“AI+”引领工业设计新纪元，打造梦想工厂！

编者按：今年的政府工作报告提到，要继续推进“人工智能+”的行动，致力于把数字技术与制造和市场的优势更好地结合，支持其广泛应用。这是“人工智能+”第二次出现在政府工作报告中。今年的重点在于如何将技术落实到实际应用上，尤其是制造业。《中国电子报》特别设立了“AI+制造”深度调研栏目，走进基层、企业，报道优秀案例，探讨新一代AI技术的机遇与挑战，推广“AI+制造”的中国方案。

最近，工信部召开了关于两化融合的工作会议，审议了《工业和信息化部信息化和工业化融合2025年工作要点》，并部署推进两化融合的具体措施。会议强调，要实施“人工智能（AI）+制造”行动，推动重点行业的智能升级，打造智能制造的“升级版”。

工业设计被认为是制造业的“命脉”，也是突破竞争限制的关键。设计往往依赖于人工经验，出图速度慢、错图率高？实验需要重复，配方和参数常常只能依靠不断试错？工程数据杂乱，图纸、工艺BOM版本混淆？在产业升级的关键时刻，这些老问题和新技术的快速发展交织在一起，很多工业企业开始重新考虑自己的研发创新路径。

传统研发设计模式正在被颠覆

在智能制造的浪潮下，工业研发设计的智能化程度已经成为企业竞争的关键所在。以往的研发模式就像是在“摸索前行”，深度依赖资深工程师的经验，成本高、周期长；而面对海量数据和复杂需求，人脑的计算能力显得捉襟见肘，这样的情况下优化空间巨大。

作为工业设计的重要工具，CAD（计算机辅助设计）在汽车制造、航空航天、建筑设计、机械工程等多个领域得到了广泛应用，几乎所有的产品设计都离不开CAD的建模与绘图。实际上，CAD的绘图过程涉及一系列复杂的建模操作，包括确定草图的3D起点和方向、绘制2D草图，以及将草图转化为3D实体形状，这些都需要专业知识和空间想象能力，学习成本也高。但随着大语言模型的出现，CAD的使用门槛正在降低，工程师可以用更少的精力创造出更好的设计。

例如，基础模型DeepSeek-Coder-1b就具备“自然语言输入-参数化模型输出”的插件功能，提升了现有工具的智能化程度。而创新的AI辅助设计平台“Text2CAD”则能够将自然语言描述直接转换为复杂的CAD模型。无论是初学者还是专家，Text2CAD都能根据需求生成精准的3D设计。

文生设计系统演示

工艺设计是离散型制造企业核心竞争力的重要组成部分。高效的工艺设计能够显著提升生产效率和产品质量，同时，先进的工艺设计也能促进技术创新。然而，由于工艺设计涉及分析、选择、规划、优化等多种功能需求，所需的知识和信息量庞大，还与生产环境的湿度、温度、设备自动化程度等紧密相关，极度依赖经验，传统的工艺设计软件往往难以满足用户的需求。

随着生成式AI技术的突破，许多行业从业者开始积极探索更智能的工艺设计方案。比如，利用大语言模型整理历史工艺数据和相关文档，预测不同工艺参数组合下的产品质量和生产效率，从而帮助工程师选择最佳工艺参数；分析设备故障报告和维护记录，迅速定位故障原因并提供解决方案；根据产品需求和生产资源，生成合理的工艺规划方案等。这些探索将推动智能化工艺设计新时代的来临。

“信息技术的快速发展正在推动制造业研发模式的根本性变革。”鼎捷数智PLM事业部总经理郭兆富感慨道。他提到，过去20年，研发领域的信息化主要集中在产品数字化和研发体系数字化。如今，面对多变的市场需求和技术压力，制造业正从“人找知识、人控流程”转向“AI+人+技术（系统）协同创新”的智能研发新模式。

AI赋能需找准业务场景中的“点”

目前，生成式AI正在重新定义工业研发设计的核心价值。华中科技大学机械学院的彭义兵认为，要让AI助力制造业，最有效的方式是找到某一个具体的“点”，对其进行智能化的提升，而当前的变化正体现在研发工具和系统的升级上。

工业智能化的未来：从点到面，逐步推进

彭义兵提到，“工业这个概念太广泛了，里面包含机械制造、电子设备、汽车制造等多个领域，还涉及到各种工艺。如果你想要搞一个能解决所有问题的大模型，那可能有点儿不切实际。最靠谱的办法还是要扎根具体的领域，找到那个有价值的‘点’。”比如，在概念设计方面，可以借助大语言模型来提炼市场需求；在结构设计上，客户优化算法可以帮忙减轻文件的负担；而在细节设计中，AI工具则能进行图纸的检测等工作。

