未來兩年 AI 設計瓶頸將轉移 | McCord
未來兩年 AI 設計瓶頸將轉移 | McCord
Nominal 執行長 Cameron McCord 認為,硬體工程在 AI 匯入上落後軟體,而隨著代理式根本原因分析帶動早期工業應用成果,驗證——而非設計——正成為關鍵瓶頸。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Nominal 共同創辦人暨執行長 Cameron McCord 認為,AI 很快就會讓硬體設計變得又便宜又快速,真正的瓶頸將因此轉移到實體測試與驗證。這場對談大部分時間都花在 Nominal 的平臺、工業硬體資料碎片化的問題,以及公司的成長指標上;「設計瓶頸兩年內轉移」這個論點只是開場框架,實際只佔了幾分鐘。
Nominal 在錄音當天宣佈以 30 億美元估值完成 2.4 億美元募資,距離上一輪僅約八個月。McCord 描述的公司,等於得把三種產品做在一起——資料擷取基礎設施、代理層,以及面向人員的應用程式——才能同時服務 AI 原生硬體新創與《財星》百大工業企業。讀者讀完應該能掌握 Nominal 的數字、它對 AI 擴散緩慢之處的看法,以及 McCord 在「生出設計」與「證明設計可行」之間畫出的落差。
AI 壓縮設計工作,驗證反而成為限制
McCord 的核心預測是:未來 12 到 24 個月內,AI 代理會在實體設計空間——CAD、CFD、建模與模擬——快速迭代,而這只會讓瓶頸移動,不會讓瓶頸消失。「要證明這些系統在真實世界裡能用,沒有替代方案,」他說,真正有價值的迴圈,是把驗證結果及早回饋到設計端,最好是由代理自動完成。他把整條發展弧線定調為 AI 正在改造「硬體開發生命週期」——這是 Nominal 對打造實體產品所有環節的統稱。
主持人以 GPT-6 Astra 為引子談「機器人時刻」,他對此存疑。他承認,一鍵生成零元件或小裝置很厲害,但從那裡到量產系統、再到完成正式驗證與確認,中間的落差才是關鍵。他的看法是,前沿 AI 擴散到工業領域的速度「慢得多得多」,遠不如許多人期待——而縮小這個落差正是 Nominal 的使命。
「瓶頸會轉移到我們一直專注的領域,也就是測試、驗證與確認。」
硬體資料散落在 10 到 20 個來源,這就是護城河
McCord 認為,特定領域 AI 的贏家,會是能把人類決策背後的資料與脈絡蒐集起來並持續維護的那一方。在硬體領域,這件事格外困難。典型工業客戶的資料散落在 10、15、甚至 20 個地方:手寫規格表、沒被記錄下來的技師判斷、圖面、設計、遙測與感測器資料。Nominal 為了處理這件事,等於得「把將近三種生意做進一家公司」。
| 層級 | Nominal 打造的東西 | 用途 |
|---|---|---|
| 資料基礎設施 | 從零到一的擷取、正規化、彙整、標記、結構化 | 把資料從硬體系統取出並變得可用 |
| 代理層 | 建在資料層之上的「Analyst」代理 | 執行過去只有人能做的工程任務 |
| 應用程式 | 傳統的面向人員工具 | 讓工程師充實資料 |
McCord 也強調命令與控制——在任務關鍵型應用中對真實硬體下指令——這是與資料擷取截然不同的能力。他提到平臺以 Rust 打造以追求效能,但這個細節對許多工業客戶來說無關緊要。
客戶橫跨 AI 原生新創與不懂 Python 的工程師
Nominal 約有 80 家客戶,一半是洛杉磯與舊金山的 AI 原生硬體公司,一半是《財星》百大製造商與工業企業。McCord 說,公司與七家最大航太與國防企業中的五家合作。這兩端客戶需要完全不同的溝通方式:他描述自己先向 AI 原生客戶解釋 Analyst 代理,接著再向「連 Python 是什麼都不知道」的客戶解釋同一個產品。
