UST将Claude引入物理AI领域
评分
83首次披露Claude在物理AI领域的商业合作,信息增量高。
内容简洁清晰,但缺乏技术细节和具体应用示例。
对关注具身智能和工业AI的从业者具有重要参考价值。
新闻刚刚发布,时效性极强。
来源为Anthropic官方新闻页面,可信度高。
基础分 82.5 × T1 信源权重 ×1 = 83
精选线 60已入选精选
精选理由
信息增量较高,首次披露Claude在物理AI领域的商业化应用,但细节有限。
AI 点评
「这条新闻最值得关注的是Claude从虚拟走向实体的战略转向。对于机器人创业公司和工业自动化厂商而言,这提供了一个已验证的AI安全框架,可以大幅降低部署风险。建议深入关注后续技术白皮书和具体落地案例。」
速览
Anthropic宣布与UST合作,将其AI助手Claude部署到物理AI场景中,例如机器人或自动化系统。这标志着Claude从对话交互延伸到实体世界应用,有望推动工业自动化与物理智能的发展。合作将利用Anthropic的安全研究经验,确保在物理环境中可控且可靠的AI部署。
- UST与Anthropic合作,将Claude应用于物理AI系统
- Claude从纯对话AI扩展至机器人、自动化等实体场景
- 利用Anthropic在AI安全与可控性方面的研究成果
- 有望推动工业自动化与物理智能领域的创新
正文
UST 正在将 Claude 引入物理 AI
Jul 9, 2026在工厂承诺生产数百万颗芯片之前,工程师会在晶圆厂对设计进行压力测试。在产品发货之前,装配线上的故障必须在变成召回之前被捕获。当 AI 执行这类工作时,它被称为物理 AI:嵌入在人们使用的产品生产所依赖的设备与工程流程中的智能。
我们正在与 UST 合作,这是一家技术和工程服务公司,负责构建并运行客户所依赖的工程环境,以将芯片、汽车和互联设备推向市场。UST 正在这些环境中部署 Claude,并在全球范围内培训 20,000 名工程师、架构师和顾问使用 Claude。
UST 如何将 Claude 融入实体产品的生产流程
UST 与半导体、汽车、制造、电信、嵌入式和物联网公司合作。它构建了这些公司用于验证设计、确认芯片、运行工厂以及在产品上市后进行维护的系统。
这些是漫长且多步骤的流程,早期错误在后续每一步都会变得更加昂贵。验证阶段发现的设计缺陷只需要工程师花费一个下午;同样的缺陷在工厂承诺生产后才被发现,则会浪费整个生产批次。
UST 正在将 Claude 引入这项工作中。Claude Code 读取工程师使用的原理图和引脚定义,然后编写并运行检查设计的测试。它跨多个步骤执行任务,在长达数小时的任务中保持设计上下文。UST 的目标是更早发现设计缺陷、加速芯片验证,并将硬件和软件整合到单一系统中。
最明显的例子是 UST 名为 iDEC 的平台,工程师用它来验证硬件和芯片在投产前的状态。验证工作是证明芯片实际行为符合设计者意图的过程,非常繁琐:工程师手动编写测试脚本、运行它们、读取结果,并重复多次循环。UST 报告称,iDEC 的闭环流水线读取硬件设计、生成并运行回归测试、将实时设备数据与其数字孪生比较以提前标记问题,目前已将验证周期缩短 50% 到 70%,将标准的四天周转时间压缩至 48 小时。
UST 现在正在将 Claude 集成到该流水线中作为其推理层。Claude Code 直接读取芯片引脚定义和硬件原理图,然后编写并运行回归测试(即确认设计变更未导致意外下游影响的检查),而过去这些脚本由工程师手动编写。Claude 还将真实设备的实时数据与其数字孪生(即该硬件应如何行为的软件模型)进行比较,并标记固件回归和信号完整性故障。UST 的目标是使流水线更快,减少手动脚本编写,更早检测故障,并且无需工程师学习新工具。
“我们与 Anthropic 的联盟反映了 UST 坚定不移的承诺,帮助客户自信地驾驭 AI 格局并实现有意义的业务成果。通过将 Claude 的能力与 UST 的工程、行业知识和交付专长相结合,我们正在将特定行业的平台以及数字化和工程解决方案推向市场,从而提高生产力、加速业务成果,并帮助客户在安全可靠的环境中运营 AI 主导的决策,” UST 首席执行官 Krishna Sudheendra 表示。
“UST 帮助全球的银行、电信公司和制造商部署新技术。他们首先在自己的工程中验证 Claude,并培训 20,000 名员工,然后才将其引入为客户构建和运行的系统,” Anthropic 首席商务官 Paul Smith 表示。
⟦T0⟦UST如何将Claude应用于医疗、电信和银行系统⟦/T0⟦
UST正将Claude引入其为客户运营的其他三个平台:
- ⟦T0⟦在医疗领域⟦/T0⟦,保险公司和医疗服务提供者使用UST CarePath来管理会员服务、护理管理和理赔。Claude将CarePath直接连接到其底层的理赔和护理系统,并将分散的健康数据转化为护理团队清晰的下一步行动。每项建议操作在到达会员之前都会经过人工审批,并且始终保持在医疗所需的数据控制范围内。
