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AIzhinengqudong，shixianyanfaguochengdezhinenghuahezidonghua。zhinenghuayanfabujinnenggouxianzhutigaoyanfaxiaolvhechuangxinnengli，hainengtongguozhinengxitongshishijiankongheyouhuayanfaguocheng。

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。

“shijishang，zaigongyezhizaochangjinglimian，womenyijingzhaodaolekeyiranggongyeqiyeshiyongzhinengtidefengfudechangjing
，congdianzhuangxiaoguolaikan，yijingzuyirangkehuganshoudaotadeyiyiyujiazhi。”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。AI可(ke)以(yi)接(jie)管(guan)繁(fan)雜(za)的(de)重(zhong)複(fu)性(xing)工(gong)作(zuo)，同(tong)時(shi)也(ye)可(ke)以(yi)突(tu)破(po)人(ren)類(lei)思(si)維(wei)限(xian)製(zhi)

，提(ti)升(sheng)決(jue)策(ce)的(de)實(shi)時(shi)性(xing)和(he)準(zhun)確(que)率(lv)。最(zui)終(zhong)，工(gong)業(ye)智(zhi)能(neng)體(ti)能(neng)夠(gou)實(shi)現(xian)跨(kua)係(xi)統(tong)和(he)跨(kua)領(ling)域(yu)，驅(qu)動(dong)企(qi)業(ye)實(shi)現(xian)更(geng)高(gao)效(xiao)的(de)服(fu)務(wu)和(he)決(jue)策(ce)。”