這樣的分佈正是他眼中擴散落差的證據。前沿技術進入工業領域的腳步並不平均,而過去六到九個月的企業端工作,重點都放在讓傳統買家願意信任 AI 的那些事——資料安全、治理、控制、配置管理。
根本原因分析是第一項提速 90–95% 的工作流程
McCord 把 Nominal 定位成一個編寫環境,讓工程師把自己原本就在做的任務寫成代理技能。他最常舉的例子是根本原因分析:當硬體或機器人系統故障時,工程師得手動翻遍龐大資料集尋找異常。他說包括 Nominal 在內的工具現在在這件事上「相當不錯」,而真正的躍進,是讓工程師只要下一個提示,就能在這類手動流程上獲得 90–95% 的加速。
他明確表示,目標不是精簡人力。他說 Nominal 的關鍵指標,是讓工程師有如獲得超能力,能把時間花在高認知、創造性的工作上,並對自己敢嘗試的事情更有企圖心。
下一片前沿是代理統籌的供應鏈
McCord 最興奮的應用,是把整個硬體生態系串起來,尤其是供應端。Nominal 的客戶位於整合端——他們做火箭、飛機、汽車、核反應爐——零元件則向眾多供應商採購組裝。他希望具備長程規劃與大脈絡的代理,能協調橫跨數百家公司的供應鏈任務,讓零元件在五到七家企業之間完成製造、測試與生產。
被問到這是否意味著更多在地製造,他說更可能意味著更有彈性的製造。他點出航太與國防供應鏈的脆弱性,並主張若能建立一條回溯到早期製造動作的數位執行緒,企業就能因應缺料、變更與故障。照他的說法,結果會是更健康、更有活力的供應基礎,而不是特定指「國產化」。
flowchart TD
A["AI 原生設計代理迭代 CAD、CFD、模擬"] --> B["設計生成更快、更便宜"]
B --> C["實體測試與驗證"]
C --> D["異常資料與根本原因分析"]
D --> E["代理回饋至設計"]
E --> A
C --> F["橫跨 5 到 7 家企業的供應鏈協調"]
F --> C
八個月營收成長 3.5 倍,代理已匯入 80% 客戶
Nominal 上一輪募資在 2026 年 3 月宣佈,因此新一輪約在八個月後。McCord 說營收至今成長近 3.5 倍,全年可望達到 5 倍。他認為最有說服力的是採用率數字:Analyst 已推廣到超過 80% 的客戶,在一個必須先贏得信任的產業裡,他認為這意義重大。
| 指標 | 數字(依 McCord 說法) |
|---|---|
| 新一輪募資 | 2.4 億美元 |
| 估值 | 30 億美元 |
| 上一輪宣佈時間 | 2026 年 3 月 |
| 至今營收成長 | 約 3.5 倍 |
| 全年營收目標 | 5 倍 |
| 客戶數 | 約 80 家 |
| Analyst 匯入率 | 超過 80% 客戶 |
| 航太與國防 | 七家最大中的五家 |
| 已完成收購 | 2 件 |
McCord 說,公司接下來會更積極收購公司、人才與技術,以涵蓋整個硬體開發生命週期——需求、建模與模擬、設計、測試,以及已部署的機器人與硬體系統。
一鍵設計與實際出貨系統之間的落差,才是值得投資的問題
本集的張力在於:McCord 賣的是驗證基礎設施,卻同時預測驗證即將成為稀缺的投入。如果他的時間表成真,縮短測試與驗證迴圈的工具,價值會正好在設計生成被商品化的同時水漲船高。反向的力量則來自他自己的觀察:工業採用緩慢、且必須先建立信任,這限制了這個轉變能多快變現。接下來有兩件事值得觀察:5 倍營收目標能否在 2026 年底前達標,以及供應鏈代理的願景能否在目前單一企業內的根本原因工作流程之外,做出任何具體成果。標題所說的「兩年內設計瓶頸轉移」是 McCord 的框架,不是已證實的結果——本集裡的證據,是一個採用率達 80% 的代理,以及一條快速成長的營收曲線。