本週，@AppliedInt 推出了 Dana，這是一個專為開發實體 AI 應用而設計的代理式平台。Applied Intuition 最初是為了打造工程師開發自動駕駛系統所需的工具，接著建立了支撐這些系統的作業系統，最後更進一步涉足機器本身搭載的智能技術。正如共同創辦人兼執行長 Qasar Younis 所描述的，該公司的目標始終遠大於僅僅為自駕車提供工具——他們的使命是讓十億台機器都擁有智能。
不跟風的層級
2017 年，自動駕駛產業有一個共同的預測：少數幾家垂直整合的公司將解決自駕車問題、營運車輛，並壟斷整個市場。因此，資金大量湧入全端機器人計程車計畫。每個計畫都聘用自己的工程師、組建自己的車隊，並重新打造大致相同的內部開發基礎設施。
在主要自動駕駛計畫之間跳槽的工程師，都會遇到一個有趣的慣例：他們會留下之前用來開發和測試自動駕駛系統的工具，一到新公司，又開始重新打造這些工具。這個產業對自動駕駛充滿信心，但對於如何生產自動駕駛系統，卻極度缺乏共同的業界最佳實務。
Applied Intuition 提議將這些最佳實務變成一家公司。
這是少數派的觀點，也不是參與一個日益熱門市場的傳統方式。大型第四級自動駕駛開發商認為自己不需要外部的工具供應商。Applied Intuition 還是試圖向他們推銷。像是 Cruise 這樣的知名自駕計畫就拒絕了。或許這在當時是可以理解的：他們不會為了等 Applied Intuition 這樣的初創公司來打造工具，而延誤自己的工程師本來就打算內部開發的進度。
那個時代許多知名的全端計畫，如今已不復存在。例如，Cruise 被通用汽車收購，隨後因安全事故而終止。與此同時，Applied Intuition 卻比它們大多數都活得更久（且表現更佳）。
Applied Intuition 的創始簡報中有一張投影片，名為「我們相信為真的想法」。其中一個想法是：任何單一的自駕車製造商，都只會佔全球汽車市場的個位數比例，因為汽車產業的結構傾向於分散在多個製造商之間。
如果一家垂直整合的公司贏得了整個汽車市場，那麼理性的策略就是成為那家公司（或投資它）。但如果不是贏家通吃的市場，那麼剩下的九成車輛就會透過現有的汽車產業來獲得智能。這些製造商不可能各自複製現代軟體堆疊的每一層。必須有一個獨立的供應商來提供共同的基礎設施。
Qasar 和 Applied Intuition 的技術長兼共同創辦人 Peter Ludwig 押注於擴散而非集中。自動駕駛的未來不僅會透過新進者取代既有業者而實現，也會因為既有業者能夠轉變為技術不同的公司。Applied Intuition 將提供他們實現這一點的手段。
Qasar 和 Peter 結合了來自通用汽車、Google 和 Y Combinator 的經驗，以及深厚的技術底蘊和對建立安全關鍵系統這種緩慢且嚴謹工作的非凡耐心。在大型第四級公司最初拒絕成為客戶後，Applied Intuition 轉而向灣區較小的自動駕駛團隊銷售，包括 Voyage 及其同期的團隊。他們開發的產品隨著客戶工作的需求而演進：先是規劃模擬器，然後是感知模擬器，最後是管理資料和執行數百萬次模擬的基礎設施。
與物理現實相關聯的確定性模擬，聽起來可能不是一個光鮮亮麗的產品類別。但實際上，它為產業提供了一個共同的基準，來判斷自動駕駛系統是否有效，而無需將車輛開上路並在實際環境中測試。模擬器將道路事件轉變為可重複的測試，然後可以在現實中實施。
市場結構後來也驗證了 Applied 的「我們相信為真的想法」投影片，而不是單一製造商的論點。這在事前並不那麼明顯，但回過頭來看卻很合理。汽車不是純粹的軟體產品。它是一個受監管、資本密集的實體系統，透過根深蒂固的經銷網路銷售。軟體可以重新組織價值所在和哪些能力重要，但它無法單獨將這種工業複雜性扁平化為單一製造商。
晴天時你能看見通用汽車
大約在 2018 年和 2019 年，通用汽車正式招標開發工具。有 28 家公司投標，包括 NVIDIA 和 Ansys。Applied Intuition 當時還是一家小型初創公司，而通用汽車有採購流程和眾多競爭者。Applied 的產品在規格上表現更佳，因此贏得了合約。
這筆通用汽車的合約，將 Applied 在矽谷自動駕駛初創公司中的一個楔子，轉變為在傳統製造商中的正當性。他們的策略變得可複製：先從技術上積極進取的小公司開始，然後利用由此產生的產品和證據，為以工業規模營運的既有業者提供服務。
成立約 18 個月後，Applied Intuition 進入了國防產業。他們聘請了業內人士，然後將汽車領域的模擬、資料、整合和驗證模式應用到國防系統上。接著是建築和採礦業，然後是商用卡車業。
