九色porny国模私拍av-天堂а在线中文在线新版-亚洲成人一二三区-亚洲精选av-欧美亚洲精品在线-全部免费播放在线毛片

近日，工信部召開兩化融合工作領(lǐng)導(dǎo)小組會議，審議《工業(yè)和信息化部信息化和工業(yè)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(yè)智能升級，打造智能制造“升級版”。

工業(yè)設(shè)計是制造業(yè)的“生命線”，也是突破競爭壁壘的關(guān)鍵。設(shè)計高度依賴人工經(jīng)驗，出圖慢、出錯率高？試驗重復(fù)率高，配方與參數(shù)只能靠反復(fù)試錯？工程數(shù)據(jù)割裂，圖紙、工藝BOM多版本混亂？站在產(chǎn)業(yè)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(shù)交織在一起，越來越多的工業(yè)企業(yè)開始重新審視自己的研發(fā)創(chuàng)新路徑。

傳統(tǒng)研發(fā)設(shè)計模式正在被顛覆

在智能制造浪潮下，工業(yè)研發(fā)設(shè)計的智能化水平已成為企業(yè)競爭的“勝負手”。傳統(tǒng)的研發(fā)模式常常像是在“摸著石頭過河”，深度依賴資深工程師的經(jīng)驗，制作成本較高，周期性長；同時，面對海量數(shù)據(jù)和復(fù)雜需求，人腦計算顯得力不從心，因此優(yōu)化空間很大。

作為工業(yè)設(shè)計流程中的核心工具，CAD（計算機輔助設(shè)計）廣泛應(yīng)用于汽車制造、航空航天、建筑設(shè)計、機械工程等領(lǐng)域，幾乎所有制造出來的產(chǎn)品都離不開CAD畫圖建模。據(jù)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(shù)和過程，需要專業(yè)領(lǐng)域知識和空間推理能力，學(xué)習(xí)成本較高。而大語言模型的出現(xiàn)，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(shè)計。

比如，基礎(chǔ)模型DeepSeek-Coder-1b便可以實現(xiàn)“自然語言輸入-參數(shù)化模型輸出”的插件功能，從而增強現(xiàn)有工具的智能化水平。創(chuàng)新AI輔助設(shè)計平臺“Text2CAD”則可以直接將自然語言描述轉(zhuǎn)化為復(fù)雜的CAD模型。無論是使用者是初學(xué)者還是專家，Text2CAD都能根據(jù)其需求生成精確的3D設(shè)計。

文生設(shè)計系統(tǒng)演示

工藝設(shè)計是決定離散型制造企業(yè)核心競爭力的關(guān)鍵。高效的工藝設(shè)計能夠顯著提高生產(chǎn)效率和產(chǎn)品質(zhì)量，而且先進的工藝設(shè)計能夠促進技術(shù)創(chuàng)新。然而，由于工藝設(shè)計包含了分析、選擇、規(guī)劃、優(yōu)化等不同性質(zhì)的各種功能要求，所涉及的知識和信息量相當(dāng)龐大，與空氣濕度、環(huán)境溫度、設(shè)備自動化程度等具體的生產(chǎn)環(huán)境有密切關(guān)聯(lián)，且嚴重依賴經(jīng)驗知識，傳統(tǒng)工藝設(shè)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(shù)取得巨大突破后，一些從業(yè)者開始積極探索更加智能化的工藝設(shè)計解決方案。比如，通過大語言模型梳理歷史工藝數(shù)據(jù)和相關(guān)文檔，預(yù)測不同工藝參數(shù)組合下的產(chǎn)品質(zhì)量和生產(chǎn)效率，從而幫助工程師選擇最優(yōu)工藝參數(shù)；分析設(shè)備故障報告和維護記錄，快速定位故障原因并提供相應(yīng)的解決方案；根據(jù)產(chǎn)品需求和生產(chǎn)資源，生成合理的工藝規(guī)劃方案等。這些探索將推動智能化工藝設(shè)計新時代的到來。

“信息技術(shù)的飛速發(fā)展推動制造業(yè)研發(fā)模式發(fā)生顛覆式變革。”鼎捷數(shù)智PLM事業(yè)部總經(jīng)理郭兆富感慨說道。他指出，過去二十年，研發(fā)領(lǐng)域信息化主要是以產(chǎn)品數(shù)字化、研發(fā)體系數(shù)字化為目標(biāo)。今天，面對多變的市場需求與技術(shù)壓力，制造業(yè)正在從“人找知識、人控流程”邁向“AI+人+技（系統(tǒng)）協(xié)同創(chuàng)新”的數(shù)智研發(fā)新范式。

AI賦能需找準(zhǔn)業(yè)務(wù)場景中的“點”

當(dāng)前，生成式AI正在重塑工業(yè)研發(fā)設(shè)計的核心價值。在華中科技大學(xué)機械學(xué)院彭義兵看來，AI賦能制造業(yè)最現(xiàn)實的途徑是找到某一個“點”，對它進行人工智能的加持，而現(xiàn)在正在發(fā)生變化的就是研發(fā)工具和系統(tǒng)的升級。

