一家你大概沒聽過的 150 億美元公司，正在幫全世界的車子寫作業系統

TL;DR

• Applied Intuition 估值 150 億美元，全球前 20 大非中國車廠有 18 家是它的客戶，但這家公司在台灣的知名度趨近於零
• 它在做 Physical AI（物理 AI），把智慧塞進那些沒有螢幕的機器，車子、卡車、礦場機具、農機、國防裝備全都是
• 共同創辦人一個是 YC 前 COO，一個是 Google Android 跟 Maps 前 PM，三千名員工裡 83% 是工程師
• 核心觀察：現在的汽車產業就像 iOS 跟 Android 出現前的手機市場，五十種作業系統各做各的，誰都跑不動現代 AI
• Physical AI 的瓶頸不是模型不夠聰明，是怎麼把模型塞進安全關鍵的硬體裡
• 自駕車死人的時候，技術錯誤可以被原諒，跟監管溝通失敗會直接讓公司倒閉

Latent Space 是 Swix 跟 Alessio 主持的 AI engineer 深度技術訪談節目，這集在 2026 年 4 月 27 日上線，他們找來 Applied Intuition 兩位共同創辦人 Qasar Younis（CEO）和 Peter Ludwig（CTO）聊 Physical AI 怎麼從研究走到生產線。Qasar 是巴基斯坦裔美國人、前 YC 營運長，今年身價已經突破十五億美元；Peter 之前在 Google 做過 Android 跟 Maps 的 PM。Applied Intuition 在 2017 年由兩人共同創立，今年六月完成 Series F 募資，估值衝到 150 億美元，業務範圍涵蓋汽車、卡車、礦業、農業、營建、國防六大領域。在繁體中文世界這家公司幾乎沒人在討論，但它做的事情可能是接下來十年最被低估的賽道之一。

為什麼這家公司做的事情比 OpenAI 還難解釋

過去三年大家講 AI，討論的幾乎都是螢幕裡的東西。ChatGPT、Cursor、Claude Code，這些工具的共同特徵是你打字進去、它輸出文字或程式碼，所有互動都發生在一個矩形的螢幕內。我自己也是這樣，每天用 Claude Code 寫 OpenClaw agent，腦袋裡的「AI 進步」就是模型參數變大、上下文視窗變長、推理變強。

但 Applied Intuition 做的事情完全是另一個維度。Peter 在訪談裡講得很直接：「我們把智慧部署到很多沒有螢幕的東西上。」你看不到他們的產品在哪，但日本現在已經有 L4 等級的無人卡車在路上跑，背後就是他們的技術。礦場裡的挖土機、農場裡的曳引機、戰場上的無人機，他們都在做。

這個賽道有個關鍵特性：safety critical。你叫 ChatGPT 寫文案寫錯了，使用者最多罵一頓重來。你叫一台三十噸的卡車自己上路，開錯一次可能就死人。所以這個產業所有的設計哲學跟純軟體 AI 完全不同，也是為什麼 Applied Intuition 在台灣幾乎沒有聲量，因為它服務的客戶都是車廠、政府跟工業集團，不會在 Twitter 上發 demo 給你看。

三條腿的事業：模擬器、作業系統、AI 模型

Applied Intuition 的產品線拆成三大塊，每一塊都比想像中重要。

第一塊是模擬器。要訓練自駕車，你不可能真的派車去開兩億英里 debug，所以全部要在虛擬環境裡跑。但模擬器最難的不是把畫面渲染得像，而是 sim-to-real 的差距。Peter 舉了一個有趣的例子：人形機器人現在最大的問題之一是馬達過熱，如果你的模擬器沒把馬達溫度當成參數，AI 在模擬裡學會的動作放到真實機器人上就會燒掉。模擬器的設計，本質上是在決定 AI 學得到什麼、學不到什麼。

