Archie：用工程级AGI设计戴森球，背后是2300万美元的押注

一句话总结：这家AI创业公司用自主训练的语言模型打造能设计复杂物理系统的工程AGI。

---

内容概览

• 主题：工程AGI，物理系统设计，大型语言模型，自动化设计，创业融资
• 适合人群：AI工程师、机器学习研究员、工业设计师、创业者、技术投资人

---

核心观点

1. 打造面向复杂物理系统的AGI，超越纯软件智能
   P1 AI打造的“Archie”可以设计从戴森球到商用空调系统等实际硬件，目标是对物理世界产生深远影响。

2. 彻底自主的模型与系统，不依赖常见云端API
   他们公司用自研pipeline和后训练大语言模型，不用公开云服务，结合专用的代理工具链完成复杂设计任务。

3. 交互式环境支持设计迭代与组件替换
   Archie能根据工程师指令修改设计，调整性能参数，替换部件，甚至自动修复几何干涉，具备半自主设计能力。

---

深度解读

1. 从软件智能到物理系统的AGI

AI界对通用智能的大部分期待集中在数字世界，更多应用于文本、图像、代码生成等纯软件领域。P1 AI的创始人不满足于此，他们立志让AGI踏入“原子”的世界——真正操控物理系统的设计。

这家由Airbus前高管联合创办的公司筹集了2300万美元种子轮，投资者阵容令人瞩目：谷歌传奇工程师Jeff Dean、OpenAI产品副总Peter Valinder，以及知名创业者Bob等。他们的愿景是开发一个“工程师级AGI”，它不仅理解复杂系统的技术细节，还能自动设计飞机、空调系统，甚至设想戴森球级别的巨型结构。

这意味着，该AGI必须跨越纯文本推理，结合设计语言、物理模型和3D建模，去调用内部自研的代理程序、仿真工具以及后训练的LLM，实现真正的物理工程设计自动化。

2. Archie演示：给AI下军令状，改设计性能

视频中，创始人展示了他们的代理“Archie”如何在Slack和Web UI中工作。举例来说，他先让Archie加载一个住宅空调系统设计，系统文件是用特定的工程语言（类似系统建模语言）表达的。

Archie能：

• 读取工程文档，计算性能指标比如制冷系数（COP）、冷量和成本
• 用2D、3D视图展现系统结构，显示包含风扇、电机、蒸发器等的组件细节
• 破解复杂的系统几何关系，发现设计上的“碰撞”并自动调整部件位置

怎么操作？创始人直接给Archie下指令：“把COP从1.55提高到2.5，同时保持能耗不变。” Archie会调用它内部后训练过的语言模型、代理脚本和代理仿真器，一边修改设计文档，一边反复评估性能。

效果如何？Cop从1.55升到2.37，虽然未完全达标，但几乎练就了一个能严格迭代优化的“设计师”AI。后续再让它调整系统尺寸，换用不同厂家压缩机，以演示换件功能。

这整个过程毫无人工介入，真正做到了设计方案的自动修改、计算、渲染、校验多步骤闭环。

3. 逼近工业界真实需求的“数字化劳动力”

P1 AI不仅造模型，还把目标放在工业巨头和OEM客户身上，他们想用Archie取代部分设计工程师，用数字劳动力节约成本。

他们详细解释了后训练大语言模型的技术细节：

• 自己合成训练数据，制造“设计样本”
• 内部架构结合Python解释器、bash、文件系统、定制工具和自研模型
• 不依赖OpenAI、Xisgro等外部云服务，保证模型私有化和专用性
• 用RLHF（强化学习）或类似OpenAI的“verifiable rewards”机制强化模型表现

招聘需求中，强调了需要精通训练大模型、RLHF、视觉语言模型，还有批量合成数据专家。显然团队正朝着构建完整设计闭环的方向加速。

用“数字劳动力”角度来看，Archie不是单纯工具，而是设计师角色的数字替代。未来如果它能在性能和效率上超过人类工程师，企业只需支付数字工程师的“工资”，就能大幅节省研发费用。

4. 面向未来的挑战和隐含价值

尽管目前还处于demo阶段，Archie已经展现了诸多超越传统CAD和仿真软件的潜力，比如：

• 多模态交互：文本指令直接驱动设计变更，摆脱繁琐鼠标操作
• 自动纠错：实时发现设计冲突并提出调整方案
• 供应链灵活性：自动替换不同品牌部件，快速适配市场变化
• 可扩展性：从住宅空调系统走向复杂飞机引擎、乃至戴森球这类超大工程

这代表着未来“设计自动化”不再是简单参数调整的机械化重复，而是结合AI理解、工程知识多维度交互的一场革命。

---

值得记住的话

"We want to move AGI from the digital world of electrons into the physical world of atoms."

"Archie is not just a tool, it’s a digital workforce replacing the work of design engineers."

"All of these models are post-trained internally; we do not rely on OpenAI or any external cloud APIs."

---

标签

AI 工程 创业 大语言模型 工具