该工具已经在客户、操作员和技术人员中使用。

该公司还利用人工智能扫描操作地点，生成制造中的数字双胞胎，并实时分析操作。此外，像几乎所有大型公司一样，卡特彼勒也在内部应用这项技术：人工智能代理更新遗留代码，生成和测试新软件，并在开发周期的早期识别缺陷。

卡特彼勒战略中最有趣的部分在于米内特所称的“困难部分”。实施一台自动化机器并不等同于将整个工作场所转变为人工智能操作。必须重新思考人们如何与技术协作，以及现有流程如何需要改变。

这一教训同样适用于金融市场和几乎所有行业。人工智能的采用很少因技术限制而失败。失败往往是由于组织抵制、缺乏培训以及技术能够做什么与工作流之间的不对齐。

卡特彼勒采取了一种将制度知识与技术相结合的方法。经验丰富的操作员帮助训练人工智能系统，将数十年的隐性知识转移到模型中。随着机器获得自主权，一些操作员正在从直接控制单一设备转向从指挥中心远程监督多台机器。

1亿美元用于人工智能、自动化和机器人培训的承诺需要在人工智能基础设施繁荣的背景下解读。卡特彼勒的发电部门销售额增长了72%，达到了31亿美元，受到数据中心设备需求的推动。首席执行官乔·克里德（Joe Creed）表示，“在云计算和生成性人工智能基础设施的需求方面，没有人在减速”。

相对而言，五年内分配的1亿美元大约相当于每位员工每年170美元。与公司的收入相比，这是一项适度的投资，但它传达了更深刻的信息：人工智能的工业化不会在没有劳动力跟上曲线的情况下发生。正如我们在关于人工智能和就业的报道中讨论的那样，职业再培训可能是技术采用链中最脆弱的环节。

卡特彼勒的举动展示了一种超越重型设备行业的趋势。那些掌握大量专有数据并拥有数十年运营经验的公司处于有利地位，可以利用人工智能创造价值。这不仅仅是构建最复杂的模型，而是拥有正确的数据和组织流程，使技术能够在工厂、矿山或建筑工地上运作。

对于投资者和分析师来说，205亿美元的季度创纪录收入表明，人工智能基础设施的需求正在反过来推动那些乍一看似乎与技术行业相距甚远的公司。发电公司、设备制造商和工业组件供应商正在与大型科技公司一起乘风破浪。

卡特彼勒的案例强化了一个日益明显的论点：人工智能革命的下一阶段将不再由谁创造模型来定义，而是由谁能够以规模和安全性将其整合到物理世界中来定义。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。