【转载】- 欧美制造企业AI+PLM现状及意向调研白皮书

最近,AI+PLM初创公司CoLab联合Global Survey,针对250家欧美大型制造企业做了一次深度调研,帮我们看清:欧美大厂到底怎么用AI做研发?哪些场景已经落地?最大的坑在哪里?

最近,AI+PLM初创公司CoLab联合Global Survey,针对250家欧美大型制造企业做了一次深度调研------受访者全是全职研发管理者,企业规模均在1000人以上,覆盖装备制造、医疗器械、汽车等核心赛道,且都已部署PDM/PLM系统。

这份白皮书是量化数据和真实落地反馈,帮我们看清:欧美大厂到底怎么用AI做研发?哪些场景已经落地?最大的坑在哪里?

01 核心共识:AI不是选择题,是生存题

调研最震撼的一组数据:95%以上的研发管理者,认为AI在研发领域"重要"或"非常重要"

具体来看,态度分化很明确:

  • 47% 认为"至关重要":不搞AI,竞争对手会直接把自己淘汰;
  • 48% 认为"重要":不搞AI,公司既定业绩目标根本完不成;
  • 仅5% 认为"有些重要":不搞也能活,但会走得更艰难。
    更关键的是,研发团队对AI的效率预期,高到超出想象------他们普遍认为,全面采用AI后,设计迭代速度平均能提升2.8倍
    其中22%预期提升1.5-2倍,46%预期提升2-3倍,还有32%乐观估计能提升3-5倍。显然,AI在研发领域,早已不是"锦上添花",而是实打实的竞争力杠杆。

02 落地现状:3D模型审核使用率最高,生成式AI待爆发

调研按应用场景,统计了当前AI在研发设计中的实际使用率,结果很有参考性(避开了很多"伪落地"场景):

  • 3D模型审核:51% 正在使用(使用率最高);
  • PLM AI助手:44% 正在使用;
  • 2D图纸审核:28% 正在使用。
    为什么3D模型审核使用率远高于2D?白皮书给出了答案:目前市场上,基于规则的AI审核工具,在3D场景下更成熟,拿来就能用。
    反观AI生成图纸、AI生成3D模型这两个热门方向,当前使用率还很低------核心原因是技术和产品还不够成熟。
    但值得关注的是,约半数受访者计划在未来1-2年内,启动相关采购。这意味着,生成式AI在研发设计领域的爆发,可能就在眼前。

03 第一战场:图纸审核,72%工作量可被AI接管

如果说AI+研发有一个"最确定、最易落地"的场景,那一定是图纸审核------它繁琐、耗时,却又极易标准化,是研发流程中的"效率黑洞"。

先看一组触目惊心的数据:受访团队过去一年,平均开展了超过3.5万次图纸评审 ,其中16%的团队年评审次数超5万次。对大型制造企业来说,图纸审核本身就是一项庞大的工程。

而AI的出现,刚好能解决这个痛点:受访者普遍认为,基于公司自身图纸和设计规范训练的AI审核机器人,能接管72%的图纸审核工作量

具体分布:1%认为可自动化25%-49%,58%认为50%-74%,41%认为75%-99%------没有人选择100%自动化,这也符合实际:完全无人参与的审核尚不现实,但绝大部分重复性工作,AI能轻松搞定。

更关键的是,AI的审核能力已经超越人类:74%的受访者认为,在图纸基本错误审核上,AI表现比人类更好;而更复杂的审核项,AI也将快速赶超,具体时间预期清晰可见:

审核类型 预期AI超越人类的时间
基本错误审核 现在
标注歧义/视图缺失 1-2个季度内
标准符合性 1-2个季度内
DFM审查 1-2年内
3D模型组件审查 1-2个季度内
3D模型装配审查 1-2年内
这个时间线告诉我们:AI接管研发审核,比很多人想象的要快得多。

04 关键前提:设计规范文档化,才是AI落地的基础

AI审核能不能落地,核心取决于一个前提:企业的设计规范,是否实现了文档化。

调研数据显示,情况并不乐观:

  • 76%的企业,已将设计规范文档化;
  • 65%的企业,不仅文档化,还会持续更新;
  • 但只有56% 的企业,会在设计审查时,对照这些规范进行检查。
    也就是说,近一半企业"有规范却不用",全靠人工经验判断,难免出现疏漏。而这,正是AI审核机器人的核心价值------自动对照设计规范,精准检查图纸合规性,把人为失误降到最低。