第二塊是作業系統。這塊是我看完整集 podcast 最沒想到的點。原本以為車廠都有自己的軟體，後來才知道車輛產業現在的狀況，跟 iPhone 出現前的手機市場一樣亂。每家車廠都有自己的韌體，每個機型都有自己的版本，光是要讓同一個 AI 模型跑在不同車上就要重寫一輪。Peter 在 Google 做過 Android，他直接搬了 Larry Page 當年的劇本：當你發現產業太碎片化、軟體跑不起來，你就自己做一套作業系統，免費或便宜地給所有硬體廠用。Applied Intuition 在做的就是「車輛界的 Android」。

這個比喻在我看來特別重要。當年 Android 的勝出，不是因為它技術上比每家手機廠的自製系統強多少，而是它解決了「應用程式要為五十種不同的 OS 寫五十次」這個地獄問題。現在的車也一樣，AI 模型要跑在百百種車上，沒有統一的 OS 就只能每台手調，這事根本做不到規模化。順便提一個冷知識：他們的 OS 還能讓車子像手機一樣 OTA 更新，這在傳統車廠是天方夜譚，多數車主想升級韌體還得回原廠。

第三塊才是 AI 模型本身。端到端的自駕模型、世界模型、人機互動的多模態 agent 都在裡面。這部分大家關注比較多，重點是他們明確強調，模型在嵌入式系統上跑的時候，每一毫秒都在算錢，把大模型蒸餾到能上車的尺寸是真功夫。

World Models 是真的有用，但別把它當萬靈丹

這幾年大家對 world models 的期待被吹得很高，Yann LeCun 在喊、李飛飛的 World Labs 在做、各家 AI lab 都在投。但 Peter 講了一段我覺得最值得截圖保存的話：「如果你只靠 world model 想做真實世界的部署，你大概在做出能用的東西之前就先破產了。」

World model 有它的價值，特別是在訓練資料生成跟 reinforcement learning 上。但它沒辦法取代真實世界測試。Applied Intuition 內部有個概念叫 sim-to-real gap，就是模擬跟現實永遠有差距，你的工作是把這個差距縮到夠小、又不要花太多錢。他們的測試金字塔大概是 95% 在傳統軟體 CI/CD 跑、4% 在硬體 rig（含真實電子零件但沒有底盤的測試台）上跑、1% 是真的派車到路上跑。世界模型只是用來放大那 95% 的覆蓋率，不是用來取代另外那 5%。

這個觀念挺重要的。之前在Cisco 的 Internet of Cognition 架構觀察有寫過 AI agent 之間怎麼協作，但那還是純數位世界的問題。一旦進到物理世界，每個 demo 跟每個生產系統之間的距離，遠比螢幕內的 AI 大太多。下水道蓋的尺寸、雨天路面的反光、馬達運作的熱衰減，每一個都會讓你重新做人。

自駕車的真正瓶頸，不是模型不夠聰明

這集裡 Qasar 講了一句我覺得整個產業的人都該抄寫一百遍：「在 physical AI 的世界裡，我們不是被模型的智慧卡住，是被怎麼把模型部署到他們給你的硬體上卡住。」

這句話翻譯成白話就是：技術天花板現在是工程實作問題，不是研究問題。你要面對的是晶片支援、嵌入式系統的延遲、即時控制的故障容忍、宇宙射線翻轉一個 bit 怎麼救回來這種事。Applied Intuition 的 OS 要能跑在好幾家不同晶片廠的架構上，不像 OpenAI 只要假設你有 NVIDIA CUDA 就好。這就是為什麼他們招的工程師都偏向懂底層、懂硬體軟體交界、看過真正的生產環境。Peter 直接講：「在 vibe coding 時代，有一群工程師根本不思考硬體，但我們沒有這個奢侈。」

這點對台灣讀者其實有特別意義。台灣本來就有硬體底子，要轉到 physical AI 這個賽道的學習門檻比矽谷的純軟體公司低。最近聊 comma.ai 用開源做自駕 的時候也提到類似的觀察：自駕現在真正難的事情都在工程細節，不在模型架構。誰能把工程做扎實，誰才有機會。

