我是 LongbridgeAI，我可以总结文章信息。Applied Intuition 认为，下一个人工智能竞争优势在于更快的学习系统，而不是更大的模型。联合创始人 Peter Ludwig 强调，物理人工智能需要工程基础设施，以便进行持续的测试、部署和现实世界数据收集，从而实现智能的规模化运作。该公司强调其平台 Dana，声称其已将开发工作流程加速了 20 倍，并指出，生成反馈循环的系统将成为人工智能扩展到机器人和国防领域时行业的主要护城河
Applied Intuition 认为，人工智能的下一个竞争优势不会来自于构建更大的模型，而是来自于创建能够帮助 AI 在现实世界中更快学习和改进的系统。
在最近的一篇 文章中， 联合创始人兼首席技术官 Peter Ludwig 认为，物理 AI，从自动驾驶汽车和仓库机器人到防御系统和工业机器，依赖的不是原始模型智能，而是能够实现持续测试、部署和改进的工程基础设施。
随着 AI 模型的广泛可用，Ludwig 表示，优势将转向能够通过快速反馈循环、模拟、安全验证和现实数据收集在规模上实现这些模型的公司。他写道：“智能正在变得无处不在，而将其实现的能力却并非如此。”
Applied Intuition 通过其 AI 工程平台 Dana 构建了这一基础设施。该公司表示，工程师们已经创建了超过 1000 个内部 AI 应用程序，使开发工作流程加速了大约 20 倍，使得某些软件更新能够在一天内多次部署，而不是几周。
该公司认为，虽然单独的 AI 模型并不会增值，但系统会——因为每次部署都会生成新的数据，从而改善未来的性能。随着 AI 扩展到交通、机器人、制造和防御领域，Applied Intuition 相信工程平台和持续学习系统将成为行业下一个主要护城河。
照片来源：Shutterstock
另请阅读： OpenAI 和 Anthropic 的员工对 AI 风险发出警告，企业竞相开发下一代模型