“AI+”開啟工業設計“造夢工廠”
http://www.debgrams.com 2025-07-01 09:33 來源：中國電子報
近日，工信部召開兩化融合工作領導小組會議，審議《工業和信息化部信息化和工業化融合2025年工作要點》，研究部署推進兩化融合的思路舉措。會議要求，實施“人工智能（AI）+制造”行動，加快重點行業智能升級，打造智能制造“升級版”。
工業設計是制造業的“生命線”，也是突破競爭壁壘的關鍵。設計高度依賴人工經驗，出圖慢、出錯率高？試驗重復率高，配方與參數只能靠反復試錯？工程數據割裂，圖紙、工藝BOM多版本混亂？站在產業升級的十字路口上，這些越“卷”越累的老難題和看不懂卻必須跟進的新技術交織在一起，越來越多的工業企業開始重新審視自己的研發創新路徑。
傳統研發設計模式正在被顛覆
在智能制造浪潮下，工業研發設計的智能化水平已成為企業競爭的“勝負手”。傳統的研發模式常常像是在“摸著石頭過河”，深度依賴資深工程師的經驗，制作成本較高，周期性長；同時，面對海量數據和復雜需求，人腦計算顯得力不從心，因此優化空間很大。
作為工業設計流程中的核心工具，CAD（計算機輔助設計）廣泛應用于汽車制造、航空航天、建筑設計、機械工程等領域，幾乎所有制造出來的產品都離不開CAD畫圖建模。據了解，CAD畫圖涉及一系列的建模操作，包括確定草圖3D起點和3D草圖平面方向、繪制 2D 草圖、將草圖拉伸成3D實體形狀的完整參數和過程，需要專業領域知識和空間推理能力，學習成本較高。而大語言模型的出現，降低了CAD畫圖的“門檻”，讓工程師能夠以更少的精力來打造更好的設計。
比如，基礎模型DeepSeek-Coder-1b便可以實現“自然語言輸入-參數化模型輸出”的插件功能，從而增強現有工具的智能化水平。創新AI輔助設計平臺“Text2CAD”則可以直接將自然語言描述轉化為復雜的CAD模型。無論是使用者是初學者還是專家，Text2CAD都能根據其需求生成精確的3D設計。
文生設計系統演示
工藝設計是決定離散型制造企業核心競爭力的關鍵。高效的工藝設計能夠顯著提高生產效率和產品質量，而且先進的工藝設計能夠促進技術創新。然而，由于工藝設計包含了分析、選擇、規劃、優化等不同性質的各種功能要求，所涉及的知識和信息量相當龐大，與空氣濕度、環境溫度、設備自動化程度等具體的生產環境有密切關聯，且嚴重依賴經驗知識，傳統工藝設計軟件往往難以滿足用戶需求。
在以大模型為代表的生成式AI技術取得巨大突破后，一些從業者開始積極探索更加智能化的工藝設計解決方案。比如，通過大語言模型梳理歷史工藝數據和相關文檔，預測不同工藝參數組合下的產品質量和生產效率，從而幫助工程師選擇最優工藝參數；分析設備故障報告和維護記錄，快速定位故障原因并提供相應的解決方案；根據產品需求和生產資源，生成合理的工藝規劃方案等。這些探索將推動智能化工藝設計新時代的到來。
“信息技術的飛速發展推動制造業研發模式發生顛覆式變革。”鼎捷數智PLM事業部總經理郭兆富感慨說道。他指出，過去二十年，研發領域信息化主要是以產品數字化、研發體系數字化為目標。今天，面對多變的市場需求與技術壓力，制造業正在從“人找知識、人控流程”邁向“AI+人+技（系統）協同創新”的數智研發新范式。
AI賦能需找準業務場景中的“點”
當前，生成式AI正在重塑工業研發設計的核心價值。在華中科技大學機械學院彭義兵看來，AI賦能制造業最現實的途徑是找到某一個“點”，對它進行人工智能的加持，而現在正在發生變化的就是研發工具和系統的升級。
“工業是個非常大的概念，包括機械制造、電子設備制造、汽車制造等多個子行業，里面還涉及各種各樣的工藝，你想做一個大而全的工藝大模型去解決所有問題，這可能不太現實。我覺得最理想的方向還是向垂直領域扎根，要找到一個具體的價值點。”彭義兵表示。比如，概念設計可以用大語言模型來提煉市場文檔、形成需求；結構設計可以用客戶優化算法來達到文件減重的目標；細節設計則可以用AI工具來進行圖紙檢測等。
