非营利组织 Fermi Explorer Mission 于 2026 年 9 月 1 日宣布，计划在 2029 年底前发射一艘飞往半人马座α星（Alpha Centauri）的航天器。这趟旅程堪称人类最野心勃勃的太空计划之一：半人马座α星距地球约 4.4 光年（约 25 万亿英里），航天器抵达时可能需要长达 8 万年。

真正引人注目的是这趟航线的来历——它不是由任务团队的工程师算出来的，而是由一家名为 Physical Superintelligence（PSI）的 AI 物理研究实验室开发的系统发现的。

一个开源 AI 系统”自己搞定了”

PSI 与 Fermi Explorer Mission 在同一天对外亮相。PSI 由微软联合创始人比尔·盖茨创办的气候投资机构 Breakthrough Energy 领投，首轮融资 5800 万美元。其推出的开源软件”Get Physics Done”会把一个物理学研究问题拆成若干子任务，并自行决定该运行哪些仿真，底层调用了包括 Anthropic 的 Claude、OpenAI 的 GPT 在内的 AI 模型。

Fermi Explorer Mission 联合创始人兼总裁 Philip Johnston 表示，团队此前花了一年时间尝试，却始终找不到一条能让这艘造价仅 1500 万美元、靠太阳能供电的小型航天器真正飞抵半人马座α星的路线。他们反复卡在一个棘手问题上：既要给航天器足够动力，又不能让它太重，否则燃料消耗会失控。

Johnston 在一次由 PSI 联合创始人、物理学家 Alex Wissner-Gross 主持的播客中提到了这个难题，后者主动提出用实验室的系统跑一遍。一周后，AI 给出了一条让团队意外的全新轨道。

贴近太阳的”借力”轨道

根据一份尚未经过同行评审的论文，这条轨道以一种 Fermi 团队未曾考虑过的方式，组合了已知的轨道机动动作：航天器会先减速，让轨道摆向比水星更靠近太阳的位置；在每一次近距离掠过时点燃发动机，此时太阳能板能接收到四倍的日照，而高速下的那一下推进能比在别处同样点火换取更多能量。由于发动机只在靠近太阳时工作，太阳能板可以做得很小，航天器也能保持轻巧。

PSI 联合创始人兼 CEO Matt Pines 介绍，该系统基本自主工作了三天，消耗了约 10 亿 token 的算力；实验室一名天体物理学家负责把它引向任务要求、要求补充成本分析和更清晰的图表，并核查输出中的错误。

Pines 也指出，模型缺乏人类研究者的判断力与品味，不清楚哪些问题有趣、哪些路径值得追，因此常会钻进死胡同或遗漏其他思路。”我们还没想清楚这些模型要如何内在地表达这类判断。”他说。

比”突破摄星”更想真正上天

Fermi Explorer Mission 把低成本本身当作目标，正是对此前方案的回应。2016 年，投资人 Yuri Milner 宣布”突破摄星”（Breakthrough Starshot）计划，打算用强激光把微型探测器推到五分之一光速，争取 20 年内抵达半人马座α星，并承诺投入 1000 万美元做概念验证；但十年过去，仍无一艘探测器升空。

“我们不想再做一个’突破摄星’，”Johnston 说，”我们铁了心要做成一桩真正能发射的事。”为把成本压到约 1500 万美元，团队主动放弃了”在有生之年抵达”的约束——”先想办法到另一颗恒星就行”。作为参照，人类发射过最快的航天器之一”旅行者 1 号”自 1977 年飞行至今，才走过不到 1% 的路程；以它的速度，单程要 7 万年以上。

这艘探测器将携带至少 1 公斤载荷，包括艺术与科学载荷、信息，以及一张”金唱片”的复制品——那是 NASA 在 1977 年随两艘”旅行者”探测器附上的镀金唱片，记录着地球的声音与影像。

启示：AI 正在进入科学发现核心

把 AI 从”数据处理工具”推到”航线规划者”，这项案例折射出”AI for Science”方向的进展：当系统能自主分解问题、跑仿真、并给出人类未想到的方案，它开始触及科学发现的核心决策环节。PSI 方面也坦言，当前模型仍依赖人类专家把关，远未到可以独立信赖的程度。

在深空探测与 AI 辅助科研领域，中国同样持续投入：从”天问”系列行星探测到各类 AI for Science 研究计划，国内团队也在探索把大模型与仿真用于轨道设计与科学发现。这类跨国探索共同说明，AI 与基础科学的结合正在从辅助走向更前端的位置。

卡特彼勒的自主化探索始于矿业。在劳动力短缺、作业环境危险的矿井里，自动化最先体现出价值。如今公司对外销售自动驾驶矿用卡车、自动化钻机、地下装载机、推土机以及遥控工程机械，并配套提供软件指挥中心、车队管理系统与远程地形情报等工具。

在接受 TechCrunch 采访时，公司首席技术官米尼尔特（Jaime Mineart）表示，当下正处在一个令人兴奋的节点——可以把采矿场景里学到的全部经验，带进更动态的环境，包括各类工地、采石场与建筑现场。

一线技师用语音召唤维修知识

面向现场技师与公司员工，卡特彼勒推出了一款名为 Cat AI Assistant 的语音助手。站在设备旁的技师可以用语音调出维修流程、排查潜在故障，并提前确认需要的零件。米尼尔特称，该工具已经供客户、操作手与技师使用。

这套助手依托的是卡特彼勒自有的设备数据：公司在全球约有 160 万台联网设备，累计产生超过 16 PB 结构化数据。除此之外，公司还用人工智能驱动场地扫描软件、在制造环节生成数字孪生以分析运营；和多数企业一样，它也在用人工智能智能体改造旧代码、生成并测试新软件、更早地发现缺陷。

一百亿美元投向人力转型

米尼尔特强调，造出技术只是挑战的一部分，部署一台自主设备不等于把整个场地改造成会用人工智能的样子。企业必须重新思考人与技术协作的方式，以及既有流程该如何改变。她认为，资深操作手的经验是训练人工智能系统的关键资产。

随着设备越来越自主，部分操作手会从驾驶单台机器，转向在远程指挥中心同时管理多台机器。这给卡特彼勒带来一个新难题：如何培训其 11.8 万名员工。公司计划在五年内投入 1 亿美元，用于人工智能、自主化与机器人方面的员工培训。

发电设备热销托起创纪录营收

这轮投入赶上了人工智能基建的东风。卡特彼勒第二季度营收达到 205 亿美元的历史新高，其中发电设备部门销售额猛增 72% 至 31 亿美元，主要受益于数据中心用电设备需求。首席执行官克里德（Joe Creed）称，云计算与生成式人工智能基础设施的需求”没有人减速”。

在边缘侧，卡特彼勒还把英伟达 Jetson Thor 边缘人工智能芯片带到了推土机、挖掘机、轮式装载机与压路机上。在展演示中，操作手对挖掘机发出语音指令，设备借助英伟达 Riva 语音工具在本机完成处理，无需往返云端。

米尼尔特总结道，自主化与”物理人工智能”真正的难点，在于把技术融进客户工地与工作流。这或许正是传统制造业切入人工智能时，最该补的一课。物理人工智能与工业智能化，也是全球制造业共同面对的课题。