人工智能赋能制造业丨智能工业软件突破需攻克底层根技术

当下，我们处在工业软件发展的关键阶段，既能突破“卡脖子”技术，也能在智能时代的全新起点上，借助智能工业软件研发，从根本上化解工业软件领域的“卡脖子”难题。大连理工大学教授郭旭在第四届软件创新发展大会上指出，智能工业软件的崛起并未削弱对传统软件的要求，反而提出了更高的稳定性需求。若说传统工业软件是守正的基石，智能工业软件便是创新的引领方向。

大连理工大学教授郭旭

AI赋能催生新契机

智能技术已逐步赋能仿真与优化设计。借助人工智能与物理模型的深度交融，产品迭代效率大幅提升。过去完成一项汽车空气动力学性能分析耗时数日，如今利用AI仅需数秒即可完成。通过搭建端到端模型，AI还可实现生成式设计，不再局限于一次生成单一方案，而是在概率分布区间内批量生成方案，从而在更广范围内探索设计空间。另外，AI还能推动计算与实验的融合。构建“AI+计算+实验”融合体系，即数字孪生，未来将向数智孪生方向演进。

随着AI技术的融入，人机协同共智决策得以实现。郭旭表示，这一转变带来了多重机遇。在感知层面，AI能够识别CAD（计算机辅助设计）模型，甚至可以读取拓扑结构。在自主决策层面，AI打破了单点工具的功能边界，开始介入决策环节。在自动执行层面，借助人智协同闭环，推动智能体的持续进化。在自动生成层面，AI拥有强大的编程能力。“需要注意的是，AI能够实现内容生成，但其中的逻辑仍需人来组织与把控，并非完全由计算机编程包揽一切”。

此外，AI还具备自我学习与自主进化能力。未来的软件产品不再是固定不变的——用户购买时是1.0版本，使用一段时间后可能自主进化至5.0版本。“这表明人工智能正在赋能工业软件的全生命周期，从初次购买到后续持续进化，实现工具箱智能体的加速进化。” 从国际动态来看，头部CAE（计算机辅助工程）企业陆续推出智能仿真软件。“但需要注意的是，这些技术仍存在一定短板——例如，某个模型仅有三个孔，若换成四个孔，该软件需重新训练。这说明其泛化能力依然不足，这既是挑战，也是契机。”郭旭说。

智能工业软件发展需攻克的关键技术

尽管机遇显著，但挑战同样不容小觑。郭旭认为，从基础研究与底层根技术突破的角度出发，仍有若干关键技术亟待攻克。

第一，打造智能化的底座基础设施。发展智能工业软件，必须依托智能化的底座。“这是一项系统工程。因此，必须构建一个强劲的智能底座，实现数据汇起来、模型管起来、知识沉起来、AI智能体跑起来、结果用起来、工具连起来。这些要求对未来智能工业软件的基础设施提出了极高的标准，其中每一环节都有大量工作可做，例如数据统一等”。

第二，化解工业数据的瓶颈难题。发展工业软件离不开高质量数据的支撑。“破解数据饥渴的困局是AI赋能工业软件研发的先决条件，也是一个关键卡点”。高质量的工业数据极为匮乏，获取成本居高不下。在数据“饥渴”的状况下如何训练模型？这需要引入大量机理，用物理机理来弥补数据缺口。同时，还面临数据孤岛、隐私合规与权限管理等问题。尤其面向军工领域的智能工业软件，数据如何打通是一大难题。

第三，攻克底层根技术，打造硬核实力。一是发展高泛化性的智能赋能技术。二是发展实时智能仿真技术。当前英伟达的物理AI主要用于驱动机器人，从某种程度来看，其涉及的主要是刚体力学。然而，从力学发展的角度，涉及应力层面、变形历史追踪、加载路径等问题的仿真，远比物理AI复杂得多，这方面仍有大量研发工作要做。三是多物理场景下的计算效率。在完成同等任务的前提下，Token消耗更少的技术将具备更强的竞争力。

第四，挣脱黑箱束缚，实现机理与可解释性。当前的工程规范与流程都与传统工业软件的输出深度绑定。AI生成的输出如何被现有软件体系接纳？现有规范往往无法直接套用。因此，如何实现AI赋能输出与传统工业软件输出的合理共融，是一个需要攻克的关键技术难题。黑箱问题固然关键，但底层优化问题的解决同样离不开数理知识的支撑。“智能工业软件必须以物理机理为根基。同时，它必须应对‘长尾问题’——即便前1000个工况全部正常，第1001个工况仍可能失效。这种对确定性的严苛要求，仅靠‘基于概率分布预测下一个词’的相关性逻辑是难以达成的，这构成了一个必须攻克的核心命题。”

智能工业软件高质量发展五大策略

智能工业软件如何实现高质量发展？郭旭提出五点建议。

第一，筑牢关键技术基础，实现源头突破。必须夯实智能工业软件的关键技术基础，着力实现基础科学层面“0”到“1”的突破。

第二，厘清机器学习方向，打通CAE全链路。在智能工业软件的机器学习方面，需要厘清“学什么”的问题——是学习完全端到端的模型，还是学习最基础、最不变的部分，通过组合这些不变部分来应对复杂问题与提升泛化能力。相关工作已取得一定进展，包括开发原型技术，打通前处理、后处理等CAE全链路，实现快速建模、快速仿真、快速评估，并结合工业软件适配需求推进应用。

第三。探索新架构与新范式，实现能力跃迁。智能工业软件应具备感知、认知、决策、执行与进化能力，以大模型为基础，实现语义驱动，完成从传统工业软件到新一代工业软件范式的跃迁。

第四，依托龙头企业与应用场景，打造正向设计练兵场。场景对于智能工业软件发展至关重要，建议依托龙头企业开放应用场景，打造正向设计的“练兵场”，牵引技术突破。

第五，厘清传统与智能工业软件的关系——守正与创新并重。传统工业软件与智能工业软件并非替代关系。传统工业软件是未来智能工业软件链路中不可或缺的一环——智能体调用软件工具时，若工具不鲁棒，调用后可能崩溃。因此，智能工业软件的发展非但没有降低对传统工业软件的要求，反而提出了更高要求，必须确保链路不断。

总体而言，传统工业软件要“守正”，智能工业软件要“创新”。当前正是重要机遇期，一方面攻克“卡脖子”问题，另一方面面向智能时代，在更高起点上借助智能工业软件研发化解工业软件的“卡脖子”难题。