事件
Claroty 在 2026 年 6 月推出 Claire，一款「CPS 原生 AI 安全代理」（Cyber-Physical System native AI agent）。這不是通用 ChatGPT，而是用「十年產業知識 + 規模最大的 CPS 資料庫」訓練的專用模型。
為什麼這很重要
1. 通用 AI 的盲點
ChatGPT、Claude、Gemini 都是在網際網路文本上訓練的。它們可以幫你寫論文、寫程式、回答數學題。但問它「這台製造機械臂的伺服馬達振動頻率 47Hz 是正常還是故障信號」，它會瞎掰。
為什麼？因為這不在網際網路上。這資訊只存在於： - 工程師的腦袋（經驗直覺） - 工廠的歷史維護紀錄（專有資料） - 機械設備的技術規格書（非公開文件）
通用模型沒有這些。
2. CPS（網路物理系統）的獨特性
工業 4.0、自主機器人、電廠控制系統——這些都是「網路物理系統」。特點： - 時間性敏感：延遲 100ms 可能釀成安全災難 - 安全攸關：預測錯誤不只是用戶體驗差、是人命關天 - 資料極端專業：馬達音頻、振動譜、溫度曲線、壓力梯度
這些資料的解讀需要機械工程、電氣工程、控制論背景。ChatGPT 沒有。
3. 為什麼 Claroty 有優勢
Claroty 專注工業安全 10+ 年。他們有： - 獨有資料集：客戶工廠的實際 CPS 操作紀錄（幾百家工廠、百萬級時間序列資料） - 領域專家團隊：懂 SCADA、PLC、工業協定的工程師 - 安全審計經驗：知道什麼樣的異常是「要立即斷電」還是「可以觀察」
他們的模型是在這些資料 + 知識上訓練的。所以 Claire 能做的事，通用 AI 根本做不了： - 識別某工廠特定機械的故障前兆 - 在毫秒級時間內建議防禦決策 - 理解工業協定的語義（ModBus、OPC-UA）
深層邏輯：護城河轉移
在大模型時代，很多人誤以為所有 AI 應用會被「通用基座模型」吃掉。但實際情況是：
舊護城河（軟體） → 新護城河（資料 + 領域知識 + 安全審計）
具體來說： - 醫療 AI（診斷）：需要百萬級醫學影像 + 臨床資料 - 金融 AI（風控）：需要交易歷史 + 違約案例 + 監管邏輯 - 工業 AI（CPS）：需要機械資料 + 故障紀錄 + 工程知識
擁有領域資料的公司，會在大模型時代持續獲勝。 因為沒有資料，再聰明的基座模型也失效。
未來啟示
如果妳在一個專業領域創業（醫療、法律、工業、金融），不要問「怎麼整合 ChatGPT」——要問「我有什麼別人沒有的資料」。資料才是真正的護城河。
Claire 的成功，本質上不是「AI 多厲害」，而是「Claroty 有 10 年的工廠資料別人沒有」。