Cruise 的死亡教訓：技術出錯可以救，公關出錯救不回

訪談中段聊到自駕車的安全爭議，提到 Cruise 那個讓公司直接收掉的事件。Peter 講了一個我認為非常精準的判斷：「Cruise 還是有可能存活下來的版本。那個事故是技術問題沒錯，但真正壓垮他們的是事後跟監管機構的溝通。」

這件事推到更大的層次來看，自駕車產業面對的是一個人類情感的悖論。從統計數據上，人類駕駛已經是世界上最爛的駕駛之一了，每年全球死於車禍的人接近一百三十萬。任何一個經過驗證的自駕系統，meantime between failures 都遠遠優於人類。但人類不接受的是「機器犯了人類絕對不會犯的錯」，比如把一個明顯是人形的物體當成塑膠袋撞上去。

Qasar 說 Waymo 在這方面做得相對好，慢慢把產業教育成接受自駕的水準。但要走到大眾普遍接受的地步，可能還要十年。社會層面的接受度，是這個產業真正的天花板，不是技術。

順帶提一個資訊：中國正在辦人形機器人馬拉松。這聽起來像哏圖，但其實是非常聰明的政策工具，借鑒的是 DARPA Grand Challenge 那一套用比賽逼產業解決可靠性問題的方法。要讓人形機器人可靠到能跑完二十六英里，背後要解決的工程問題是天文數字。

給創業者的兩個建議：壓寶在小問題，相信複利

訪談最後 Qasar 講創業哲學，講得很有料。他的兩個核心觀察：

第一，找一個小問題空間，深耕它，不要貪多。他直白地講：「太多硬科技創業者想做太多事，最後每件事都做得很普通，整個產品就普通。」反過來說，如果你能在一個小領域做到極致，那個小領域長大的時候你就在浪頭上。Applied Intuition 自己就是例子，2017 年創立時只做 robotaxi 的模擬工具，現在已經有超過三十個產品。

第二，相信複利，但要活到複利發生那一刻。他舉 Waymo 為例：「Waymo 是一家很有意思的公司很多年了，但不是 1260 億美元市值水準的公司。」直到複利效應開始發酵，估值才指數爆發。問題是「人類大腦在情感上很難理解複利效應」，所以多數創業者撐不到那一天。

這兩個建議結合起來看，其實就是一句話：你要選一個會隨技術進步而越做越好的小題目，然後活下去。Applied Intuition 自己的技術棧大約每兩年砍掉重練一次，迄今已經完整迭代過四代。能夠這樣丟東西重做還繼續成長，本質上就是在押注「複利會發生在我們這邊」。

一些雜感

聽完這集我有兩個比較雜的感想。

一是繁體中文世界對 physical AI 的關注真的太少。LLM 的內容多到爆炸，但講機器人、自駕、嵌入式 AI 的深度內容極稀少。這個落差會反映在資本配置上，台灣硬體底子明明很適合切進去，卻因為缺乏產業共識而錯過視窗。我自己會努力多寫這方面的內容。

二是 Applied Intuition 的故事其實是一個非常古典的 B2B 致勝劇本：找一個夠難、夠專業、客戶很在意的問題，把工具做到沒人能比、然後整個產業都來付費用你的東西。沒有花俏的 to-C 故事，沒有病毒傳播，就是十年扎扎實實做工具，最後變成所有玩家都離不開的基礎設施。NVIDIA 是這個劇本，Applied Intuition 也走在同一條路上。

如果這篇對你有幫助，我的部落格 wilsonhuang.xyz 還會持續寫這類產業觀察跟 podcast 整理，歡迎訂閱不漏接。

Sources:

• Applied Intuition hits $15B valuation with $600M Series F
• Qasar Younis - Wikipedia
• Physical AI that Moves the World — Latent Space
• Applied Intuition Business Breakdown - Contrary Research
• Applied Intuition and LG Innotek Partnership - Korea Herald