Anthropic于2026年7月9日宣布与技术和工程服务公司UST合作，把Claude引入半导体、汽车、制造、通信、嵌入式设备和物联网等工程环境。双方将重点探索“物理AI”：让AI进入设计验证、生产测试、设备运维和数字孪生等流程，帮助工程团队更早发现问题，并减少后续制造阶段的高昂返工成本。

从芯片图纸到回归测试

芯片和硬件验证通常需要工程师反复编写测试脚本、运行设备、读取结果并继续修正。一处设计问题如果在验证阶段被发现，可能只需要数小时处理；如果等到工厂投入大规模生产后才暴露，就可能造成整批产品和供应链损失。

UST计划把Claude Code作为推理层接入其iDEC硬件与芯片验证平台。Claude可以读取芯片引脚说明和硬件原理图，生成并运行回归测试，再将真实设备的数据与数字孪生中的预期行为进行比较，用于识别固件回归、信号完整性异常等问题。

据UST披露，iDEC现有闭环流程已经能把典型验证周期缩短50%至70%，将原本约四天的工作压缩到48小时。加入Claude后的目标，是进一步降低人工编写脚本的负担，让错误更早进入工程师视野。需要注意的是，这些改善数据来自UST自身项目实践，后续效果仍取决于具体硬件、数据质量和验证标准。

物理AI延伸到更多行业

合作并不局限于芯片制造。在医疗场景中，UST计划让Claude连接理赔和照护系统，把分散的数据整理成供护理团队审核的行动建议；在通信领域，AI将辅助运营人员分析网络告警、预测无线接入网络故障并缩短中断时间；在银行场景中，Claude则被用于知识检索、案例处理、服务自动化和决策支持。

这些行业都强调人员审批和审计控制。Anthropic与UST表示，AI建议在进入客户服务、生产或医疗流程前仍需由人确认，并遵守行业数据边界。对企业而言，物理AI落地的难点不仅是模型能力，还包括权限、数据追踪、责任划分以及与现有工程系统的连接。

培训两万名专业人员

UST计划在全球培训2万名工程师、架构师、顾问和行业专家使用Claude，并组建专门团队负责部署。这种“先在自身工程环境验证，再服务客户”的方式，有助于把模型试验转化为可重复的行业流程。

编辑观察：生成式AI正在从办公室软件进入芯片、工厂和设备系统。物理AI真正的价值不在于替代单个工程师，而在于贯通图纸、测试、实时设备数据和数字孪生，让错误发现从事后排查前移到设计与验证阶段。

本文根据Anthropic官方信息整理。来源：UST is bringing Claude to physical AI。配图为AIcent原创生成图。