面向千行百业，全球工业软件巨头的AI应用策略如何演变？

就在那场大会上，达索系统董事会执行主席伯纳德·查尔斯（Bernard Charlès）重磅提出了“AI+MODSIM”作为公司未来的战略方向，将人工智能（AI）与建模和仿真（MODSIM）结合，AI 提供数据驱动的解决方案，而模型仿真则基于科学驱动，通过两者的高效融合以提供更精确和可验证的设计决策。查尔斯设想，在未来的产品设计中，AI 将实现从概念到实物的全过程自动化，而 Magic SOLIDWORKS 仅是众多应用中的一个例子。

为进一步探讨达索系统的 AI 战略、应用逻辑及其背后的思考，InfoQ 日前采访了达索系统大中华区大基础设施行业技术总监冯升华，作为全球工业软件行业的领军企业，相信达索系统的见解能在一定程度上为行业提供前瞻性参考。

企业数字化转型不仅仅关乎技术升级，更是商业模式和创新能力的重塑。这一进程常常被形象地比喻为“蝶变”（Metamorphosis）过程。

在达索系统的发展战略中，"蝶变"一词被频繁提及。冯升华在受访时解释称，在蝶变过程中，企业可以利用像 AI 这样的先进技术，从传统的经营方式转变为更加动态和创新驱动的模式。

首先， AI 为企业探索未知提供了可能。无论是汽车、手机还是其他产品，AI 都能通过算法模拟出无数的设计和功能可能性，突破以往设计的局限。AI 的这种能力使企业能够在产品开发过程中，从一开始就探索所有潜在的解决方案，优化产品设计和功能。

其次， AI 能够提供体验的全面性。利用 AI，企业可以模拟和生成不同的使用场景和体验，以预测和评估各种设计选择对不同用户群体的影响，这种“生成式体验”让企业能够在设计过程中更全面地考虑和满足用户的多样化需求，最终实现产品体验的最优化。

第三，在面对全球化带来的市场和社会复杂性时，AI 能够帮助企业制定更加精准和高效的策略。通过模拟和预测不同策略的可能结果，AI 助力企业在复杂的决策环境中找到最优路径，实现资源的最佳配置。

而要实现这些转变，一个能力强大的平台是不可或缺的。冯升华进一步介绍道，达索系统这些年主推的 3DEXPERIENCE 平台整合了设计、建模、仿真及 AI 分析等多种功能，为企业提供了可以支持高级分析和创新的一体化环境。其不仅收集并整合了产品知识、行业诀窍、管理信息、供应链、物流、制造运营信息，还包括了用户的使用体验和产品的维护维修信息，构建了一个全面、可信的数据基础。

进一步地，在 3DEXPERIENCE 平台上，所有这些信息都被用于支撑 AI 的应用场景，并且平台的一个关键特点是它能将虚拟和现实世界融合，通过“UNIV+RSES”——一个由达索系统提出的理念，将虚拟孪生技术和真实世界数据结合的虚拟世界，使得从虚拟世界获得的洞察可以指导现实世界的决策，而现实世界的数据和反馈又可以及时被用来更新和改善虚拟模型。

在应用 AI 技术于大基础设施领域时，冯升华指出，主要面临几个挑战：首先是数据挑战，AI 的三大支柱包括算力、算法和数据。大基础设施领域在数据方面经常遇到挑战，例如数据的完整性和质量。此外，基础设施领域的数据通常涉及敏感信息，涉及安全性和隐私性问题，这些都增加了数据处理的复杂性。

其次，大型基础设施的系统复杂性也是一个主要挑战。例如，每一个高铁站或机场的设计和构建都涉及多个子系统和众多专业领域。解决这种复杂性需要跨专业的协调和高效的项目管理能力。

第三，AI 的可解释性问题。在关乎公共安全和民生的基础设施领域，AI 的决策过程必须是可解释和透明的。目前，AI 模型尤其是大模型的不透明性（即“黑箱”问题）是实际应用中的一个难题。

第四，流程挑战。大基础设施项目的流程分割也是一大挑战，设计院、施工方和业主等各方的协作往往存在壁垒。破除壁垒需要一个统一平台来整合各方信息，以保证流程的顺畅和高效。

于达索系统而言，应对这些挑战，首先要在技术上打通。冯升华指出，3DEXPERIENCE 平台在技术上能够解决全流程数字化连续的问题，可以实现从工程总承包到后期运营和维护的流程整合。

同时，在设计、施工和运营各阶段利用虚拟孪生技术进行整合，使所有活动均在同一平台上进行。例如，中南建院在“武汉市新一代天气雷达”项目中尝试了无图建造，通过 3DEXPERIENCE 平台整合结构、水暖、电气和岩土工程等各个学科，通过虚拟孪生技术优化了设计和构造，从而在设计阶段就实现了工程和施工技术的高效协同。

再比如，作为巴黎重要基础设施之一，圣丹尼普莱尔地铁站位于巴黎新城区与首都核心区之间，是一个复杂的多层结构，有着繁忙的交通流。该站由阿尔多瓦公司承建，项目伊始就面临着紧迫的建设期限和庞大的任务。通过采用 3DEXPERIENCE 技术，该地铁站实现了 6000 块独一无二的幕墙面板的生成式设计，大幅缩短了施工周期并提高了施工效率。

