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）+製造”行動，加快重點行業智能升級，打造智能製造“升級版”。

工業設計是製造業的“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
？試驗重複率高，配方與參數隻能靠反複試錯？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

在智能製造浪潮下，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，製作成本較高，周期性長；同時，麵對海量數據和複雜需求，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）廣泛應用於汽車製造、航空航天
、建築設計、機械工程等領域，幾乎所有製造出來的產品都離不開CAD畫圖建模。據了解，CAD畫圖涉及一係列的建模操作，包括確定草圖3D起點和3D草圖平麵方向
、繪製 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輔助設計平台“Text2CAD”則可以直接將自然語言描述轉化為複雜的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。

文生設計係統演示

工(gong)藝(yi)設(she)計(ji)是(shi)決(jue)定(ding)離(li)散(san)型(xing)製(zhi)造(zao)企(qi)業(ye)核(he)心(xin)競(jing)爭(zheng)力(li)的(de)關(guan)鍵(jian)。高(gao)效(xiao)的(de)工(gong)藝(yi)設(she)計(ji)能(neng)夠(gou)顯(xian)著(zhu)提(ti)高(gao)生(sheng)產(chan)效(xiao)率(lv)和(he)產(chan)品(pin)質(zhi)量(liang)，而(er)且(qie)先(xian)進(jin)的(de)工(gong)藝(yi)設(she)計(ji)能(neng)夠(gou)促(cu)進(jin)技(ji)術(shu)創(chuang)新(xin)。然(ran)而(er)，由(you)於(yu)工(gong)藝(yi)設(she)計(ji)包(bao)含(han)了(le)分(fen)析(xi)、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ji術shu取qu得de巨ju大da突tu破po後hou，一yi些xie從cong業ye者zhe開kai始shi積ji極ji探tan索suo更geng加jia智zhi能neng化hua的de工gong藝yi設she計ji解jie決jue方fang案an。比bi如ru，通tong過guo大da語yu言yan模mo型xing梳shu理li曆li史shi工gong藝yi數shu據ju和he相xiang關guan文wen檔dang，預yu測ce不bu同tong工gong藝yi參can數shu組zu合he下xia的de產chan品pin質zhi量liang和he生sheng產chan效xiao率lv，從cong而er幫bang助zhu工gong程cheng師shi選xuan擇ze最zui優you工gong藝yi參can數shu；分析設備故障報告和維護記錄，快速定位故障原因並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製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
、研發體係數字化為目標。今天，麵對多變的市場需求與技術壓力，製造業正在從“人找知識
、人控流程”邁向“AI+人+技（係統）協同創新”的數智研發新範式。

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賦能製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係統的升級。

“工業是個非常大的概念
，包括機械製造
、電子設備製造、汽(qi)車(che)製(zhi)造(zao)等(deng)多(duo)個(ge)子(zi)行(xing)業(ye)
，裏(li)麵(mian)還(hai)涉(she)及(ji)各(ge)種(zhong)各(ge)樣(yang)的(de)工(gong)藝(yi)，你(ni)想(xiang)做(zuo)一(yi)個(ge)大(da)而(er)全(quan)的(de)工(gong)藝(yi)大(da)模(mo)型(xing)去(qu)解(jie)決(jue)所(suo)有(you)問(wen)題(ti)，這(zhe)可(ke)能(neng)不(bu)太(tai)現(xian)實(shi)。我(wo)覺(jiao)得(de)最(zui)理(li)想(xiang)的(de)方(fang)向(xiang)還(hai)是(shi)向(xiang)垂(chui)直(zhi)領(ling)域(yu)紮(zha)根(gen)，要(yao)找(zhao)到(dao)一(yi)個(ge)具(ju)體(ti)的(de)價(jia)值(zhi)點(dian)。”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製造係統，但主要的設計、工藝、製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，研發創新麵臨諸多挑戰。”

首先

，重複性工作過多
，企業需要不斷增長和盈利，就需要不斷地研發新產品，所以會出現大量重複性工作，重複進行產品設計、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，由於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，產品研發的下一個範式是以AI智zhi能neng驅qu動dong，實shi現xian研yan發fa過guo程cheng的de智zhi能neng化hua和he自zi動dong化hua。智zhi能neng化hua研yan發fa不bu僅jin能neng夠gou顯xian著zhu提ti高gao研yan發fa效xiao率lv和he創chuang新xin能neng力li，還hai能neng通tong過guo智zhi能neng係xi統tong實shi時shi監jian控kong和he優you化hua研yan發fa過guo程cheng。

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、製造、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。“我們把企業裏麵的設計規範、工藝知識
、製造知識等抽取出來，打造設計模型、工藝模型、製造模型，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。這為整個製造業新一輪技術革命指明了方向。

“實shi際ji上shang，在zai工gong業ye製zhi造zao場chang景jing裏li麵mian，我wo們men已yi經jing找zhao到dao了le可ke以yi讓rang工gong業ye企qi業ye使shi用yong智zhi能neng體ti的de豐feng富fu的de場chang景jing，從cong點dian狀zhuang效xiao果guo來lai看kan，已yi經jing足zu以yi讓rang客ke戶hu感gan受shou到dao它ta的de意yi義yi與yu價jia值zhi。”鼎ding捷jie數shu智zhi執zhi行xing副fu總zong裁cai劉liu波bo感gan慨kai說shuo道dao。但dan同tong時shi，他ta也ye指zhi出chu，任ren何he一yi項xiang新xin技ji術shu都dou需xu要yao長chang期qi沉chen澱dian和he反fan複fu驗yan證zheng。製zhi造zao業ye講jiang究jiu的de是shi高gao可ke靠kao性xing，很hen多duo時shi候hou要yao解jie決jue的de是shi“對不對”的問題
，而不是“好不好”的問題。現階段

，智能體受製於模型幻覺、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，目前製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，智能體落地隻能是以點及麵、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。以基於知識的智能體為例，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。對於確定性知識
，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；但對於不確定性知識，比如新材料、新工藝
、新能源、環境幹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於企業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，進而打通係統之間的數據隔閡，真正實現跨係統
、跨領域的驅動和協同。未來的工作模式應該是：AI能夠擺脫時間的限製
，提供7×24小時的服務。AIkeyijieguanfanzadezhongfuxinggongzuo
，tongshiyekeyituporenleisiweixianzhi，tishengjuecedeshishixinghezhunquelv。zuizhong，gongyezhinengtinenggoushixiankuaxitonghekualingyu
，qudongqiyeshixiangenggaoxiaodefuwuhejuece。”