当前位置: 首页 > news >正文

通过 3DE Conference 2026 看达索对“工业AI x 数字孪生”的思考

文章内容出处:达索系统中欧地区总经理 Sabine Scheunert 的 Keynotes 分享。

智能制造和工业 AI 最近风头正劲,但到底该怎么落地?在刚刚结束的 2026 3DEXPERIENCE 大会上,达索系统中欧地区总经理 Sabine Scheunert 带来了一场信息量很大的开幕演讲。

她没有讲空洞的 PPT 宏图,而是把当下企业面临的认知过载、工业 AI 的信任标尺,以及“再等一个季度”的结构性代价全部拆解得清清楚楚。我把她整场 20 多分钟的演讲内容做了一次全细节、无删减的“深度复盘”。

如果你关注工业 AI,这篇干货绝对值得你花时间读完。

一、工业面临的“新常态”与中国速度

本次大会,Sabine Scheunert 邀请了来自总部的品牌 CEO 们——包括 CATIA 的 Olivier Sappin、DELMIA 的 Guillaume Vendroux、NETVIBES 的 Morgan Zimmermann 以及 SIMULIA 的 Michelle Ash 等。

她指出,本次大会的口号是“如何引领未来”,这在某种程度上是一个承诺,但也是一个挑战。她透露,在过去的几个月里,她走遍了整个中欧,与各行各业的 CEO、工程师、工厂主管、CIO 们探讨了不同的挑战,但有一个问题总是反复出现:在一个每天都在变得更复杂的世界上,企业该如何保持竞争力、如何引领未来?

她表示,我们正生活在一个非同寻常的时代,工业正在被迅速重写,而企业将决定其是这个故事的执笔人还是只能去阅读别人写下的故事。她回顾了过去几年里大家经历的一次又一次动荡,包括全球疫情、供应链中断、能源冲击、通货膨胀、地缘政治紧张局势、贸易限制以及每天都在出现的新的监管要求。她认为,这种波动在某种程度上已经成为了运营环境的一部分,这并不是一系列的危机,而是领导者所面临的“新常态”。许多人曾希望在危机过后常态能够回归,但如今“韧性”已真正成为了竞争优势。因此,核心问题在于如何实现稳定,特别是企业的业务流程是否足够稳健,实现在持续的动荡中生存下来。

与此同时,她表示世界运行得越来越快。她特别提到了中国,指出中国已经展示了当以“速度和规模”推进数字化转型时会发生什么,因为中国将这一举措嵌入到了国家五年规划中,这属于国家势在必行的战略,而不仅仅是一个项目。但她澄清,自己来到这里并不是为了用“中国速度”来吓唬大家,而是为了引起大家的注意。她深信,当把速度与被称为“德国工程艺术”(Deutsche Ingenieurskunst)的精准度、欧洲标准相结合时,会获得极具威力的成果。她强调,机遇并不在于去模仿别人,而在于将自身的优势与眼前的新技术紧密结合,并以更快的速度前进。她坚定地相信欧洲现在拥有重新走向伟大并开始再次引领一切的资本。

二、纯数学算账:再等一个季度,代价是什么?

针对目前不少企业面对新技术时表现出的“再观望一个季度、把手头事情做完再说”的心态,Sabine Scheunert 坦言自己曾身处企业管理岗位,能够理解这种想法,但她直接算了一笔纯数学的账,向大家展示选择等待将付出的代价。

她列举了以下市场爆发的数据:

  • 工业 AI 的市场规模:到 2030 年,制造业中的 AI 规模将达到 470 亿美元。而两年前这个数字仅仅是 50 亿美元,这意味着 46% 的惊人年复合增长率。她认为这根本不是一个普通的趋势,而是一场爆炸。

  • 数字孪生的市场规模:到 2032 年,仅第一波预测的数字孪生市场规模就将达到 2600 亿美元,是目前世界上增长最快的技术类别之一。

  • 实际成效:那些很早就采取行动的公司通过使用虚拟孪生,如今已经成功将开发时间缩短了高达 50%。

她发出了警告,如果企业选择继续观望,竞争对手则会持续缩短开发周期、继续学习和改进。只需 24 个月,这种观望就会创造出另一个长达 3 到 5 年的竞争差距。这种性能差距并不是暂时的,而是真正的结构性课题,每过一个季度性能差距都会扩大。在她看来,这并不是一个警告,而是纯粹的数学逻辑。

三、人的认知过载与工业 AI 的标准

除了外部竞争,她还从“人”的视角剖析了挑战。她指出,在短短 10 年内,产品复杂度急剧增加,可用数据量彻底爆炸,但人类的能力却是相对静态的。她直言,自己绝对不比 10 年前聪明 900 倍,每个人一天同样只有 24 小时,却被期望在面对成百倍增加的信息时做出更快的决策。她认为,这不仅仅是生产力层面的挑战,还是严重的“认知过载”挑战。而解决办法不能仅仅是去雇用更多工程师,必须是给每位工程师配备一个能够随复杂度共同扩展的工具——这就是工业 AI。

