叠衣服、洗碗等帮忙做家务的机器人已经出现。在制造工序中搬运箱子、组装物品的机器人早已进入商用阶段。以机器人为中心,物理人工智能(AI)时代正加速到来。物理AI不同于ChatGPT、AI智能体等存在于线上的聊天机器人,它拥有物理实体,在现实世界中运行。要让物理AI在真实环境中正常运行,理解物理法则是必不可少的。仅以机器人为例,机械臂移动的方向、力度强弱、压力等,目前仍难以像人一样自如调节。要判断以多大力度抓取物品才不会损坏产品等问题,需要基于物理法则的精密计算与学习。
以AI学习这些物理法则、开发内化物理AI技术的企业正是Solverx。Solverx首席执行官崔允英(见图)近日在首尔江南接受Seoul Economic Daily采访时表示:“从大语言模型(LLM)到机器人技术,技术正朝着信息量不断增加的方向发展”,“其中,有助于理解现实的物理AI将成为下一代AI”。
Solverx拥有用AI学习现实中运行的复杂物理法则、并稳定预测结果的技术实力。在此基础上,公司正开发专注于汽车、航空、电池等工业工程领域的AI解决方案。例如,现有汽车公司在设计新车时,会在虚拟空间中按照新图纸模拟产品是否存在物理问题。此时使用的软件是计算机工程解决方案(CAE),由西门子等全球企业提供。问题在于,用这一方案进行模拟直至拿到结果最长需要两周。崔允英说:“从内燃机转向电动车后,需要重新设计的部分变多,需要检查的项目也增加了”,“技术进步使产品趋势快速变化,但模拟耗时过长,制造企业的负担必然加大”。
Solverx用AI解决了这一瓶颈。公司将学习了物理法则的AI与各企业持有的数据结合,制作定制化解决方案。使用该方案对新设计进行模拟,数秒内即可得出结果,还能通过AI直接获得结果报告。对企业而言,可以摆脱以往用既有方案花费数日逐个验证想法的方式,利用Solverx的AI方案快速试验多个想法,相当于打开了在不受时间、成本限制的情况下进行更多创新尝试的机会。崔允英解释说:“企业可以一边实时模拟一边自由设计,做出更好的产品”,“在这一过程中还能提高企业的利润率”。
当然,用AI学习物理法则并制作成各行业的工程解决方案并非易事。制造现场的数据不足以供AI学习,被视为典型制约。特别是技术验证(PoC)工作依托过去产品的数据展开,但系统管理历史产品数据的公司并不多。不愿与外部企业共享数据的风气也依然存在。崔允英坦言:“需要拿到客户的零部件信息和详细设计数据,这很困难”,“我们去学会见企业相关人士做说服工作,也打电话、发邮件,提出免费测试来说服对方”。
经历这一过程,2024年首个PoC的对象正是国内一家汽车零部件公司。他说:“这家企业过去想引入AI,曾与全球公司推进合作但最终搁置”,“通过PoC看到与全球公司不同的模拟结果后,他们很满意”。崔允英补充说:“LLM是数据越多结果越好的模型,在数据不多的制造现场难以直接套用”,“我们加入数学概念与特性,实现了即使数据不多也能得出准确结果,从而提高了精度”。
迄今为止,Solverx已在15家企业进行了PoC。按领域看,汽车零部件公司最多。此外,家电、半导体、重工业等领域的公司也试验验证了Solverx的方案。其中部分公司在看到PoC结果后签订了实际合同,这表明对公司技术实力和商业模式的认可。今年还计划与一家外资汽车零部件公司进行PoC。崔允英说:“如今企业对AI转型(AX)很关注,这对开展业务有利”,“一周要与客户会面六次”。
公司还在推进将Solverx的方案扩展到半导体制造工序等其他制造领域。以现有水平尚无法适用于所有物理现象,必须开发出能理解更难更复杂物理现象的能力。物理法则越难,用AI成功学习时的协同效应就越大。他表示:“国内机器人公司主动提出在机器人学习中运用物理AI的方案,目前处于研究阶段”,“现在的方案在云环境下运行,如果在互联网连接受限的情况下也能运行,国防企业也可以使用”。此外,近期还在方案中加入了生成式AI的对话功能,使员工无需学习新方案的功能,仅通过对话即可运行模拟并获得结果。崔允英称:“韩国是从简单零部件到火箭等最尖端领域制造工序都很丰富的国家,全世界只有德国、韩国、日本、中国如此”,并表示这是适合试验以制造工序为基础的物理AI的环境。
Solverx在敲开海外市场大门方面也很积极。今年公司参加了在美国拉斯维加斯举办的全球家电展(CES)。通过当时到访展台的外国企业人士等,合作洽谈持续进行中。本月在首尔举办的微软AI巡展中,公司还将作为初创企业领域的演讲者参加。崔允英从创业初期就瞄准美国等海外市场筹备业务。Solverx在进入海外市场或与全球公司签约时不受限制,以此类投资资金为主获得融资。创业初期还曾获得全球科技巨头相关人士的投资推荐函。
崔允英强调:“就像现在提到AI编程会想到‘Anthropic’一样,我想把‘Solverx’打造成物理AI的代表性公司”,“目标是在全球市场具备竞争力”。