“工業(yè)是個非常大的概念，包括機械制造、電子設(shè)備制造、汽車制造等多個子行業(yè)，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(xiàn)實。我覺得最理想的方向還是向垂直領(lǐng)域扎根，要找到一個具體的價值點。”彭義兵表示。比如，概念設(shè)計可以用大語言模型來提煉市場文檔、形成需求；結(jié)構(gòu)設(shè)計可以用客戶優(yōu)化算法來達到文件減重的目標(biāo)；細節(jié)設(shè)計則可以用AI工具來進行圖紙檢測等。

AI設(shè)計引導(dǎo)軟件示意圖

“以AI突破傳統(tǒng)3D設(shè)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(xiàn)階段，很多企業(yè)都建立了優(yōu)秀的智能制造系統(tǒng)，但主要的設(shè)計、工藝、制造數(shù)據(jù)還是由人來完成。”南京智程信息科技有限公司創(chuàng)始人張偉坦言，“在這種傳統(tǒng)模式下，研發(fā)創(chuàng)新面臨諸多挑戰(zhàn)。”

首先，重復(fù)性工作過多，企業(yè)需要不斷增長和盈利，就需要不斷地研發(fā)新產(chǎn)品，所以會出現(xiàn)大量重復(fù)性工作，重復(fù)進行產(chǎn)品設(shè)計、工藝、編程等；其次，零部件增長，企業(yè)需要不斷搶占市場，就需要不斷開發(fā)新產(chǎn)品，零部件也會越來越多，導(dǎo)致成本持續(xù)攀升，利潤反而越來越低；第三，標(biāo)準(zhǔn)化難以達成，傳統(tǒng)模式需要大量人員來參與研發(fā)，標(biāo)準(zhǔn)化就很難去執(zhí)行；第四，一次性質(zhì)量難以保障，由于每個參與研發(fā)人員的學(xué)習(xí)能力、想法各有不同，一次性質(zhì)量很難做到最優(yōu)，需要不斷變更、返工，這就導(dǎo)致整個研發(fā)周期、產(chǎn)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(chǎn)品研發(fā)的下一個范式是以AI智能驅(qū)動，實現(xiàn)研發(fā)過程的智能化和自動化。智能化研發(fā)不僅能夠顯著提高研發(fā)效率和創(chuàng)新能力，還能通過智能系統(tǒng)實時監(jiān)控和優(yōu)化研發(fā)過程。

具體到工業(yè)語言，即設(shè)計圖紙，將從2D、3D演進為以AI驅(qū)動的全3D模型，覆蓋概念、設(shè)計、工藝、制造、服務(wù)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(yè)里面的設(shè)計規(guī)范、工藝知識、制造知識等抽取出來，打造設(shè)計模型、工藝模型、制造模型，甚至是服務(wù)模型等，讓結(jié)構(gòu)化知識、傳統(tǒng)算法和AI模型結(jié)合，共同形成這些3D-AI智能化應(yīng)用，讓大家看到AI在工業(yè)場景中真正的價值。”張偉表示。

研發(fā)智能體落地要“慢”一點

工信部兩化融合工作領(lǐng)導(dǎo)小組會議提出，要以工業(yè)智能體為抓手深化人工智能工業(yè)應(yīng)用，帶動工業(yè)數(shù)據(jù)集、工業(yè)大模型的創(chuàng)新迭代。這為整個制造業(yè)新一輪技術(shù)革命指明了方向。

“實際上，在工業(yè)制造場景里面，我們已經(jīng)找到了可以讓工業(yè)企業(yè)使用智能體的豐富的場景，從點狀效果來看，已經(jīng)足以讓客戶感受到它的意義與價值。”鼎捷數(shù)智執(zhí)行副總裁劉波感慨說道。但同時，他也指出，任何一項新技術(shù)都需要長期沉淀和反復(fù)驗證。制造業(yè)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。現(xiàn)階段，智能體受制于模型幻覺、通信協(xié)議不統(tǒng)一等問題，暫時還無法滿足所有業(yè)務(wù)場景的需求。

彭義兵也持類似觀點。他認為，目前制造業(yè)中的智能體應(yīng)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(fā)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(guī)則型智能體以及結(jié)構(gòu)化知識智能體等。對于確定性知識，比如工藝手冊中的參數(shù)、設(shè)備狀態(tài)與故障規(guī)則、物料屬性與庫存邏輯等，知識性智能體表現(xiàn)良好；但對于不確定性知識，比如新材料、新工藝、新能源、環(huán)境干擾與傳感器噪聲以及未知領(lǐng)域的探索，它的表現(xiàn)則差強人意。

“未來，企業(yè)的競爭力將取決于企業(yè)AI應(yīng)用的密度，”劉波表示，“我們希望通過工業(yè)智能體可以打通部門壁壘，進而打通系統(tǒng)之間的數(shù)據(jù)隔閡，真正實現(xiàn)跨系統(tǒng)、跨領(lǐng)域的驅(qū)動和協(xié)同。未來的工作模式應(yīng)該是：AI能夠擺脫時間的限制，提供7×24小時的服務(wù)。AI可以接管繁雜的重復(fù)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(zhǔn)確率。最終，工業(yè)智能體能夠?qū)崿F(xiàn)跨系統(tǒng)和跨領(lǐng)域，驅(qū)動企業(yè)實現(xiàn)更高效的服務(wù)和決策。”