“嘿，Cat，我该怎么开始操作？”
2026年1月，拉斯维加斯CES展馆内，一台重达六吨的Cat 306 CR小型挖掘机迎来了它的高光时刻。当操作员用自然语言向机器发问时，回应几乎同步传来——声音来自一个直接运行在挖掘机本体上的AI系统，没有连接云端，没有延迟卡顿。机械臂随即精准抬起，现场观众不由自主地向前探身。
这一幕发生在全球最大的消费电子展上，主角却不是任何一家AI公司，而是拥有百年历史的工业巨头卡特彼勒。它的黄色涂装重型设备，正在以“钢铁+芯片”的方式，把AI从PPT上的概念变成工地上的现实。
从CES到工地：卡特彼勒的AI时刻
2026年第一季度，卡特彼勒正式推出Cat AI Assistant。这不是一个噱头式的AI聊天玩具，而是一套由多个AI智能体构成的实用工具，嵌入到网站、App以及设备驾驶室中。
现场技术人员站在机器旁时，可以直接通过语音指令调取维修流程、排查潜在故障，在开始维修前就能确定需要更换的零部件。驾驶室内版本更具想象力：它充当“机手教练”，从设备启动到交班全程保持连接，提供个性化操作建议、安全提示，甚至在操作员遇到问题时主动介入指导。
这套系统的技术底座颇为硬核。它运行在NVIDIA Jetson Thor边缘AI推理平台上，语音交互由NVIDIA Riva框架驱动，意图理解和回复生成则依靠Qwen3 4B大语言模型——全部在设备本地运行，无需联网。
近40年积累：采矿自动化的“降维打击”
卡特彼勒做AI不是从零开始。它的无人驾驶研发始于20世纪80年代中期，彼时工程师刚开始使用GPS全球定位系统。1989年前后，卡特彼勒与卡内基梅隆大学合作，在美国凤凰城试验场进行了首批无人驾驶卡车测试。2013年，首批八辆Cat 793F无人驾驶卡车在西澳大利亚投入使用，该矿场最终报告生产效率提升20%，且未发生任何工伤事故。
近40年后，全球已有820余辆Cat无人驾驶卡车投入运营，累计运输超过110亿吨物料，未收到一起工伤报告。卡特彼勒首席技术官Jaime Mineart在Ai4大会上明确表示：“现在正处于一个令人非常兴奋的阶段，我们可以把从采矿领域积累的所有经验带到更加动态的环境中，比如工作现场、采石场和建筑工地。”
但采矿是相对封闭、可控的环境，而建筑工地要复杂得多——人员、车辆、障碍物动态交织。把采矿的自动化经验推向这些场景，相当于把自动驾驶从高速路段搬到城市复杂路口。
具体产品方面，卡特彼勒在2026 CONEXPO展上推出了新一代碰撞缓解系统（Collision Mitigation），通过集成传感器阵列探测设备后方三个近距离区域内的人员与障碍物，不仅能报警，还能主动限制设备移动并实现自动紧急制动。Cat Grade精准自动化系统则让推土机、挖掘机和平地机实现自动平整作业，减少了对打桩和测量人员的需求。Cat Command远程控制系统支持操作员在安全距离对重型设备进行远程控制，从视距内操作到超视距操作均可实现——这让“一人监管多机”成为可能。
AI养AI：数据中心发电拉动历史级业绩
卡特彼勒正在用AI改造自己的设备，而AI行业本身也在用一种意想不到的方式反哺这家工业巨头——AI模型需要算力，算力需要数据中心，数据中心的服务器需要不间断供电，卡特彼勒正是全球最大的工业发电机组供应商之一。
2026年第二季度，卡特彼勒营收达到创纪录的205亿美元，同比增长24%，这是公司历史上首次单季收入突破200亿美元。其中，针对数据中心应用的大型发电机组需求强劲，推动Power & Energy部门发电设备销售同比增长29%。该部门整体营收达到82亿美元，同比增长17%，营业利润增长30%至20亿美元。
“这是公司历史上首次在一个季度内产生超过200亿美元的销售收入，”董事长兼CEO Joe Creed在财报声明中说，“强劲的订单率和不断增长的积压反映了我们三大核心部门的广泛动能。”Q2调整后每股收益达到8.17美元，远超分析师预期的6.20美元。
卡特彼勒的订单积压更是惊人——达到721亿美元的历史新高。Creed在电话会上透露，部分电力客户已将订单排至2030年。受此推动，卡特彼勒股价年初至今已上涨超过60%。
同时，卡特彼勒上调了全年营收预期，从“低两位数增长”上调至“中高两位数增长”。运营利润率从上年同期的17.3%扩张至20.9%，反映出强劲的定价能力和运营效率。
