ARTICLE · 1270941
AI走进工业研发:从软件调用到智能协同
AI走进工业研发:从软件调用到智能协同随着AI智能体逐步进入设计建模、仿真分析和优化决策等专业研发任务，工业软件的应用方式正在发生变化。这将为国产工业软件带来哪些机遇？又将如何影响企业未来的研发模式？ 10月27日，在北京市科学技术协会创新服务中心主办的“工业互联网与AI仿真”行业交流专场上，宇拓智源创始人兼CEO袁勇博士受邀参加“工业AI：从技术工具走向工程价值落地”圆桌讨论，结合多年工业软件从业经历和当前工业AI实践，分享了三个方面的思考。 
图1：工业互联网与AI仿真行业交流专场活动现场 过去几十年，工业软件主要面向工程师，通过专业界面和操作流程完成设计、仿真与优化任务。 随着智能体技术发展，越来越多的工程任务有望由AI参与规划和执行，通过调用不同的专业软件完成计算、分析与优化。 工业软件正在从主要面向人操作，逐步走向同时面向工程师和AI智能体。 这也为国产工业软件带来了新的发展机会。 相比追求大而全的通用软件，国产工业软件厂商可以发挥在特定算法和细分场景中的优势，将专业能力模块化、接口化，使其更容易被AI识别、调用和组合。 与此同时，经过长期工程验证的几何算法、数学物理模型和数值求解技术依然不可或缺。 AI与专业工程算法的深度协同，有望成为工业软件发展的重要方向。 
图2：宇拓智源创始人兼CEO袁勇博士分享AI时代工业软件的发展机遇 能够调用软件，只是工业AI进入研发流程的第一步。真正的挑战在于理解工程问题。 一套三维模型不仅包含几何形状，还承载着设计意图、参数约束和装配关系；一次仿真分析也涉及材料属性、物理假设、边界条件和结果可信度。 这些专业信息，决定了AI能否完成有实际价值的工程任务。 因此，工业研发智能体需要结合语义几何、工程知识和本体模型，理解工程对象及其关联关系，并与CAD、CAE等专业工具协同完成任务。 当天，北京交通大学孙丙香教授关于机理模型与AI融合的分享，以及中国工业互联网研究院曹浩所长关于工业高质量数据集建设的探讨，也从不同角度体现了专业知识、工程机理和数据治理的重要性。 工业AI的核心竞争力，最终取决于对工程问题的理解，以及组织和运用专业工程能力的水平。 工业AI如何真正落地？袁勇博士在圆桌讨论中提出了一条务实的路径： 从可验证的工程任务切入构建AI智能体应用，在应用中积累高质量数据与知识，逐步推动企业研发能力和组织方式的转型。 首先，让AI智能体承担工程师已经熟练掌握的重复性工作，例如模型准备、批量仿真、结果处理和报告生成。这些任务具有成熟的方法和评价标准，更容易验证AI的实际效果。 其次，在任务执行过程中，持续积累设计参数、仿真结果、工程规则和专家经验，经过验证与整理，逐步形成可复用的工程知识，大量的高质量仿真结果数据还可以进一步训练成代理模型，进而支持更复杂的设计探索与优化决策。 更长远的变化来自研发组织。 未来，工程师将逐步从AI工具的使用者，成为智能体应用的共同创造者，将自身的专业知识和工程经验转化为可以持续改进的智能化能力。 工业AI的长期价值，将从单点效率提升，延伸到知识复用、跨团队协同和企业研发能力的持续积累。 让工业研发迈向智能协同，这正是宇拓智源持续探索的方向。 围绕“星拓工坊｜工业研发智能体平台”，宇拓智源聚焦多智能体协同、语义几何、工程知识与专业工具调用，探索将AI融入需求、设计、仿真、优化与决策等研发活动。 我们希望，让AI能够理解工程任务，让专业工具与工程知识更加紧密地协同，让企业在每一次研发实践中持续积累和发展自身的智能研发能力。 
图3：工业AI从任务自动化走向企业级智能协同 让工业研发迈向智能协同。
宇拓智源创始人袁勇博士谈工业AI的机遇与落地路径
01 从面向人操作，到面向AI智能体调用
02 从调用专业工具，到理解工程任务
03 从任务自动化，到企业研发智能协同
