导语：
人工智能技术已发展70余年，经历了从逻辑符号主义向数据驱动范式的转变，目前正处于向多模态、通用化以及伦理化方向演化的阶段。在接下来的五年内，人工智能技术的商业化应用预计将迎来关键性的转变。大模型技术的突破、多模态融合技术的进步以及云端协同能力的增强，共同推动了人工智能从专用智能向通用智能的跃迁。年初，DeepSeek的问世引起了科技界的广泛关注。其强大的推理能力、较低的训练成本以及全面的开源策略，向我们展示了人工智能在企业实际应用中的巨大潜力。
制造业研发领域中人工智能应用所普遍遭遇的挑战
尽管人工智能（AI）为企业的数字化转型注入了强劲动力，但企业在应用AI技术的过程中并非一帆风顺。在场景融合、数据处理、模型构建、算法选择、人才储备以及组织文化建设等多个方面，面临着诸多挑战。以制造业的研发设计领域为例，AI技术的应用主要遭遇以下三个方面的挑战：
- 缺乏高质量的数据。人工智能（AI）技术的应用高度依赖于高质量的数据，因此数据的质量和管理至关重要。然而，企业对于数据资产化的意识较为薄弱，未能充分认识到数据作为战略资产的价值，导致大量数据未得到妥善保存，数据标准化程度低，数据孤岛现象普遍存在，这些因素均会对AI模型的训练产生负面影响。
- 对AI应用场景认识的不足。鉴于企业研发过程的复杂性和多样性，明确AI应用场景颇具挑战。企业在引入AI技术时，往往缺乏对自身业务需求的深入分析和明确规划，导致AI技术的应用方向模糊，难以充分发挥其潜在价值。
- 工业领域对AI容错率的严格要求。其根本原因在于工业领域对生产安全、效率和质量的极致追求。例如，在自动化控制（如智能驾驶）、航天航空、汽车精密零部件制造等应用场景中，AI系统的任何微小错误都可能引发严重后果。因此系统的精确性和安全性必须得到绝对保障，这使得工业级AI面临更高的技术与成本挑战。这也导致了工业领域AI应用的落地节奏相对较慢。
研发数智化转型关键路径
作为研发数智化转型的专业服务提供商，鼎捷PLM致力于协助企业在"AI+研发全流程"业务场景中的实施。其核心策略聚焦于数据整合、流程优化以及AI工具链的集成，结合PLM系统的全面流程控制功能，推动产品开发全链条向智能化的转型。
此外，鼎捷PLM还助力企业增强组织的数据素养和协作能力，依据企业战略目标，分阶段实施，优先解决高价值场景，选择业务闭环和数据密集的关键环节作为突破口，例如参数化设计、智能工艺、AI知识库应用等，实现从"局部智能"向"全域智能"的转变。
AI在制造业企业研发设计的应用场景
鼎捷深入探索人工智能技术在研发设计流程中的应用，并基于历史实施案例提炼出若干人工智能业务应用场景。在产品设计与优化领域，AI技术通过算法模拟设计思维，快速生成多样化的设计方案，显著提升设计效率。
例如在东莞某非标装备企业中，智能设计系统将订单交付周期从平均60天缩短至42天，效率提升30%。在知识共享与协同工作方面，人工智能技术中的自然语言处理和知识图谱功能助力工程师对庞大的项目文档库进行有效分类和索引，从而实现对历史资料和信息的快速检索。
目前鼎捷的PLM系统已集成DeepSeek技术，向客户提供服务。在成本预测与控制方面，人工智能技术能够搜集并分析产品设计、原材料采购、生产制造等环节的成本数据，构建成本预测模型，以实现产品开发过程中的成本控制和预警。在决策支持方面，人工智能技术整合企业内各应用系统的海量数据，运用机器学习技术挖掘潜在规律，为企业的决策优化提供支持。
本文将选取电子行业作为案例，探讨人工智能（AI）在的应用场景。
在当今的电子产业领域，众多企业纷纷采纳了集成产品开发（IPD）体系，这一做法极大地提升了产品开发的效率和质量。AI技术在产品生命周期的众多关键环节中扮演了至关重要的角色，这些环节包括但不限于前端的需求分析、概念方案的设计、研发设计的优化以及测试验证等。在市场需求分析的阶段，AI技术通过深度分析用户行为数据，能够迅速而精确地捕捉到用户对产品的具体需求与期望，从而为产品团队提供了宝贵的信息，确保产品开发方向与市场需求保持一致。