这三种现象——AI工具落地、采矿自动化迁移、数据中心发电拉动业绩——看似独立，实则指向同一个核心逻辑：卡特彼勒正同时扮演AI的“用户”和AI的“基础设施供应商”。它用AI改造自己的设备，又为AI行业提供运行数据中心所需的电力。
为什么是卡特彼勒：比AI公司更懂“物理世界”
几乎所有企业部署AI时都会遇到同一个问题：如何把这项技术真正融入日常运营？对卡特彼勒来说，这恰恰是它几十年一直在做的事。
卡特彼勒目前在全球拥有约160万台联网设备，结构化数据规模超过16 PB。这些数据不是用户的网页浏览记录，而是实打实的物理世界数据——设备运行参数、海拔、油耗、发动机温度、土方作业量。CTO Mineart透露，公司利用AI智能体升级传统代码、生成测试软件、更早发现缺陷，同时用AI扫描作业现场、在制造环节生成数字孪生模型。
卡特彼勒还在美国多个工厂推进基于NVIDIA Omniverse的数字孪生试点项目。团队可以在不进行任何实体改造的情况下，对产线调整进行仿真、测试调度场景、优化物料流转。这项能力让卡特彼勒在工业AI落地竞赛中，拥有大多数纯技术公司不具备的物理世界经验。
虽然Cat AI Assistant已经展现出强大的潜力，Mineart自己也承认，工业物理AI的终极图景还有很长的路要走：“自动化以及物理AI最困难的地方，在于如何把这项技术真正融入客户的工作现场和工作流程。”开发技术只是挑战的一部分；部署一台自动化设备，与让整个作业现场真正采用AI不是一回事。
1亿美元赌注：AI转型最难的其实不是技术
当设备变得越来越自动化，操作员的角色也在悄然改变——他们未来可能不必再直接操控单台机器，而是通过远程指挥中心同时监督多台设备。这意味着整个工作体系的组织结构、技能要求与培训方式都需要重塑。
2025年4月，卡特彼勒在百年庆典上做出了一项大胆承诺：未来五年投入1亿美元，帮助劳动力掌握适应AI时代所需的新技能。这笔投入中的2500万美元以“全球劳动力创新挑战赛”的形式发放，面向全球征集能帮助工人适应下一代AI工业系统的解决方案。目前，印第安纳州和得克萨斯州已分别获得首批500万美元资助，用于探索先进制造技能培训的新模式。
值得注意的是，卡特彼勒在AI培训策略上有一个关键差异：它依靠经验丰富的设备操作员来帮助训练AI系统。Mineart强调，这些员工经过数十年积累的行业经验和专业知识，恰恰是AI系统最需要的“训练数据”。技术不是来替代人的，而是把人的经验放大到机器能理解的层面。
这种“人机协作”的理念，比大多数公司喊的“AI赋能”要具体得多。
双重角色：既是卖铲人，也是铲子用户
卡特彼勒的独特之处在于，它同时站在AI产业链的两端。
一端是“供应商”：数据中心离不开它的发电设备。Q2财报中，大型发电机组和燃气轮机需求主要来自数据中心建设，部分客户订单已排至2030年。
另一端是“用户”：它的160万台联网设备在日常运行中生成海量数据，这些数据反过来训练AI模型，让设备变得更智能。从碰撞缓解系统到Cat AI Assistant，从自动平整到数字孪生——卡特彼勒既是AI技术的推动者，也是最大的受益者之一。
这种双重角色在传统工业公司中极为罕见。大多数工业公司要么是AI的买方（采购软件），要么是供应方（提供设备），像卡特彼勒这样同时占据“需求”和“供给”两侧的，几乎找不到第二个。
传统工业巨头的AI突围启示
卡特彼勒的案例为传统工业企业提供了三个明确的启示。
第一，物理世界数据的价值被严重低估。160万台联网设备、16PB的结构化数据，是卡特彼勒在工业AI时代最深的护城河。数据不是越多越好，关键是数据是否来自真实世界的物理场景——这对工业AI至关重要。大多数AI公司的训练数据来自互联网，而卡特彼勒的数据来自工地、矿山、采石场，这种稀缺性很难被复制。
第二，AI基建正在反向拉动传统工业。AI不仅催生了英伟达GPU的需求，也在催生卡特彼勒发电机组的订单。在这一轮AI投资热潮中，最确定性的赢家不只是芯片公司，还有“养”数据中心的电力设备供应商。卡特彼勒已有的721亿美元订单积压，就是最有力的佐证。
第三，培训投入是衡量AI转型决心的关键标尺。1亿美元对卡特彼勒的体量来说不算小，但这笔投入的象征意义远大于金额本身——它标志着管理层真正理解了AI转型的核心瓶颈不在技术，而在人。
卡特彼勒正在证明一件事：AI革命不只发生在云端，更发生在地面。当六吨重的挖掘机听懂你的每一句话，工业智能化的轰鸣声才刚刚响起。
快报