在矽谷，“軟體吞噬世界”的信條已傳唱了二十年。我們習慣了 SaaS 的輕盈，習慣了代碼在 CI/CD 流水線中自動奔跑。但在聚光燈之外，那個支撐我們生存的、由鋼鐵和電路構成的物理世界，卻長期陷入了數位化轉型的“泥潭”。文章作者、來源：GD 梯度下降
最近，紅杉資本（Sequoia Capital）與 Nominal 的兩位創始人 Cameron 和 Jason 進行了對話。這家背景涵蓋 SpaceX 和 Anduril 的初創公司，正試圖解決一個聽起來不可思議的現狀：在 2026 年，最尖端的國防和航天工程師，竟然仍在使用 PDF 和截圖來報告測試結果。
物理學擁有「終審權」
在過去幾年中，硬體工程界流行著一種「模擬萬能論」：如果我們能把一切都放在軟體裡模擬，是不是就不需要昂貴的實地測試了？
Nominal 的創始人給予了冷靜的回答：「物理學始終擁有投票權。」
模擬環境再完美，也無法完全捕捉現實世界的複雜性。當一架無人機在強風中飛行，或者一個機器人手臂在抓取未知的物體時，軟體定義硬體的「尖峰」必須觸碰現實。
目前的行業痛點：
- 軟體開發：代碼提交、自動測試、自動部署（GitHub 模式，已形成閉環）。
- 硬體開發：感測器採集資料並儲存於本地，工程師手動下載並執行分析程式，截圖後插入 PowerPoint。
這種極其低效的流程，正是 Nominal 要打破的枷鎖。
打造硬體界的 GitHub
Nominal 的目標是成為硬體工程的 System of Record（記錄系統）。透過構建統一的平台，它讓硬體數據不再成為孤島：
- 結構化數據：自動編目每秒數百萬個點的感測器遙測數據，建立「語義層」。
- 驗證邏輯複用：研發階段編寫的測試邏輯，可直接無縫複用至生產線和現場運維。
- 全生命週期追溯：確保每一顆螺絲、每一次點火的數據都具備透明的 Traceability（可追溯性）。
正如 GitHub 讓程式碼協作變得透明，Nominal 正在讓「折彎金屬」的過程變得像寫程式碼一樣可迭代。
當 AI 遇見國防
訪談中最令人興奮的部分是 Nominal 與 DARPA（美國國防高級研究計劃局）的合作項目：CIPHER。
傳統的測試就像一張死板的表格：在 A 條件下運行，記錄數據，落地，分析，再測試 B 條件。這往往耗時數年。而 Nominal 正在引入 AI Agent（智能體）改變遊戲規則：
Real-time recommendation for the next best test point.利用數位孿生技術，AI 能以快於實時的速度預測：哪個測試點能提供最大的知識增益？測試不再是按部就班的矩陣，而是一個動態優化的梯度曲線。這種「自主測試」將極大地壓縮尖端硬體的研發週期。
物理 AI 的護城河
大家都談論 AGI，但 AGI 在虛擬世界和物理世界的風險等級完全不同：
- 虛擬 AGI：它能為你的孩子寫一個遊戲，即使有 Bug，也只是一個壞掉的遊戲。
- Physical AGI: If it creates a physical toy, you must ensure it does not cause physical harm.
硬體測試數據是訓練物理 AI 的唯一燃料。Nominal 發現，許多 AI 訓練失敗並非因為算法不佳，而是因為數據質量太差（傳感器損壞或未校準）。Nominal 的自動化異常檢測能識別出真正的「高保真」數據，為機器人和自动驾驶模型提供真正的燃料。
在訪談最後，創始人透露了一個雄心勃勃的觀點：硬體是唯一的硬核護城河。
隨著 AI 工具讓軟體編寫變得越來越廉價，真正的壁壘將回歸到物理世界。Nominal 不僅僅是在銷售軟體，它正在管理物理世界的「數據供應鏈」。
創始人甚至在結尾暗示：未來 Nominal 極有可能親自參與硬體製造。 因為只有掌握從感測器到最終報告的完整鏈條，才能真正定義「物理 AI」。
“All systems nominal”（所有系統運行正常），這曾是航天發射中最動聽的詞彙。現在，它正成為新一代硬體工程師的效率宣言。
作為 AI 市場觀察者，你認為 AI 驅動的硬體革命，最先會在哪個民用行業爆發？