Jeff Bezos 的 Prometheus AI 募資 120 億美元打造「人工通用工程師」：實體 AI 如何改寫航空引擎、半導體晶片與摩天大樓的設計規則
【2026 年 6 月 14 日，台北】2026 年 6 月 11 日，亞馬遜創辦人 Jeff Bezos 與史丹佛科學家 Vik Bajaj 共同宣布，其創立的 AI 新創公司 Prometheus 已完成 120 億美元（約新台幣 3,900 億）的 Series B 融資，公司估值一舉突破 410 億美元。這不僅是 2026 年 AI 產業最大規模的募資案，更代表 AI 從「生成文字與圖像」正式邁入「設計與製造實體世界」的新紀元。
Prometheus 的核心願景極具野心——打造一個名為 「人工通用工程師」（Artificial General Engineer, AGE） 的 AI 系統，具備從概念設計、原型測試到量產製造的完整工程能力。這與我們熟悉的 ChatGPT、Claude 等大型語言模型截然不同：AGE 不是用來寫文章或程式碼，而是用來設計噴射引擎、半導體晶片、橋樑結構、醫療設備甚至摩天大樓。
Prometheus 的 120 億美元從哪裡來？
這筆 Series B 融資的背後站著全球最頂尖的金融機構。根據 CNBC 與 GeekWire 的報導，參與本輪融資的投資人包括 JPMorgan（摩根大通）、BlackRock（貝萊德）、Goldman Sachs（高盛）、DST Global 與 Arch Venture Partners，而 Bezos 本人也再次加碼投資。
這已經是 Prometheus 在短短七個月內的第二輪大型募資。2025 年底，Prometheus 甫成立時即以 62 億美元的 Series A 震驚市場；如今加上 Series B，累計募資總額已達 180 億美元，員工規模約 150 人，辦公室橫跨舊金山、倫敦與蘇黎世。
Bezos 在接受 CNBC 專訪時坦言：「這是一家資本密集的新創公司，毫無疑問。」他指出，資金主要用於兩個方向：專用訓練資料的生成與巨量運算資源。不同於 LLM 可以從網際網路大量抓取文字資料，AGE 需要的是物理模擬數據、計算流體力學（CFD）結果、有限元素應力分析資料和真實製造公差數據——這些資料無法從公開網路上輕鬆取得。
什麼是「人工通用工程師」？與聊天機器人有何不同？
要理解 Prometheus 的技術願景，首先需要認識到一個基本事實：設計與製造實體產品的困難度，遠高於生成文字或圖像。
以一具航空噴射引擎為例。在傳統流程中，從概念設計、工程圖繪製、原型打造、風洞測試到最終量產，可能需要一支數百人的工程團隊花費 十年以上的時間。每一階段的設計變更都牽涉到材料科學、熱力學、結構力學與製造工藝等多個領域的專業知識，任何一個環節出錯都可能導致數億美元的損失。
Prometheus 的 AGE 就是要顛覆這個流程。正如 Vik Bajaj 在接受 TechCrunch 採訪時所說：「過去幾年真正改變的是，我們有能力將像噴射引擎設計這樣複雜的任務，從設計到製造，視為一個端到端的 AI 問題。」
AGE 的工作方式大致如下：
1. 大規模模擬迭代 — AI 可以同時執行數百萬次設計模擬，快速探索各種材料組合、幾何結構與製造參數的排列組合。
2. 物理約束推理 — 不同於 LLM 只根據文字機率生成內容，AGE 必須理解物理世界的地面真理（ground truth）：材料疲勞極限、熱膨脹係數、空氣動力學效率——這些是由物理定律決定的，不是靠文字修辭可以改變的。
3. 製造可行性驗證 — 設計提案不僅要在仿真中成立，還必須能夠被實際製造出來。AGE 需要整合加工精度、組裝公差和成本限制等生產端資料。
4. 閉環學習 — AI 從實體的製造結果和性能測試中學習，形成「設計→模擬→製造→測試→改進」的閉環，持續優化。