冯升华强调，这些技术和方法的成功应用表明，虽然基础设施行业的供应链和流程复杂性较高，但通过技术创新和平台整合，能够有效提升大基础设施项目的设计、施工与运营效率，实现行业的数字化转型。

AI 技术在基础设施项目中能够解决复杂问题并优化过程的应用，但 AI 的潜力远不止于此。事实上，各行业对 AI 的需求和应用策略均存在显著差异，这促使技术供应商不断进行创新，以满足特定的行业需求。

事实上，达索系统多年来的发展历程，从最初的几何虚拟孪生到后来的科学虚拟孪生，再到全面的产品生命周期管理（PLM），直至近几年进入生命科学领域，这一发展轨迹揭示了其在不同阶段对 AI 应用策略的适应和创新。

达索系统最初提出的是几何虚拟孪生概念，核心是“所见即所得”。这意味着在电脑里设计的零件，在实际制造出来后，能够与设计完全一致。在这一阶段，AI 的应用集中在生成式设计上，通过 AI 自动生成零件设计，优化企业内部零件的管理和使用，减少新零件的生成，从而控制成本。例如，通过聚类分析现有零件，系统可以提出合并建议，减少备件需求，从而在谈判中降低价格，简化验证过程。

到 1980 年代末，达索系统在与波音公司合作的契机中引出了科学虚拟孪生的概念。这要求在电脑里不仅能够重现飞机的几何结构，结构的特性还要能够符合包括空气动力学、材料力学、温度场、电磁场等科学规律和知识。此时主要 AI 帮助实现这种多目标的寻优，使得整个飞机的设计和测试过程得以在数字环境中完成。

进入 1990 年代末，达索系统引入了 PLM 概念，重点关注产品从设计到退市的全生命周期。PLM 扩展了虚拟孪生的应用，使其不仅覆盖产品的设计和制造，还包括性能仿真、优化和产品的最终使用。AI 的应用在这一阶段得到了进一步扩展，比如在宝马发动机制造生产中，通过调整制造参数并利用 AI 学习这些参数与产品质量之间的复杂关系，以提高发动机的生产良率和整体质量。

到了 2012 年，达索系统再次扩展其概念，不仅考虑产品的生命周期还包括产品的实际使用环境。在这一阶段，技术已发展到能够在完全虚拟的环境中模拟产品在现实世界中的表现。例如，与汽车制造商雷诺的合作中，达索系统建立了一个详尽的虚拟测试环境，其中包括各种驾驶条件和天气环境，使得汽车设计在生产前就经过了全面的测试，更好地确保了性能和安全性。

到 2020 年，达索系统宣布进入生命科学时代，将 AI 技术的应用从传统的非生命体扩展到了包括人体、动物、植物和微生物在内的广泛生命体。这一阶段的重点是探索药物如何与生物体相互作用，以及如何在虚拟环境中模拟这些相互作用，以预测药物效果和副作用。

这些演变表明，达索系统通过不断调整和优化其 AI 应用策略，有效地应对了不同行业的挑战，推动了技术的深入发展和广泛应用。

达索系统将生成式经济视为其 2040 年发展愿景的核心，希望通过创新和可持续性驱动经济增长，同时减少对环境的影响。

冯升华指出，达索系统的产品生命周期管理已从关注单一产品的生命周期扩展到考虑原材料在不同产品和用途中的连续利用。也就是说，产品的生命周期管理不仅关注产品从制造到废弃的全过程，还关注产品组成材料的无限循环利用，真正实现了从“摇篮到摇篮”的可持续发展策略。

他进一步解释，所有物质都是由原子组成，而原子具有长久的稳定性。因此，即使产品被废弃，其原子和分子仍可用于其他产品的生产。例如，汽车中的金属可能被再利用来制造自行车或建筑材料。通过 3DEXPERIENCE 平台，达索系统能够跟踪和优化产品的多重生命，实现材料的最大化循环利用。

此外，在伦敦的设计博物馆中，一个展示案例展现了一位建筑师使用 PLA（聚乳酸）这种生物可降解材料的创新应用。该材料由可再生植物的淀粉聚合而成，具备优良的环保属性。

根据其展示，该建筑师利用建模技术和生成式设计方法，根据用户的个人需求自动设计了拖鞋，随后通过 3D 打印技术制成成品。当这双拖鞋损坏或用户不再需要它时，它可以被分解回原材料，这些原材料又可以用来制造新的产品，例如眼镜盒，以此实现了材料从生产、使用到再生产的无限循环。

在未来，人类可能会发明更多的循环材料，这些循环材料在被反复利用的同时，产品也有了多重生命周期。

通过对达索系统的技术演进和战略方向的审视，我们可以看到一个全球工业软件行业巨头如何利用 AI 与建模仿真（MODSIM）的融合，来创新和优化产品设计与生产过程。

达索系统在从基础设施到生命科学等多个行业中的应用，展示了其技术的广泛适用性和实际效益。这些实践不仅提升了设计和生产效率，而且在推动可持续性和环保材料使用方面也显示出其卓越的前瞻性。随着 AI 技术的不断发展，我们也期待看到更智能、更绿色、更具可持续的工业未来。

InfoQ 数字化经纬正策划一项专题《央国企数智化转型与创新》，希望通过本专题，探讨央国企的数智化转型现状、挑战和路径，寻找变革路上的成功案例，为数字经济下的产业焕新提供样本参考，为未来智能产业发展探寻路径。