05 最大坑点:不是ROI算不清,是这3个问题难解决

很多人以为,企业不用AI,是因为算不清投入产出比(ROI)。但调研结果,完全颠覆了这个认知。

当被问及"未来12个月,AI落地最大挑战"时,受访者的回答分布如下:

  • 数据质量:20%(最核心痛点);
  • 变革管理:20%(流程转型阻力、人机协作不确定);
  • 安全风险:18%;
  • 集成复杂度:11%;
  • 内部专业能力:11%;
  • ROI不清晰/缺乏成功案例:仅2%。
    关键点来了:ROI不清晰,仅占2% 。这说明,研发管理者对AI的价值早已达成共识,真正的难题,是执行层面的"硬骨头"------数据怎么整理、流程怎么变革、安全和集成怎么搞定。
    另外,不同规模企业的痛点也有差异:
  • 1000-5000人中小企业:更愁"变革管理"和"数据质量";
  • 5000人以上大企业:更关注"安全风险"和"集成复杂度"(IT体系成熟,但包袱更重)。

06 PLM市场格局:三足鼎立,AI成差异化关键

本次调研的所有受访企业,都已部署PDM或PLM系统,白皮书也统计了当前主流PLM产品的市场占比,清晰呈现欧美市场格局:

  • 西门子 Teamcenter:27%;
  • PTC Windchill:22%;
  • 达索系统 3DEXPERIENCE:14%;
  • SolidWorks PDM:9%;
  • 达索系统 Enovia:8%。
    若按厂商合并计算,达索系统(3DEXPERIENCE+Enovia+SolidWorks PDM)合计约31%,略高于西门子(27%)。整体来看,欧美大型制造企业的PLM市场,仍呈现西门子、PTC、达索三足鼎立 的格局。
    而现在,AI正在成为三大厂商的差异化竞争核心------无论是西门子、PTC还是达索,都在加速将AI融入PLM平台,未来1-2年,AI图纸审核、AI设计助手等功能,大概率会成为PLM的标准配置。

总结:AI+研发,从"观望"到"落地"的4个关键启示

这份调研,其实给国内制造企业的AI+PLM落地,提供了清晰的参考方向,核心就是4个信号:

  1. 态度要转变:AI已不是"要不要试",而是"怎么落地",95%的欧美大厂都已达成共识,不布局就会被淘汰;
  2. 切入点要精准:图纸审核是当前最确定的场景,72%的工作量可自动化,从这里起步,投入小、见效快;
  3. 先解决基础问题:别急于上复杂AI工具,先梳理设计规范、清洗历史数据、推动流程变革,这才是落地关键;
  4. 关注PLM厂商动态:AI将成为PLM的核心功能,选择PLM产品时,优先考虑AI集成能力,避免后期重复投入。

本文数据来源:CoLab & Global Survey联合发布的《欧美制造企业AI+研发设计应用现状及意向调研白皮书》(2025年7月)

相关推荐
AI搅拌机1 小时前
LoRA训练自动化打标系统重磅发布!支持Qwen3.5破限和NSFW,功能覆盖图片视频音乐全自动打标
人工智能·自动化·音视频
wangqiaowq1 小时前
@CrossOrigin 是 Spring 提供的跨域支持注解,但不允许携带凭证
人工智能
大橙子打游戏1 小时前
当 Codex 遇上 AI 中转站:写一个协议转换代理解决 Responses API 的兼容性困境
人工智能
成旭先生1 小时前
【2026】企业工商照面信息查询:深入了解企业的33项核心数据
大数据·大模型·geo
搞科研的小刘选手1 小时前
【激光材料制造方向研讨会】2026年激光、材料与先进制造国际学术会议(LMAM 2026)
制造·智能·材料·机械·光纤·激光·先进制造
且去填词1 小时前
VSCode 中使用 Codex:命令、Agent 与 Skills 完整指南
ide·人工智能·vscode·编辑器·codex
OpenVINO 中文社区1 小时前
从零开始构建机器人数据:用 Physical AI Studio 搭建你的第一个模仿学习流水线
人工智能·openvino
云烟成雨TD1 小时前
Spring AI Alibaba 1.x 系列【47】状态图定义:StateGraph 源码解析
java·人工智能·spring
Volunteer Technology1 小时前
Hadoop NameNode HA
大数据·hadoop·分布式