如果 Prometheus 的願景得以實現，產品發明週期將從數年縮短為數月。這正是投資者願意以 410 億美元估值下注的核心邏輯。
為什麼這比大型語言模型更難？
許多人會問：既然 LLM 已經能夠寫出以假亂真的文章和程式碼，為什麼 AI 工程設計如此困難？答案在於訓練資料的本質差異。
文字和程式碼本質上是人類對知識的「符號化表示」——標籤、分類、註釋相對明確，訓練語料幾乎無限。但物理世界的資料是連續的、高維度的、且充滿雜訊。一個引擎葉片在高溫高壓下的疲勞裂紋成長曲線、一顆晶片在製造過程中的良率分布資料、一座橋樑在不同地震波型中的結構反應——這些資料需要從真實實驗和精密模擬中取得，成本極高。
Bezos 之所以反覆強調「專用訓練資料」和「運算」是兩大成本驅動力，正是因為 Prometheus 必須自行生成或模擬大量高品質物理資料，而非從網路上爬取。這也是為什麼 Prometheus 的資金需求遠超過典型的 AI 軟體新創。
410 億美元估值背後的實體 AI 趨勢
Prometheus 的鉅額募資並非孤立事件。它代表的是 「實體 AI」（Physical AI） 正在成為繼大型語言模型之後，AI 產業的下一個主戰場。
有別於純軟體的 AI 應用（聊天機器人、影像生成、程式輔助），實體 AI 專注於與真實世界互動、設計與製造實物。創投圈普遍認為，實體 AI 具有更深的護城河（moat），因為它需要專有資料、模擬基礎設施和製造業夥伴關係——這些是單純靠程式碼無法複製的壁壘。
有趣的是，Bezos 在訪談中也透露，Prometheus 正在探索成立一支規模可能高達 1,000 億美元的關聯基金，用於收購製造業公司。這意味著 Prometheus 不只是提供 AI 工具，而是要直接進入製造現場，將 AGE 從軟體工具轉化為真實工廠中的營運優勢。
Bezos 對此的願景是：「這是一個古老的夢想——建造一套能夠真正進行工程的工具，讓人類能夠更快地發明東西。」
對就業市場的影響：Bezos 的「勞動力稀缺」論
當被問及 AI 工程自動化是否會摧毀就業機會時，Bezos 提出了頗具爭議的觀點。他認為 AI 帶來的生產力提升將創造一個他所謂的 「勞動力稀缺」（labor scarcity）的時代，人類勞動力的需求將超過供給。
「顯著的生產力提升將會提高生活水準，」Bezos 在 CNBC 訪談中表示，「今天雙薪家庭的夫婦，將來可能只需要一個人工作。也許今天加班的人，將來不需要加班了。」
這個論述在亞馬遜持續推動倉庫自動化、並在過去一年裁撤數萬名員工的背景下，顯得格外耐人尋味。無論如何，Prometheus 的出現無疑將加速 AI 在製造業與工程領域的滲透速度。
小結：為什麼 Prometheus 值得關注？
對於台灣的科技產業而言，Prometheus 的崛起具有多重意義。首先，台灣作為全球半導體與精密製造重鎮，Prometheus 的 AI 工程設計能力如果成熟，將直接影響 IC 設計、晶圓製造、封裝測試與機械設備等關鍵產業的競爭格局。
其次，Prometheus 選擇從「設計端」而非「生產端」切入 AI 製造，這意味著台灣的製造業客戶可能成為其技術的首批應用場景。對於正在推動智慧製造與數位轉型的台灣企業來說，提前了解 AGE 的發展方向將有助於制定更具前瞻性的技術策略。
最後，Prometheus 的 180 億美元總募資額、150 人團隊的「小而精」組織結構，向市場傳遞了一個明確訊號：在 AI 時代，最有價值的公司不一定來自軟體領域，而是那些能將 AI 深入應用到實體經濟的企業。
從噴射引擎到半導體晶片，從摩天大樓到醫療設備——人工通用工程師的時代，才剛剛開始。
📢 你認為 AI 真的能在十年內設計出一架可飛行的噴射引擎嗎？還是實體 AI 只是另一個資本過剩的泡沫？歡迎在下方留言分享你的看法！