AI設計引導軟件示意圖
“以AI突破傳統3D設計模式”，這便是南京智程信息科技有限公司選擇的那個“點”。“現階段，很多企業都建立了優秀的智能制造系統，但主要的設計、工藝、制造數據還是由人來完成。”南京智程信息科技有限公司創始人張偉坦言，“在這種傳統模式下，研發創新面臨諸多挑戰。”
首先，重復性工作過多，企業需要不斷增長和盈利，就需要不斷地研發新產品，所以會出現大量重復性工作，重復進行產品設計、工藝、編程等；其次，零部件增長，企業需要不斷搶占市場，就需要不斷開發新產品，零部件也會越來越多，導致成本持續攀升，利潤反而越來越低；第三，標準化難以達成，傳統模式需要大量人員來參與研發，標準化就很難去執行；第四，一次性質量難以保障，由于每個參與研發人員的學習能力、想法各有不同，一次性質量很難做到最優，需要不斷變更、返工，這就導致整個研發周期、產品周期都不可控。
“AI時代，這些問題都將得到解決。”張偉表示。他認為，產品研發的下一個范式是以AI智能驅動，實現研發過程的智能化和自動化。智能化研發不僅能夠顯著提高研發效率和創新能力，還能通過智能系統實時監控和優化研發過程。
具體到工業語言，即設計圖紙，將從2D、3D演進為以AI驅動的全3D模型，覆蓋概念、設計、工藝、制造、服務全過程。比如3D-AI智慧出圖、3D-AI智能工藝、3D-AI智慧零部件管理、3D-AI智能成本核算等。“我們把企業里面的設計規范、工藝知識、制造知識等抽取出來，打造設計模型、工藝模型、制造模型，甚至是服務模型等，讓結構化知識、傳統算法和AI模型結合，共同形成這些3D-AI智能化應用，讓大家看到AI在工業場景中真正的價值。”張偉表示。
研發智能體落地要“慢”一點
工信部兩化融合工作領導小組會議提出，要以工業智能體為抓手深化人工智能工業應用，帶動工業數據集、工業大模型的創新迭代。這為整個制造業新一輪技術革命指明了方向。
“實際上，在工業制造場景里面，我們已經找到了可以讓工業企業使用智能體的豐富的場景，從點狀效果來看，已經足以讓客戶感受到它的意義與價值。”鼎捷數智執行副總裁劉波感慨說道。但同時，他也指出，任何一項新技術都需要長期沉淀和反復驗證。制造業講究的是高可靠性，很多時候要解決的是“對不對”的問題，而不是“好不好”的問題?，F階段，智能體受制于模型幻覺、通信協議不統一等問題，暫時還無法滿足所有業務場景的需求。
彭義兵也持類似觀點。他認為，目前制造業中的智能體應用主要價值還是降本增效，不要指望從“0到1”打造一個超級智能體，就能解決所有問題。實事求是來講，智能體落地只能是以點及面、逐步推進。
具體到研發場景中，要打造一個好用的智能體絕非易事。以基于知識的智能體為例，目前常見的知識性智能體主要包括概率推理智能體、混合型智能體、邏輯智能體、規則型智能體以及結構化知識智能體等。對于確定性知識，比如工藝手冊中的參數、設備狀態與故障規則、物料屬性與庫存邏輯等，知識性智能體表現良好；但對于不確定性知識，比如新材料、新工藝、新能源、環境干擾與傳感器噪聲以及未知領域的探索，它的表現則差強人意。
“未來，企業的競爭力將取決于企業AI應用的密度，”劉波表示，“我們希望通過工業智能體可以打通部門壁壘，進而打通系統之間的數據隔閡，真正實現跨系統、跨領域的驅動和協同。未來的工作模式應該是：AI能夠擺脫時間的限制，提供7×24小時的服務。AI可以接管繁雜的重復性工作，同時也可以突破人類思維限制，提升決策的實時性和準確率。最終，工業智能體能夠實現跨系統和跨領域，驅動企業實現更高效的服務和決策。”
編輯精選