一般的軟體公司進入新垂直領域，通常只是修改銷售簡報中的一些名詞。Applied 則是透過聘請熟悉每個領域的團隊，並圍繞客戶的限制、採購系統和安全案例來重新打造產品。同時，產品也在技術層級上不斷提升。
底層包括模擬和資料基礎設施：生成場景、收集機器資料、重現事件、評估行為。其上是實體機器的作業系統：排程、中介軟體、記憶體管理、通訊和功能安全。這些是作業系統，負責管理機器本身，而非機器上顯示的應用程式集合。再上一層是智能本身：部署在陸地、空中和海上機器上的世界模型和規劃系統。
到了 2024 年和 2025 年，成果已經可以在外部衡量。Applied Intuition 以 150 億美元的估值完成了一輪融資。到 2025 年，非中國的 20 大汽車製造商中有 18 家是他們的客戶。使用 Applied Intuition 技術的第四級卡車已在日本進行無人駕駛營運。該公司在美國陸軍有部署，在美國海軍軍艦上有作業系統，此外還有採礦、建築、農業和卡車運輸領域的生產工作。而且，與許多矽谷初創公司不同，Applied Intuition 在很大程度上保留了從投資者那裡籌集的主要資金（近 10 億美元），同時連續多年實現了營收在大規模基礎上的近乎翻倍增長。
到那時，原來的問題已經改變了。2017 年，產業想知道自動駕駛智能何時才能達到足夠的能力。到了 2020 年代中期，由於 Transformer 模型日益複雜，模型能力來得比大型組織部署它的速度還快。
這就是為什麼工具公司可以變成平台公司。一個工具從解決一個有限任務開始。如果成功，它就會成為執行許多任務的共同介面。它累積了整合、測試案例、工作流程和組織記憶，最終不再只是生產系統的附屬品，而是生產發生的環境。
網頁瀏覽器提供了一個歷史上的類比。它並沒有「創造」底層的網際網路，但它確實讓網路對絕大多數非技術愛好者變得可用，而數兆美元的經濟活動也隨之轉向這種存取所允許他們建立和做的事情。Applied Intuition 從模擬器到資料基礎設施，再到作業系統的演進，遵循了客戶已經在進行的工作。隨著越來越多的工作轉移到 Applied 的產品中，這種軟體成為了這些公司製造機器的一部分，而不僅僅是開發某個階段的工具。
Dana
今天，Applied Intuition 推出了 Dana。
九年來，Applied Intuition 一直在打造用於開發智能機器的技術。Dana 為這個累積的系統提供了一個代理式介面。工程師可以從一個需求開始，將其連接到相關程式碼，透過模擬和定義的評估來運行變更，將其移到測試台或硬體在環系統，最終部署到實體機器上。過去，這些工作中有許多需要工程師在專門工具之間手動傳遞結果。Dana 可以協調整個路徑，同時保留系統如何變更以及為何變更的記錄。
此時，自動駕駛背後的技術方法正在改變。在自駕車產業的大部分歷史中，進步來自於模仿學習：收集足夠的錄製人類駕駛數據，並訓練模型複製它。前沿已轉向封閉開發迴圈中的端到端強化學習。系統遇到問題，團隊找到或生成更多該情境的範例，模型再次訓練，然後重新運行相同的場景，看看行為是否改善。Applied 已經擁有運行該迴圈所需的模擬、合成資料、評估和部署系統。Dana 讓 Agent 在操作這個迴圈中扮演角色。
實體經濟歷來對軟體保持抗拒，原因似乎難以解決。這些產業的硬體週期長，且涉及大量實體世界的考量。在機器重達數噸並在人員附近移動，且有人受傷之前，這些都是平凡的工程問題。一旦發生事故，從規格到部署決策的每一個環節都必須經得起審查。
自動駕駛機器面臨著不尋常的舉證責任。製造商可能相信模型表現良好，但直到監管機構能夠理解結論是如何得出的之前，仍無法出貨。Dana 就是圍繞這一點打造的。它的實用性不僅取決於生成程式碼或運行工作流程的速度，同樣取決於可追溯性和評估能力。
同時，經濟因素也在改變。智能正沿著陡峭的價格曲線下降。自動駕駛層本身將趨向豐富，在許多場景下，邊際價格將趨於微不足道。
一家機器人製造商只能銷售自己製造的機器。Dana 可以用來升級預計還將服役二十年的現有設備，也可以用來開發新機器，其形狀不再受限於需要容納人類駕駛員。換句話說，Dana 是我們獲得十億台智能機器的方式之一。
多年來，自動駕駛系統一直受到模型本身的限制。這個限制已經放寬。剩餘的工作在於試圖部署它們的製造商和營運商內部，以將模型適應實際硬體，並在系統遠離研究實驗室運行時提供支援。市場已經準備好在實體世界中使用 AI，但大多數公司無法負擔組建一個千人自動駕駛組織來實現這一點。
Applied Intuition 花了九年時間學習智能如何在與硬體和實體世界接觸時存活下來。Dana 將這些知識交到任何試圖讓機器自行移動的人手中。