AI设计引导软件示意图

南京智程信息科技有限公司的创始人张伟则表示：“我们的目标是通过AI来打破传统的3D设计方式。”他指出，现在很多企业已经有了不错的智能制造系统，但在设计、工艺和制造的数据处理上，依然还是人来完成的。他坦言，在这样的传统模式下，研发创新面临很多困难。

首先，企业在重复性工作上投入过多，因为要持续增长和盈利，就必须不断研发新产品，结果是产品设计、工艺和编程等工作重复出现；其次，随着零部件数量的增加，企业为了抢占市场而开发新产品，成本也在不断上升，最终导致利润下滑；再者，传统模式下需要大量人员参与研发，标准化的执行变得困难；最后，由于每个研发人员的能力和想法各不相同，确保一次性质量变得极为复杂，往往需要多次修改和返工，导致研发和产品周期失控。

“在AI时代，这些问题都将迎刃而解。”张伟充满信心地说。他相信，未来的产品研发将会由AI智能驱动，研发过程将实现智能化和自动化。这样的智能研发不仅能大幅提高效率和创新能力，还能通过智能系统实时监控和优化整个研发流程。

具体来说，设计图纸将从2D和3D转变为以AI为驱动的全3D模型，涵盖从概念设计到生产服务的全过程。例如，3D-AI智慧出图、3D-AI智能工艺、3D-AI智慧零部件管理和3D-AI智能成本核算等。“我们会从企业的设计规范、工艺知识和制造知识中提取关键内容，打造出设计模型、工艺模型、制造模型，甚至服务模型，结合结构化知识、传统算法与AI模型，形成这些3D-AI智能应用，真正让大家看到AI在工业中的价值。”张伟表示。

智能体落地的过程需要耐心

工信部在一次会议上提到，应该以工业智能体为抓手，深入发展人工智能在工业中的应用，推动工业数据集和大模型的创新发展。这为制造业的新一轮技术革命指明了方向。

鼎捷数智的执行副总裁刘波也表示：“在工业制造场景中，我们实际上已经找到了很多可以让企业使用智能体的丰富场景，从小的效果来看，客户已经能够感受到智能体的价值。”不过，他也提到，任何新技术的应用都需要经过长时间的沉淀和反复验证。制造业强调的是高可靠性，往往要解决的是“对不对”的问题，而不是“好不好”。目前，智能体在模型幻觉、通信协议不统一等问题的制约下，还无法满足所有业务场景的需求。

彭义兵对此观点表示认同。他指出，当前制造业中智能体的主要价值还是在于降本增效，不必期望从“无到有”就能创造出一个超级智能体，解决所有问题。实际情况是，智能体的应用必须是循序渐进，从点到面，逐步推进。

要在研发场景中打造出好用的智能体并不容易。以基于知识的智能体为例，目前常见的有几种类型，比如概率推理智能体、混合型智能体、逻辑智能体、规则型智能体和结构化知识智能体等。对于确定性知识，比如工艺手册中的参数、设备状态与故障规则、物料属性与库存逻辑等，知识性智能体表现得相当不错；但针对不确定性知识，比如新材料、新工艺、新能源、环境干扰、传感器噪声以及未知领域的探索，它的表现就不尽如人意。

刘波强调：“未来企业的竞争力将取决于AI应用的密度。我们希望通过工业智能体打通不同部门之间的壁垒，消除系统之间的数据隔阂，真正实现跨系统和跨领域的协作。未来的工作模式应该是：AI可以不受时间限制，提供全天候的服务。AI不仅能接管繁复的重复性工作，还可以突破人类思维的局限性，提高决策的实时性和准确性。最终，工业智能体将实现跨越系统和领域，推动企业更高效地服务和决策。”

关注中国电子报

关注本文作者

AI智能助力企业高效决策，你准备好了吗？

其实呢，咱们现在这个时代，AI的能力真的是越来越强大了。想象一下，有了AI的帮助，企业能24小时不停歇地运作，简直是无敌了！

说白了，AI不仅能接手那些重复又繁琐的工作，还能打破我们人类思维的限制，帮助企业在决策时更加快速和准确。这种技术的进步，真是让人兴奋啊！

最终，工业智能体将会在不同的系统和领域之间无缝连接，这样一来，企业的服务和决策效率就会大幅提升。你说，这样的未来，谁不想提前体验一下呢？

如果你想在网站上实现这种智能化，wordpress采集插件将是个不错的选择哦！