麵對市場對更智能產品、更(geng)短(duan)設(she)計(ji)周(zhou)期(qi)以(yi)及(ji)更(geng)高(gao)效(xiao)靈(ling)活(huo)生(sheng)產(chan)流(liu)程(cheng)的(de)需(xu)求(qiu)日(ri)益(yi)增(zeng)長(chang)，設(she)計(ji)與(yu)製(zhi)造(zao)企(qi)業(ye)紛(fen)紛(fen)借(jie)助(zhu)人(ren)工(gong)智(zhi)能(neng)，推(tui)動(dong)業(ye)務(wu)流(liu)程(cheng)邁(mai)向(xiang)新(xin)高(gao)度(du)。憑(ping)借(jie)處(chu)理(li)複(fu)雜(za)數(shu)據(ju)的(de)卓(zhuo)越(yue)能(neng)力(li)與(yu)傳(chuan)遞(di)智(zhi)能(neng)洞(dong)見(jian)的(de)便(bian)捷(jie)性(xing)
，人(ren)工(gong)智(zhi)能(neng)已(yi)準(zhun)備(bei)好(hao)在(zai)工(gong)業(ye)價(jia)值(zhi)鏈(lian)的(de)各(ge)個(ge)環(huan)節(jie)承(cheng)擔(dan)多(duo)種(zhong)關(guan)鍵(jian)角(jiao)色(se)。

（圖片來源：西門子）

隨著人工智能的持續發展，它不僅能勝任曾專屬人類的複雜任務
，還將助力彌合人與技術之間的鴻溝 —— 將複雜工具與數據轉化為易於理解的洞見
，賦予其新的應用場景。尤其是大型語言模型（LLMs）

，在(zai)為(wei)非(fei)結(jie)構(gou)化(hua)數(shu)據(ju)賦(fu)予(yu)結(jie)構(gou)化(hua)形(xing)態(tai)方(fang)麵(mian)具(ju)備(bei)獨(du)特(te)優(you)勢(shi)。將(jiang)人(ren)工(gong)智(zhi)能(neng)應(ying)用(yong)於(yu)產(chan)品(pin)設(she)計(ji)與(yu)製(zhi)造(zao)全(quan)流(liu)程(cheng)的(de)海(hai)量(liang)數(shu)據(ju)集(ji)之(zhi)上(shang)，不(bu)僅(jin)能(neng)加(jia)速(su)現(xian)有(you)流(liu)程(cheng)，還(hai)能(neng)為(wei)長(chang)期(qi)存(cun)在(zai)的(de)行(xing)業(ye)難(nan)題(ti)探(tan)索(suo)新(xin)的(de)解(jie)決(jue)方(fang)案(an)。

人工智能：決策支持係統的核心動力

xianeryijian，kuaisuqiechixudizuochuzhengquejuece，shiquebaorenhexitongpingwenyunxingdeguanjian。raner
，xiandailiuchengdefuzaxingbuduantisheng，yaogaoxiaodechuzuiyoujielunbingfeizongnengyifanfengshun。shujushijueceguochengdehexin
，danjibianshilingyuzhuanjia
，jiangyuanshixinxizhuanhuaweikeluodidedongjian，wangwangyexuhaofeidaliangshijian，qieguochengbingfeiyimuleran。

人工智能正是應對這些挑戰的有力工具。憑借篩選與處理海量數據的能力，人工智能能精準提煉關鍵信息，若進一步用“問題如何解決、流程如何推進
、設計如何選型”的專家知識對這些模型進行訓練，人工智能工具將升級為決策支持係統：它能優化並加速至關重要的決策過程，成為企業運營的核心助力。

（圖片來源：Gorodenkoff / stock.adobe.com）

依托人工智能的決策支持係統
，是彌合人機能力鴻溝的重要一步。它構建了一種理想場景：重(zhong)要(yao)決(jue)策(ce)既(ji)能(neng)以(yi)海(hai)量(liang)可(ke)用(yong)信(xin)息(xi)為(wei)支(zhi)撐(cheng)，又(you)能(neng)融(rong)合(he)專(zhuan)家(jia)的(de)經(jing)驗(yan)與(yu)批(pi)判(pan)性(xing)思(si)維(wei)。除(chu)了(le)為(wei)專(zhuan)家(jia)提(ti)供(gong)支(zhi)持(chi)，人(ren)工(gong)智(zhi)能(neng)決(jue)策(ce)支(zhi)持(chi)係(xi)統(tong)還(hai)能(neng)讓(rang)新(xin)用(yong)戶(hu)與(yu)非(fei)專(zhuan)業(ye)人(ren)士(shi)受(shou)益(yi) —— 他們可借助模型中蘊含的累積知識與專業經驗，大幅縮短學習曲線
，同時獲取此前難以接觸到的深度洞見。

人工智能：推動硬件領域邁入 DevOps 時代

無論是產品設計還是生產流程設計

，要實現最優方案都需經曆漫長過程 —— 通過反複修改、測試與優化

，才能達成最佳結果。理想情況下，這種優化與創新應貫穿產品或流程的全生命周期：從概念誕生到最終退役，持續推動改進。在軟件開發領域，這一目標早已通過 DevOps（開發與運維一體化）模式實現；然而在硬件領域，受時間、預算或技術條件限製，若沿用傳統方法，要實現同等水平的快速、持續改進，在實踐中幾乎難以落地。

