人工智能+制造丨发展智能工业软件需要突破底层根技术

▲关注中国信息化周报

当前，我们正处于发展工业软件的关键期，一方面可攻克“卡脖子”技术，另一方面能站在智能时代的更高起点上，通过智能工业软件研发，系统性解决工业软件领域“卡脖子”问题。大连理工大学教授郭旭在第四届软件创新发展大会上表示，智能工业软件的兴起非但未降低对传统软件的标准，反而需要更高的稳定性。如果说传统工业软件是守正的根基，那么智能工业软件则是创新的方向。

智能技术已经开始赋能仿真与优化设计。通过人工智能与物理模型的深度融合，产品迭代速度得到显著提升。以往完成一项汽车空气动力学性能分析需要数天时间，如今借助AI可以在数秒内完成。通过建立端到端模型，AI还可以实现生成式设计，不再是一次只生成一个设计，而是在概率分布范围内生成一批设计，从而在大范围内探索设计空间。此外，AI还能够实现计算与实验的融合。打造“AI+计算+实验”融合系统，即数字孪生，未来将向数智孪生方向发展。

随着AI技术的引入，人机协同共智决策成为可能。郭旭表示，这一转变带来了多方机遇。在感知层面，AI能够识别CAD（计算机辅助设计）模型，甚至能够读取拓扑结构。在自主决策层面，AI突破了单点工具的功能局限，开始介入决策层面。在自动执行层面，通过人智协同闭环，实现智能体的持续进化。在自动生成层面，AI具备强大的编程能力。“需要注意的是，AI可以实现内容生成，但其中的逻辑仍需要人来组织和把控，并非完全由计算机编程解决一切”。

此外，AI还具备自我学习能力和自主进化能力。未来的软件产品不再是固定不变的——用户购买时是1.0版本，使用一段时间后可能自主进化到5.0版本。“这意味着人工智能正在赋能工业软件的全生命周期，从最初购买到后续不断进化，实现工具箱智能体的加速进化。” 从国际动态来看，头部CAE（计算机辅助工程）企业纷纷推出智能仿真软件。“但需要注意的是，这些技术仍存在一定问题——例如，某个模型只有三个孔，如果换成四个孔，该软件需要重新训练。这说明其泛化能力仍然不足，这既是挑战，也是机遇。”郭旭说。

尽管机遇巨大，但挑战同样不容忽视。郭旭认为，从基础研究和底层根技术突破的角度来看，仍有一些关键技术需要突破。

第一，构建智能化的底座基础设施。要发展智能工业软件，必须有一个智能化的底座。“这是一个系统工程。因此，必须构建一个强大的智能底座，实现数据汇起来、模型管起来、知识沉起来、AI智能体跑起来、结果用起来、工具连起来。这些要求对未来智能工业软件的基础设施提出了非常高的标准，其中每一个环节都有大量工作可做，例如数据统一等”。

第二，解决工业数据的瓶颈问题。发展工业软件必须有高质量的数据支撑。“破解数据饥渴的困境是AI赋能工业软件研发的先决条件，也是一个关键卡点”。高质量的工业数据极为稀缺，获取成本非常高。在数据“饥渴”的情况下如何训练模型？这需要引入大量机理，用物理机理来弥补数据不足。同时，还存在数据孤岛、隐私合规与权限管理等问题。特别是面向军工领域的智能工业软件，数据如何打通是一个难题。

第三，突破底层根技术，构建硬核能力。一是发展高泛化性的智能赋能技术。二是发展实时智能仿真技术。当前英伟达的物理AI主要用于驱动机器人，从某种程度来看，其涉及的主要是刚体力学。然而，从力学发展的角度，涉及应力层面、变形历史追踪、加载路径等问题的仿真，远比物理AI复杂得多，这方面仍有大量研发工作要做。三是多物理场景下的计算效率。在完成同样任务的前提下，Token消耗更少的技术将具备更强的竞争力。

第四，摆脱黑箱桎梏，实现机理与可解释性。当前的工程规范和流程都与传统工业软件的结果深度绑定。AI生成的结果如何被现有软件体系接受？现有规范往往无法直接适用。因此，如何实现AI赋能结果与传统工业软件结果的合理共融，是一个需要突破的关键技术问题。黑箱问题固然重要，但底层优化问题的解决同样离不开数理知识的参与。“智能工业软件必须以物理机理为根基。同时，它必须应对‘长尾问题’——即便前1000个工况全部正常，第1001个工况仍可能失效。这种对确定性的苛刻要求，仅靠‘基于概率分布预测下一个词’的相关性逻辑是难以满足的，这构成了一个必须攻克的核心命题。”

智能工业软件如何高质量发展？郭旭提出五点建议。

第一，夯实关键技术基础，实现源头突破。必须夯实智能工业软件的关键技术基础，着力实现基础科学层面“0”到“1”的突破。

第二，明确机器学习方向，打通CAE全链路。在智能工业软件的机器学习方面，需要明确“学什么”的问题——是学习完全端到端的模型，还是学习最基础、最不变的部分，通过组合这些不变部分来应对复杂问题和提升泛化能力。相关工作已取得一定进展，包括开发原型技术，打通前处理、后处理等CAE全链路，实现快速建模、快速仿真、快速评估，并结合工业软件适配需求推进应用。

第三。探索新架构与新范式，实现能力跃迁。智能工业软件应具备感知、认知、决策、执行和进化能力，以大模型为基础，实现语义驱动，完成从传统工业软件到新一代工业软件范式的跃迁。

第四，依托龙头企业和应用场景，构建正向设计练兵场。场景对于智能工业软件发展至关重要，建议依托龙头企业开放应用场景，打造正向设计的“练兵场”，牵引技术突破。

第五，明确传统与智能工业软件的关系——守正与创新并重。传统工业软件与智能工业软件并非替代关系。传统工业软件是未来智能工业软件链路中不可或缺的一环——智能体调用软件工具时，若工具不鲁棒，调用后可能崩溃。因此，智能工业软件的发展非但没有降低对传统工业软件的要求，反而提出了更高要求，必须确保链路不断。

总体而言，传统工业软件要“守正”，智能工业软件要“创新”。当前正是重要机遇期，一方面攻克“卡脖子”问题，另一方面面向智能时代，在更高起点上通过智能工业软件研发解决工业软件的“卡脖子”难题。

—End—

注：转载、添加白名单以及商务合作请在公众号后台留言，未经许可、不得转载，不得随意修改及盗用原文。