AI 如何改变工程设计与仿真

人工智能正在快速改变工程师设计、仿真和优化产品的方式。从生成设计工具到AI驱动的数字孪生和自然语言界面，工程软件变得更加智能且比以往任何时候都更易于访问。

在我们前瞻性 Beyond 3D Podcast的一期节目中，Tech Soft 3D 的 Jonathan Girroir 与 Digital Engineering 24/7 的高级编辑 Kenneth Wong 讨论了AI已经在工程中创造价值的地方以及未来可能的发展方向。我们讨论了：

• 生成设计与自然语言

• AI辅助用户界面

• 数字孪生

• AI增强仿真

• AI在工程中的未来问题

• 工程中AI的常见问题解答

点击此处 聆听这篇文章所参考的播客

AI 如何改变工程软件

生成设计是第一步

Wong 先生讨论了他认为人工智能在产品生命周期中直接产生影响的开端是几年前的生成设计。作为AI参与工程工作流的第一个版本，用户可以将设计标准提供给软件，并收到设计概念作为回报。虽然有用，但这仅仅是AI在工程中的第一波浪潮。

准备好了解更多关于 生成设计的误解和现实了吗？查看我们的文章 "生成设计：见解、神话与更多"

自然语言是下一个前沿

越来越多其他AI技术领域被整合到工程领域，尤其是自然语言能力。

用户在填充和与3D环境互动方面传统上受到限制。这个过程通常包括从库中手动提取对象并将它们组装成类似于期望结果的东西。 自然语言命令允许用户以更加人性化的方式与软件互动。

Wong 先生用一个仓库的例子来说明这一点的改善：有了一个能力强大的自然语言AI工具，用户可以简单地指示软件用一个通常期望在那里找到的物体填满一个仓库，而不是手动放置单个项目。

这些功能很可能在工程师每天使用的软件中越来越多地出现。

下一阶段可能涉及简单地告知我们的设计工具如何通过添加孔、缩小空间或进行其他几何变化来编辑组件。自然语言设计工具的改进提供了让工作流更快、更直观且更易于访问的潜力。

AI 将改变工程用户体验

AI工具在CAD和仿真软件中的集成将不可避免地改变用户界面和体验。

我们可能会看到配备AI驱动的助手的软件，它根据用户需求建议设计起点。从典型的发动机块、支架、螺栓或其他常见组件开始， 工程师们可以手动精炼这些概念或继续使用AI驱动的工具迭代。

这些体验到底会是什么样子仍有待观察。Wong 先生指出像 Bing 和 Canva 这样的基于文本的生成工具是AI在其他行业如何已经改变用户体验的例子。

这些功能尚未在主流CAD软件中出现，重要的是要记住这种技术仍然非常新。ChatGPT、Midjourney等基于文本的AI工具直到最近才进入主流意识中。开发具有自然语言能力的CAD和仿真工具需要时间，但发展的方向越来越明确。

AI会取代工程师吗？

随着AI能力的不断扩大，一个常见的问题出现： 工程师的角色会发生什么变化？

Wong 先生认为人类工程专业知识不会过时。虽然AI工具可以增强和简化工程工作流，但人类专家的角色仍然如以前一样重要。

经验丰富的工程师往往能在运行之前估算仿真或测试的结果，凭借多年积累的实践知识和直觉。这些技能不能简单地被自动化取代。

同样重要的是不要低估设计中不太具体的元素的作用，包括美学、声音、可用性以及产品给用户带来的感觉。这些考虑因素仍然是深深的人性化的。

虽然工程角色可能会演变，但工程师在设计过程中的专业知识、判断力和创造力将继续是无价的。

AI驱动的数字孪生

数字孪生结合了几何形状与从现实世界资产收集的海量操作数据。AI可以在帮助组织管理和解释这些信息方面发挥重要作用。

作为讨论的框架，想象一下一个绿色能源风力涡轮机的物理和数字孪生体。通过其巨大的传感器阵列提取，生成天气信息、腐蚀数据、压力读数及其他操作指标。这些信息的庞大数量往往超过了人类可以合理分析的范围。

人工智能可以处理庞大的数据集，识别模式并在潜在问题变成大问题之前突出显示。这些能力可以改善预测性维护策略，帮助组织识别可能被忽视的潜在故障区域。

同样值得注意的是，随着关于AI局限性的讨论升温，这是AI最能发光的一类工作。AI模型往往在处理大量可预测结构化数据并从中抽取洞察力时表现出色。

AI增强仿真

传统的仿真方法通常涉及运行基于物理的计算，以了解组件在不同条件下的行为。

如今，工程师正在尝试利用AI的降低阶次模型来识别仿真输入和结果之间的关系。

通过学习以往的仿真，AI模型可以识别参数和结果之间的关联。这使得在不需始终进行完整的基于物理的仿真情况下生成有用的预测成为可能。

结果是更快的分析、更短的开发周期以及让更多人能够使用高级仿真功能的潜力。

如果自然语言界面能够成功整合到仿真软件中，仿真过程本身可能会变得显著易于学习和使用，帮助更多工程师受益于高级分析工具。

未来的挑战

互操作性仍是一个重大障碍

Wong 先生指出互操作性是AI赋能的工程工作流未来面临的最重要问题之一。

他分享了BMW和爱立信的例子。两个组织都在投资数字孪生和元宇宙技术，但它们在不同的生态系统中运作。

如今，模拟的BMW在爱立信为测试5G基础设施而设计的仿真环境中无缝运行的可能性微乎其微。如果数字孪生要充分发挥潜力，组织将需要找到在平台和环境之间共享和利用数据的方法。

这个挑战反映了Tech Soft 3D等公司多年来在CAD和工程数据格式上解决的许多互操作性问题。

定义AI的实际含义

另一个挑战是我们用来描述这些技术的语言。

人工智能成为涵盖广泛技术的总称，包括机器学习、神经网络、自然语言处理、深度学习和生成设计。

Jonathan Girroir 强调了对这些概念形成共识并一致使用术语的重要性。

Wong 先生补充说，各行各业应该注意不要滥用这个词。正如 产品生命周期管理 (PLM) 可能因使用该短语的人而异，AI有成为任何涉及自动化或高级软件的事物的总称的风险。

随着AI技术的成熟，保持术语清晰将变得越来越重要。

接下来会发生什么？

Kenneth Wong 和 Jonathan Girroir 对AI在工程中的未来保持乐观态度。

尽管技术仍在发展，其影响已经在设计、仿真、数字孪生和工程工作流等方面可见。最成功的组织可能是那些不将AI视为工程专业知识的替代品，而是将其视为放大这一专业知识的工具。

随着自然语言界面、AI辅助仿真和智能化数字孪生的不断成熟，工程师可以期待软件更快、更易于访问，并越来越能够支持复杂的决策。

Tech Soft 3D正在努力确保工程团队拥有在现代工作流中利用AI技术所需的工具。 HOOPS AI，我们最新的工具包，提供了从CAD到生产机器学习的最快路径。查看产品本身，或点击下方链接了解更多。