物理人工智能产业的竞争力正从技术开发延伸至人才 확보和现场应用能力。Sky Intelligence作为主要贡献者参与了ABB Robotics与英伟达（NVIDIA）联合发布的工业物理人工智能全球白皮书，并提出了培养人才、建立学习与验证体系的重要性。
Sky Intelligence于21日表示，该公司与AWS、亚信（AsiaInfo）、德勤（Deloitte）等共同作为主要贡献者，参与了ABB Robotics与英伟达联合发布的第二份工业物理人工智能全球白皮书《培养工业物理人工智能人才》（Preparing Talent for Industrial Physical AI）。白皮书于20日正式发布。
这份白皮书以制造业为中心，将工业物理人工智能定义为能够感知和判断真实物理环境，并利用机器人、自动化设备等执行任务的人工智能系统。白皮书不仅探讨技术本身，还系统梳理了将其应用于产业现场所需的人才能力、教育与学习方式以及验证方法，并提出可适用于各地区产业和教育环境的全球框架。
白皮书重点关注物理人工智能技术的普及速度与其在实际产业现场的应用水平之间存在的差距。根据白皮书引用的德勤《人工智能在能源、资源与工业领域的现状：尚未开发的优势2026》（State of AI in ER&I: The Untapped Edge 2026）调查，2025年8月至9月对全球24个国家和地区的3235名企业高层领导进行调查后发现，在能源、资源与工业领域的591名受访者中，72%至少在有限程度上使用了物理人工智能。
相比之下，表示应用程度达到中等或更高水平的受访者仅占19%。预计未来两年内至少会在有限程度上使用物理人工智能的受访者则达到91%。这意味着，尽管技术应用正在迅速扩大，但将其用于实际产业运营并扩大应用规模的能力仍相对不足。
人才培养和岗位体系方面也存在类似差距。能源、资源与工业领域的受访者中，53%表示正在面向更多员工开展培训，以提升人工智能应用能力；50%表示正在制定或实施技能提升与再培训战略。然而，调查发现，84%的受访者尚未着手根据人工智能能力重新设计岗位。
因此，白皮书强调，不能止步于一般性的人工智能培训，还必须培养能够在产业现场实际运用的能力。白皮书指出，物理人工智能不仅涉及人工智能模型，还综合连接了传感器、机器人、控制系统、数据基础设施、生产流程以及安全和质量管理等环节，因此需要具备从开发、系统集成到现场运营等综合能力的人才。
白皮书特别将“转化能力”（Translational Capability）列为核心能力，即在保持各领域专业性的同时，理解并连接人工智能、机器人技术、制造流程等相邻领域的技术术语、限制条件和验证标准。
在白皮书第三部分“构建可扩展的学习生态系统”中，Sky Intelligence介绍了其在构建连接真实产业环境与仿真的物理人工智能能力及学习体系方面的专业经验。首席技术官Josh Liu表示：“工业物理人工智能项目应围绕可验证的能力构建。”他强调，需要通过实际任务和实操建立学习体系，使学习者从理解阶段逐步迈向部署与改进。
白皮书还将数字孪生、仿真和合成数据列为重点技术，这些也是Sky Intelligence具备专业优势的领域。白皮书指出，仿真和数字孪生可用于设计与运营验证、合成数据及罕见事件数据生成、运营决策以及人才培训，是关键能力。
学习过程分为“理解→仿真→物理验证→业务应用→改进”五个阶段。其特点是强调“仿真优先”（Simulation First）的方法：优先运用仿真，再通过真实环境中的物理验证，最终落实到现场应用与改进。
教育成果的评估方式也不再局限于确认学员是否完成课程或通过考试，而是进一步转向验证其能否在实际产业现场完成工作。评估方式包括系统演示、制定验证计划，以及进行仿真和物理测试等，以衡量实际执行能力。
Sky Intelligence代表Lee Jaecheol表示：“要让工业物理人工智能真正推广到现场，除了技术之外，还必须培养能够理解、连接、验证并运营相关技术的人才能力。借此次参与白皮书主要贡献者工作的契机，我们计划以仿真、数字孪生等物理人工智能技术能力为基础，扩大与全球产业界的技术交流，并为构建可应用于实际制造现场的物理人工智能生态系统作出贡献。”
此前，Sky Intelligence还作为主要贡献者参与了首份白皮书《面向高精度制造业的工业物理人工智能》（Industrial Physical AI in High-Precision Manufacturing）。当时，该公司提出在机器人视觉人工智能导入生产线之前，利用反映产业公差、反光、遮挡等高精度制造现场主要变量的合成数据进行训练和验证的方法。
连续两次作为主要贡献者参与ABB Robotics与英伟达联合发布的物理人工智能白皮书后，Sky Intelligence的合作范围已从工业物理人工智能技术拓展至现场应用和人才培养领域。
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
