夜雨聆风--人工智能对注塑成型的首个重大影响，是否将通过仿真领域实现？
Cenk Feridunoglu 或许正在一场注塑成型会议上发表演讲，但他和他的公司 Empower Corp.（加拿大不列颠哥伦比亚省温哥华）都不认为自己是注塑成型专家。
"你可以把我们看作数学，"Feridunoglu 的同事、Empower 董事总经理 Mike Sheh 解释道。"当数学应用于会计，就变成了金融。当数学应用于物理，就变成了工程。"
在注塑成型仿真软件供应商 Moldex3D 于三月在底特律郊外举办的研讨会上，Feridunoglu 将数学应用于注塑成型，并提出了一个问题：人工智能将改变注塑成型仿真的哪些方面？更确切地说，Feridunoglu 探讨了智能体人工智能（agentic AI）——一种能够独立、自主地设定目标、制定计划并使用数字工具执行多步骤任务的 AI 系统——在注塑成型仿真中的应用。
"基本上，智能体人工智能意味着你拥有一个大型语言模型（LLM），"Feridunoglu 说，"然后你让这个模型能够发出两种调用——在你的操作系统中执行任何类型的程序，然后获取输出结果，对这些输出进行推理，并决定下一步该做什么。"
自 2025 年起就与 Moldex3D 合作的 Empower 认识到，将智能体人工智能应用于注塑成型仿真，其核心资产——算法——提供了一个独特的机会。"起初我没有意识到这一点，"Feridunoglu 说，"但后来我发现，实际上我们所有的算法都是工具。"这意味着 Empower 可以像训练"博士级别的数学优化专家"一样来调教这个 LLM，Feridunoglu 解释道。"我们可以告诉这个 LLM：'这些都是你可以使用的工具；帮我解决这个问题。'现在它变得非常、非常强大，因为在过去，甚至直到今天，一些商业软件虽然提供了一整套算法工具箱，但终端用户通常根本不知道从哪里开始，或者该使用哪个算法。"
Sheh 用一个关于实体工具的类比来进一步说明。"过去，当你去工具箱拿扳手时，有不同尺寸范围的扳手，对应解决特定类别的问题。你需要特定的工具，但有了 AI 就不需要了，"Sheh 说。"你实际上不需要几十种不同的扳手。你拥有非常智能的工具可以使用；这就是我们开发的。简而言之，这就是我们开发智能算法的核心所在。"
"我们的想法是，我们拥有工具，而 LLM 也存在，让我们将它们融合在一起，创造出真正强大的东西，并选择一个热门问题，"Feridunoglu 说。Empower 和 Moldex3D 选择的问题是：浇口位置。
通往浇口的门户
一个新的零件设计与其说是一个具体的构件，不如说是一系列必须回答的问题：
- 材料是什么？
- 是否需要支撑结构（如果需要，在哪里）？
- 基于所选的分型线，零件将如何脱模？
也许最基础的问题是浇口位置，即设计工程师将熔体引入型腔的入口设置在哪里。
"注塑成型中最常见的问题就是浇口位置，"Feridunoglu 说。"我们可以为工程师提供一个基本的初始设计，以及需要关注的风险矩阵，因为我们可以识别这些问题；LLM 也能发现它们。"
在他演讲分享的一个例子中，Feridunoglu 让一位假设的工程师为一个新零件开发 Moldex3D 仿真模型，AI 在运行任何仿真之前，就从过往经验中提取知识，给出可执行的建议。这加速了建模和仿真过程。AI 模型自动通过零件形状识别来辨识零件几何结构，然后建议最优浇口位置，以及工艺参数，包括料筒/模具温度、注射速度和树脂干燥要求。它还基于选定的材料进行了翘曲和收缩分析。
利用 Empower 的数据库，程序将该新零件识别为离心风机叶轮，沿 Y 轴脱模。系统建议设置三个浇口以实现平衡充填，预测浇口之间会出现熔接线，并为叶片确定了优化的流动模式。自动生成的厚度分析识别出零件的最小、最大和平均厚度，并标记出轮毂区域明显更厚。
Feridunoglu 指出，AI 还计算出收缩各向异性比，在机器方向与横向之间达到 3.7 倍。"对于翘曲来说，这是一个重要的比值，"Feridunoglu 说。"AI 将其标记为关键问题。"
接下来发生的事情，Feridunoglu 认为尤其具有影响力。"最后一步，我觉得非常酷的是，能够与结果报告进行对话，"Feridunoglu 说。"这是在探索运行结束后。我们最终得到的最重要的是结果报告，你为此花费了数小时的计算时间。"
设计工程师还可以就约束放宽和设计权衡寻求建议。"助手可能会告诉你，稍微放宽一个几何约束，就能显著改善翘曲性能，"Feridunoglu 解释道。
人类与 AI 之间的互动——而非 AI 完全独立于工程师——是有意为之的。目标是实现人类参与（HITL），将代理型人工智能作为具有自主性、以目标为导向的系统，使AI不取代工程师，而是与他们协同工作。"这些智能体可以规划、推理并采取多步骤行动，"Feridunoglu 说。"在仿真工作流的背景下，"他说，"这些 AI 智能体可以从数据或自然语言描述中理解你的工程设计目标。它们可以从过往设计中为你提供洞察。"