- ⟦T0⟦在电信领域⟦/T0⟦,UST IntelliOps负责网络运营。为了保持网络正常运行,团队需要处理发现问题和故障的警报,但这耗时巨大。Claude现在帮助运营商发现服务问题,预测无线接入网络(连接手机与网络的塔台和天线)中的故障,并通过响应工作流缩短故障时间,这些工作流仍需人工审批。对于监控警报的团队而言,这意味着花更少的时间从噪音中分离出真正的问题。
- ⟦T0⟦在银行业⟦/T0⟦,大多数中型机构仍在运行老旧的核心系统,账本每晚更新一次而不是实时更新。银行通常许可这些系统而非拥有它们,因此每个新产品或集成都需要等待供应商数月才能进行更改。UST FinX通过解决眼前的业务和运营挑战,同时减少对颠覆性、高风险转型项目的依赖,帮助银行逐步实现现代化。FinX将利用Claude将AI智能体直接嵌入银行工作流和流程,通过智能案件处理、服务自动化、知识检索、工作流辅助和决策支持,为运营团队和客户提供支持。
⟦T0⟦AI采用与培训方面的合作⟦/T0⟦
UST承诺在全球范围内培训20,000名员工使用Claude,包括工程师、架构师、顾问、行业专家以及驻场工程师,他们与客户团队并肩工作。同时,UST正在组建专门团队部署Claude。我们通过Claude合作伙伴网络,以赋能、技术指导和认证的方式支持UST的这一努力。此次合作也使UST成为Claude合作伙伴网络中的全球首选合作伙伴。
⟦T0⟦结合可靠性、安全性和治理⟦/T0⟦
UST服务的行业风险极高。人工审批步骤和审计控制是重要的治理形式,使系统能够在生产中运行。我们在构建Claude时优先考虑的可靠性和安全性,结合UST在治理和合规交付方面的经验,使得这项工作能够从试点阶段进入运行业务的系统。
相关内容
邀请尖锐问题
我们正在向公众征集关于AI最尖锐的问题,并承诺在回答这些问题时展示我们的工作。
Read more本·伯南克被任命为Anthropic长期利益信托基金成员
Read more介绍一种反思你如何使用Claude的方式
介绍一种反思和优化你如何使用Claude的新方式。它让你轻松追踪和可视化你对Claude的使用情况,并判断这些时间是否符合你的目标。
Read more相关条目
92
精选OpenRouter 推出提示缓存与粘性路由,大幅降低多轮对话成本
对于高频调用 AI API 的开发者,这个功能堪称直接省钱利器。粘性路由保证了缓存命中率,配合 session_id 零配置接入,值得所有使用 OpenRouter 的团队立即尝试。
91
精选ChatGPT Work:可在跨应用和文件中执行操作的AI Agent
我认为这是AI助手从问答走向执行的关键一步。对需要自动化复杂工作流的专业人士尤其值得关注。ChatGPT Work可能成为生产力工具的新范式。
90
精选前沿实验室代理入侵事件技术时间线:2026年7月事件剖析
这篇技术时间线值得所有AI安全研究员和代理开发者细读——它不只是描述一次攻击,而是为整个行业敲响了代理系统防御体系薄弱的警钟。对正在部署自主代理的团队来说,这是必读的灾难预防手册。
90
精选更好的工具反而让Copilot代码审查更糟?GitHub这样改进
这篇博客值得所有AI产品工程师和ML从业者仔细阅读——它打破了'更强大的工具=更好的AI'的直觉,转而强调与Agent推理模式匹配的工程哲学。对正在优化代码审查或类似Agent产品的团队尤其重要。
88
精选OpenRouter 推出统一多模态 API:单端点支持图像、视频、音频、嵌入与转录
这条消息值得所有做多模态AI应用的开发者关注:OpenRouter用联合API解决了模型切换的痛点,特别适合初创团队或快速原型开发。如果你正被多个API密钥和SDK折磨,这个接口可能是你需要的统一层。
87
精选Anthropic 推出 Claude for Teachers:面向教师的教育 AI 工具
这条消息对教育工作者和AI行业观察者都很有价值。Anthropic没有选择通用聊天机器人,而是专门为教师设计了安全可控的工具,这显示出AI在垂直场景落地的正确思路——不是技术炫技,而是切实解决用户痛点。同时,产品内置的安全护栏也值得其他AI公司参考,尤其是在面向儿童或青少年的场景中。
精选Physicist Christopher Stubbs joins Anthropic's Long-Term Benefit Trust
来自 Anthropic:News(网页) 的这条信息指向模型能力或模型生态变化,适合用于判断近期 AI 圈的真实动向。
86
精选OpenRouter发布全新Auto Router:用市场智慧优化模型路由
这条更新值得所有用API开发AI应用的人关注。以前选模型靠经验和测试,现在市场数据帮你选。虽然细节不多,但方向很对。对依赖聚合模型服务的团队尤其重要。