不bu過guo，將jiang人ren工gong智zhi能neng與yu數shu字zi孿luan生sheng結jie合he，為wei實shi現xian這zhe一yi高gao遠yuan目mu標biao提ti供gong了le可ke行xing路lu徑jing。通tong過guo傳chuan統tong設she計ji過guo程cheng中zhong生sheng成cheng的de仿fang真zhen數shu據ju訓xun練lian出chu的de人ren工gong智zhi能neng降jiang階jie模mo型xing（ROMs），能在幾秒內精準複現零部件或係統在不同工況下的運行狀態 —— 而er這zhe一yi過guo程cheng若ruo用yong傳chuan統tong方fang法fa，往wang往wang需xu要yao數shu小xiao時shi甚shen至zhi數shu天tian。將jiang該gai技ji術shu部bu署shu於yu全quan麵mian數shu字zi孿luan生sheng中zhong，企qi業ye便bian可ke在zai高gao度du貼tie合he現xian實shi的de數shu字zi環huan境jing裏li
，以yi最zui快kuai速su度du測ce試shi各ge類lei設she計ji變bian更geng。

降階模型（ROMs）解決了硬件領域快速創新的核心難題之一：測(ce)試(shi)與(yu)驗(yan)證(zheng)過(guo)程(cheng)耗(hao)時(shi)且(qie)成(cheng)本(ben)高(gao)昂(ang)。與(yu)在(zai)測(ce)試(shi)環(huan)境(jing)中(zhong)運(yun)行(xing)代(dai)碼(ma)變(bian)更(geng)不(bu)同(tong)
，驗(yan)證(zheng)設(she)計(ji)與(yu)流(liu)程(cheng)變(bian)更(geng)至(zhi)少(shao)需(xu)要(yao)複(fu)雜(za)且(qie)昂(ang)貴(gui)的(de)多(duo)物(wu)理(li)場(chang)仿(fang)真(zhen)，通(tong)常(chang)還(hai)需(xu)製(zhi)作(zuo)物(wu)理(li)原(yuan)型(xing)。傳(chuan)統(tong)方(fang)法(fa)的(de)高(gao)成(cheng)本(ben)
，使(shi)得(de)小(xiao)規(gui)模(mo)、漸進式的持續改進難以推行；但通過將精準數字孿生與人工智能加速設計、仿真工具結合，“值得測試的最小改進幅度”門檻大幅降低，讓持續優化變得切實可行。

要實現“硬件 DevOps”的願景
，不能僅依靠人工智能與數字孿生的合力優化流程初始版本
，還需在部署後收集反饋並進一步迭代。這意味著整合各類信息源 —— 包括產品用戶、機器操作員、工業物聯網（IIoT）傳感器及其他海量數據源

，將其與數字孿生關聯
，再借助人工智能快速將這些信息融入係統
，打造更優、更智能的解決方案。

盡管達到這種持續優化的水平仍需時日
，但數字孿生與人工智能加速設計、仿真技術的基礎已在當下逐步構建。這些技術已顯著提升了產品與係統的設計及驗證速度：它們不僅能助力更快打造更智能的產品，還能提升可持續性 —— 更快、更經濟的仿真不僅讓“找到最優可持續設計”變得更容易，還能減少對物理原型的需求，降低資源消耗。

人工智能：彌合人與技術的鴻溝

在設計與製造領域
，人工智能能通過多種方式加速流程，但它的優勢並非僅在於速度。隨著生成式人工智能的最新發展，它還將重塑人
、技術與信息之間的交互模式。工業數據規模龐大，管理這些數據的工具也高度複雜 —— 這導致新用戶培訓周期長，即便對資深用戶而言，簡單任務也可能耗時良久。

（圖片來源：西門子）

通過將人工智能解決方案（如 Siemens Industrial Copilot）與設計
、生產各環節的工具及數據打通，不同技能水平的用戶均可獲取所需資源：無論是生產數據洞見
，還是使用複雜工具的專家知識，所有操作均通過簡潔的自然語言交互界麵完成。

讓信息（無論是統計數據還是專家知識）變得易於獲取，是打破當前各領域間“數據孤島”的關鍵一步 —— 而這反過來又能為產品設計與製造提供更具整體性的思路。

suizhejishufuzadubuduantisheng，shoudongchulimeiyigexijiehuomeiyigeshujudianjiangbiandeyufabuxianshi。cishi

，jiyuzhenshishujuderengongzhinengxitongkejieguanhexingongzuo：例如分析海量生產數據集
，或補全仿真所需的全部細節。而人類操作員則能專注於唯有自身可勝任的任務
，如創意構想
、創新突破與方案優化。

毫不誇張地說，人工智能將成為全行業的下一次重大飛躍 —— 它將重塑人類工作方式、產品設計流程與工廠運營模式。但人工智能並不意味著“完全自主的未來”，而是“人機協同的新平衡”：它以一種充分發揮雙方優勢的方式將人與技術結合，最終實現“1+1>2”的效果，達成單靠人或技術都無法實現的目標。