Applied Intuition 的主張是：若能把模擬、資料與控制工具做成平台，自治系統就不必只由少數車廠與國防承包商開發。
來源：a16z 與 Applied Intuition 對談；以下整理與來源觀點分開呈現，不構成投資或產品安全建議。
數位 AI 可以生成內容、最佳化廣告、處理軟體工作流；物理 AI 則直接碰到汽車、卡車、礦場設備、無人機與機器人。它的價值不只來自模型能力，還來自能否在不可預測的環境中可靠運作。
因此「把模型接上機器」不是最後一步。感測器、控制、測試場景、模擬器與部署流程，都必須一起被工程化。
對談中的核心框架是：自治系統要先在可重複、可擴充的虛擬環境裡遇見邊緣情境，再帶到真實世界。真實道路、工地與倉儲不會提供無限次安全重來的機會。
這不代表模擬能保證安全。它只是把「發現問題」從昂貴且有風險的實地測試，移到更早、能反覆檢驗的開發迴圈。
Applied Intuition 介紹的 Dana，目標是把多年累積的工具以平台形式提供。受訪者用「會做 iPhone app 的高中生，也應能開始做自治系統」描述降低門檻的願景。
真正的門檻不只在寫程式：資料品質、硬體差異、法規、驗證責任與實際操作風險不會因平台而消失。平台能縮短起跑時間，但不能替使用者承擔部署判斷。
長途運輸、採礦、國防與工業設備，都是對談反覆出現的場景。它們有明確的重複任務、高人力成本或難以補足的工種，因此可能比家庭機器人更早形成可驗證的部署需求。
這是受訪者對市場路徑的判斷，不是已完成的普遍事實。能否跨過安全、責任與經濟性門檻，仍要由每一種場景的實際運行資料回答。
「影響物理世界的 AI 公司，規模可能比只影響數位世界的公司更大。」
這是受訪者對物理 AI 潛力的預測；它依賴可靠部署，而非單靠模型展示。
選一個你認為不能略過的檢查點