行云创新马洪喜：AI深耕工业核心业务，CAD、CAE智能化是必须啃下的硬骨头

当下,AI技术正全面渗透工业制造领域,国内制造业已完成产能规模化补齐,行业发展重心正从“增量生产”转向“提质创新”,研发设计环节的智能化升级,成为中国制造突破高端瓶颈、实现产业跃迁的核心关键。

作为深耕企业智能化领域的创新企业,行云创新以“云原生+AI原生”技术,聚焦AI赋能企业研发以及工业研发设计两个核心赛道。

近日,行云创新马洪喜接受爱分析专访,深度拆解公司赛道之一“AI赋能工业研发”。

爱分析:在工业众多智能化环节中,行云创新为何选定研发设计这一核心方向?

马洪喜:我们是全球制造大国,过去生产端痛点最迫切,补齐制造产能后,进一步发展需要更多考虑什么呢?虽然研发设计软件起步晚,早期被国外软件占领市场,现在的变化:AI会助力我国在往研发设计端加速补齐,产能上来了,研发设计软件的价值是 “做更好的新产品”,是更有价值的提升精益经营。

我把制造业中的AI应用大致分成两个维度。一个是信息流,例如连接MES,通过对话查询库存、物料和OEE指标,或者辅助设备维护。这些场景很重要,我们在2024年就开始做了。

另一个维度,是直接进入产品研发和交付的核心过程。一个产品从设计到交付,研发投入了大量人力和时间,也直接关系到质量与风险。沿着这条线看,CAD、CAE是非常核心的环节,后面还有CAM等。

我们可以用软件行业作类比,过去从国外购买大量软件到如今企业掌握自研创新的能力、开发自己的业务软件。需求管理当然重要,但写代码、测试、发布和运行是软件生产的核心,行云创新过去就是围绕这些核心环节建设平台。

进入工业业务智能化之后,我们也希望先抓住CAD、CAE这样的核心对象,只要能在这些环节创造价值,其他信息流类智能体就更容易获得客户信任。

AI很卷。如果决定做,我们就想去啃一块真正难的骨头。连接系统、做问数有价值,但未必能形成足够高的壁垒。CAD、CAE智能化非常难,我们有一定基础,也做好了长期投入的准备。

爱分析:工业企业在落地AI技术时,会如何判断一项AI能力是否具备落地价值、值得投入应用?

马洪喜:技术人员与业务人员的判断逻辑很不一样。我们曾经为客户做极为复杂的3D转2D工程图生成,完成了多视图投影、剖切、公差读取和自动布局等复杂能力。客户侧业务专家看完后说,最关注的机加工表格还没有画出来。

从技术视角看,团队已经完成了更复杂的几何和工程能力,因此容易认为一个表格并不是关键难题。但业务人员不会沿着技术难度推导能力,他会判断是否完成了自己最关心的对象。只有看到与自身需求一致的结果,他才会相信这项能力可以进入实际业务。

这件事让我们意识到,不能只用技术术语让业务专家理解你能力有多强。业务专家关心的是项目能不能成功、领导和同事是否支持,以及失败的代价能不能接受。他希望供应商告诉他,从哪个场景开始更稳妥、一步一步按各场景完成智能化,并一定要获得效率、质量提升的结果。

爱分析:面对诉求、痛点各不相同的工业客户,首个AI落地场景该如何精准选择?

马洪喜:我们服务过大量工业客户,总结来看,大体上有两类客户。一类客户希望循序渐进,先从容易验收、风险较低的场景做起,例如规则相对清晰的审图,或部分仿真任务,再逐步走向参数化建模等更复杂的任务。

但看起来简单,不等于真的简单。比如把一批PDF图纸直接交给AI审查,往往是非标准化的,需要围绕具体业务投入大量人力。预算有限,却希望一次解决复杂PDF审图,项目风险会很高。

另一类客户是带着明确痛点来的。例如,有的航空客户就是要实现飞机或是火箭上的部件智能设计、拓扑寻优,他并不关心这个问题在技术分级里是容易还是困难,只关心自己的问题能否解决。这时供应商不能要求客户先做一个简单场景,而要有能力直接应对他的命题。

所以,场景选择和技术体系建设是两个维度。对企业用户,要根据风险偏好和业务痛点选择切入口;对厂商,则要提前建设覆盖不同复杂度的通用能力,不能只做简单场景,等客户提出难题后再从头开始。