人工智能赋能注塑成型仿真技术
--人工智能在注塑成型领域的首度重大变革，能否通过仿真技术落地？
Cenk Feridunoglu 虽然可能在某场注塑成型大会上进行演讲，但他及其所属的 Empower Corp.（位于加拿大温哥华）并不自诩为注塑成型领域的专家。
"可以将我们视作数学的化身，"Feridunoglu 的同事、Empower 董事总经理 Mike Sheh 解释说。"当数学用于会计，便演变为金融；当数学用于物理，便构建为工程。"
在注塑成型仿真软件厂商 Moldex3D 三月于底特律郊区举行的研讨会上，Feridunoglu 将数学原理引入注塑成型，并抛出了一个疑问：AI 将如何重塑注塑成型仿真？具体而言，Feridunoglu 探讨了智能体人工智能（agentic AI）——一种具备独立自主设定目标、制定策略并利用数字工具执行复杂多步任务的 AI 系统——在注塑仿真中的应用前景。
"简而言之，智能体人工智能意味着你拥有一个大型语言模型（LLM），"Feridunoglu 表示，"随后让该模型执行两种调用——在操作系统中运行各类程序，获取输出结果，对这些结果进行推理，并决定后续行动。"
自 2025 年起与 Moldex3D 建立合作的 Empower 意识到，将智能体人工智能引入注塑仿真，其核心资产——算法——提供了难得的契机。"起初我并未察觉，"Feridunoglu 称，"但后来我意识到，其实我们的所有算法本质上都是工具。"这意味着 Empower 可以像培养"博士级的数学优化专家"那样来调教这个 LLM，Feridunoglu 解释道。"我们可以指示 LLM：'这些是你可用的工具；请帮我解决此问题。'如今它变得极为强大，因为过去，即便某些商业软件提供了全套算法工具箱，终端用户往往也茫然不知从何入手，或该选用何种算法。"
Sheh 用实体工具的类比进一步阐释。"过去，当你从工具箱取扳手时，会有不同尺寸，分别对应解决特定类型的问题。你需要特定的工具，但有了 AI 就无需如此，"Sheh 表示。"你其实并不需要几十种不同的扳手。你拥有非常智能的工具可用；这正是我们开发的内容。简言之，这是我们开发智能算法的核心。"
"我们的构想是，手握工具且拥有 LLM，将二者融合以创造强大的解决方案，并聚焦于一个热点问题，"Feridunoglu 说道。Empower 与 Moldex3D 选取的课题是：浇口位置。
通往浇口的入口
一个新的零件设计与其说是一个具体的部件，不如说是一系列必须解答的问题：
- 材料是什么？
- 是否需要支撑结构（若需要，位置何处）？
- 基于所选的分型线，零件将如何进行脱模？
或许最基础的问题便是浇口位置，即设计工程师需将熔体导入型腔的入口设置于何处。
"注塑成型中最普遍的问题就是浇口位置，"Feridunoglu 称。"我们可以为工程师提供基础初始设计及需关注的风险矩阵，因为我们能识别这些问题；LLM 同样能发现。"
在其演讲分享的案例中，Feridunoglu 让一位假设的工程师为新品开发 Moldex3D 仿真模型，AI 在启动任何仿真前，便从过往经验中提取知识，给出可执行建议。这加速了建模与仿真流程。AI 模型通过零件形状识别自动辨识几何结构，随后建议最优浇口位置及工艺参数，包括料筒/模具温度、注射速度和树脂干燥要求。它还基于选定材料进行了翘曲与收缩分析。
借助 Empower 的数据库，程序将该零件识别为离心风机叶轮，沿 Y 轴脱模。系统建议设置三处浇口以实现平衡充填，预测浇口间会出现熔接线，并为叶片确定优化流动模式。自动生成的厚度分析识别出零件的最小、最大及平均厚度，并标记出轮毂区域显著更厚。
Feridunoglu 指出，AI 还计算出收缩各向异性比，在机器方向与横向间达到 3.7 倍。"对于翘曲而言，这是一个关键比值，"Feridunoglu 表示。"AI 将其标记为关键问题。"
接下来的环节，Feridunoglu 认为极具影响力。"最后一步，我觉得非常酷的是，能与结果报告进行对话，"Feridunoglu 称。"这发生在探索运行结束后。我们最终得到的最重要的是结果报告，为此你耗费了数小时计算时间。"
设计工程师还可就约束放宽和设计权衡寻求建议。"助手可能会告知，略微放宽几何约束，便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 完全脱离工程师独立运作——是有意设计的。目标是实现人类参与（HITL），将代理型 AI 定位为具备自主性、目标导向的系统，旨在让 AI 不取代工程师，而是与之协同工作。"这些智能体能规划、推理并采取多步骤行动，"Feridunoglu 表示。"在仿真工作流中，"他说，"这些 AI 智能体能从数据或自然语言描述中理解你的工程设计目标。它们能从过往设计中为你提供洞察。"