在概念设计阶段，AI技术利用其先进的分析算法，依据输入的设计目标、功能需求或初步草图，自动生成一系列具有创新性和多样性的概念设计方案。这些方案不仅能够激发设计团队的灵感，还能够大幅度缩短设计周期，提高设计效率。
在计划阶段，AI技术通过分析企业历史项目数据，结合项目经验库，实现项目工作分解结构（WBS）的自动排期，同时自动推送项目风险计划和项目问题清单，确保项目管理的高效和有序。
在开发阶段，AI技术能够识别并读取规格书文件，自动创建新物料并进行查重，根据设计方案推荐优选物料，从而优化物料采购和库存管理。
在验证阶段，AI技术辅助测试人员根据产品设计要求自动生成测试用例，并在测试完成后，基于测试结果生成测试报告，进行数据分析，确保产品能够满足设计要求和质量标准。通过这些环节的AI技术应用，电子产业的企业能够显著提升产品开发的效率和质量，更好地满足市场需求。
除了电子行业以外，鼎捷PLM在装备行业、汽车零部件、集成电路设计(ICD)、新能源材料等产业中，深入探索人工智能(AI)在研发设计领域的应用潜力。我们始终紧密围绕降低成本、提高效率、优化用户体验、创新模式这四大核心目标，深入挖掘人工智能技术的应用潜力，精确识别那些与企业战略高度一致、切实可行且有望为企业带来显著价值的应用场景。
鼎捷已设计并规划了多种人工智能智能体，涵盖智能项目助理、文案生成设计、智能报价、相似性查询以及物料优选推荐等20余个应用场景。这些智能体已在多家客户中进行了实践应用，并得到了验证。我们将持续对这些应用场景进行完善与优化。
最后，可以展示一下，我们已经比较成熟的AI应用。
AI应用场景一：KnoMAX 知识智能问答体
在过去，知识以文档形式存储于产品生命周期管理（PLM）系统中，仅能通过文件名、编号等属性进行检索，而无法实现对文档内容的直接搜索。因此，历史资料大多处于休眠状态，难以被重新利用。传统PLM系统中，知识以文档形式存储，仅支持基于文件属性的检索，导致历史资料利用率低。通过集成DeepSeek大模型，用户可通过自然语言交互直接搜索文档内容，实现秒级精准检索，知识复用效率提升80%。
AI应用场景二：文生设计
在鼎捷PLM与DeepSeek深度整合的背景下，数字设计工程师在企业研发设计领域扮演着至关重要的角色。该技术不仅能够高效地完成研发图纸的变型设计工作，确保图纸的合规性审查，还能一键生成BOM。通过自然语言处理技术（NLP），读取需求文件或者人机对话的方式，文生设计能准确推理出产品设计的需求，并根据产品的设计规则，迅速生成基于设计软件原生格式的三维模型，以便进行编辑和修改。此外，得益于上下文记忆功能，该应用支持对话式交互和文件上传，能够灵活调整模型参数，实现尺寸的即时优化，从而显著提升设计效率和精确度。
AI应用场景三：模型相似性分析与优选推荐
除了可做高精度智能检索外，鼎捷PLM智能助手还能帮助用户做优选物料的智能推荐，二者集成的核心原理在于通过嵌入模型（Embedding Model）将数据转化为向量表示，实现语义相似性匹配。在接入DeepSeek大模型后，PLM智能助手可通过语义相似性匹配能力和Deepseek强大的分析总结能力，对用户提出的问题进行快速思考，并将整理后的相似性优选数据生成新的内容呈现给用户，使用户的分析总结快人一步。
总结
人工智能（AI）对研发领域的影响已从局部工具的升级转变为系统性变革。其核心价值在于颠覆传统的"经验主导"模式，构建以数据驱动、动态协同为特征的新型研发体系。企业必须在数据治理、场景适配和组织变革三个维度上实现同步突破，结合大模型与多模态技术的演进，未来五年AI将加速实现从辅助工具到核心决策角色的转型，完成从"AI辅助设计"到"AI原生研发"的根本性跨越。