关于工业 AI 的标尺,她提出了非常严格的定义:

  • 不能仅靠“听起来合理”:通用 AI 或大语言模型非常擅长生成各种可能性,但在工业现场,仅仅听起来 plausible(听起来合理)是绝对不够的,必须有正确的答案。

  • 必须生成可信任的结果:当你在设计车辆、生产线、医疗设备或关键基础设施时,基于工业 AI 的决策必须是可靠、可追溯且基于现实的。这种信任来自上下文背景、工程知识和诀窍、物理学,以及对产品、工厂和组织实际上是如何运作的深刻理解。

四、 达索系统的价值主张与底层逻辑

Sabine Scheunert 用了一句非常形象的话总结了达索系统的核心价值主张:在模拟中犯错不需要任何成本,但在现实中犯错可能会损失数百万。虚拟孪生自此成为了企业针对产品、工艺和供应链的“彩排空间”,让企业在投入一欧元之前先进行模拟、验证和优化,而这种转变是今天在座的每家公司都可以享有的。

她透露,达索系统为了这一刻大概已经准备了 40 多年,并不是在 AI 浪潮来临时才做出反应,而是早在好几年以前就已经开始构建平台,从而让工业 AI 能够真正变得现实、接地气、精准且值得信赖。她介绍,该平台旨在为工程师、科学家、未来的工程师以及业务领导者服务。

她详细拆解了其技术底座的三个核心层面:

  1. 行业世界模型(Industry World Models):这是平台的基石。它们不是大语言模型,局限于互联网聊天对话,而是基于科学的 AI。它融合了达索系统四十多年来跨越全部行业客户所积累的工业诀窍,包含真正的工程数据、真正的模拟结果以及真正的工业约束条件,因此其 AI 真正理解物理学、工艺和行业。

  2. 三层虚拟孪生:该模型自动驱动三个层面的虚拟表示——产品的虚拟孪生、工厂的虚拟孪生以及组织的虚拟孪生。通过这三个相互连接的层面,自动将数字化决策转化为现实世界的优势。

  3. 虚拟伙伴(Virtual Companions):涵盖多款 AI 智能体,包括帮助业务领导者理解需求和影响的 Aura、专注于设计、模拟与优化的工程伙伴 Leo,以及加速科学发现和创新突破的 Marie。它们将专家级智能直接带入日常工作流程中。她强调,AI 只是副驾驶,人类依然是主驾驶。

为了证明这一点,她还在现场展示了一个来自航空航天工业中 CATIA 生成式零件(Generative Part)的实际运作案例。该案例目前正处于实时测试中,能协同并帮助工程师以更快的速度解决复杂的挑战。她呼吁观众观察零件被重新设计的速度和精准度,并思考如果按照传统方式,从 2D 到 3D 转换并整合所有模拟事实需要耗费多长时间。她强调,这并不是未来的愿景,而是当今在客户那里真实发生的事情,生成式体验已经横跨了工程、制造、运营、服务、材料以及科学研究领域,其目标就是拉近从绝妙想法或现实问题到最终执行之间的鸿沟。

这里把达索目前最先进的 AI 技术重点给大家截图分享一下:

感兴趣的大家可以具体看视频,从15:25开始,这里演示了几个场景:

  1. 从一个已有的设计(可能预设为仅有 STEP 格式)转成一个全新的带有参数的设计,并完成了力学仿真、根据结果对设计的修正;

  2. 从一个 3D 扫描件转向一个带有参数的设计并完成仿真;

  3. 从一个 2D 图纸转成一个带有参数的设计;

  4. 从一个照片转成设计。

从不同输入源转为带参数设计、并通过仿真回馈优化设计,这一部分我觉得还是可以理解的,让我觉得欧洲最先进的工业 AI 至少在这个环节上似乎并不比我国领先很多,但最让我感到惊奇的是上面所有操作能在 40 秒内完成,是极为值得称赞的一件事,特别是仿真求解,是不是应用了一些 Physical Attention 的优化求解偏微分方程 PDE,又或者干脆直接用大量数据直接构建模型推理,暂时还想不明白。

五、 工业 AI 的三大落地原则与生态圈

随后,Sabine Scheunert 阐述了达索系统在推进工业 AI 时的三大原则,直击企业对数据安全和实际落地的核心关切:

  • 原则一(数据主权):保护用户的知识产权。作为拥有欧洲基因的欧洲企业,用户的数据绝不会用来训练公共模型。达索系统通过内部的 DS OUTSCALE 提供主权基础设施,确保“用户的数据永远属于用户自己”。

  • 原则二(技术整合):整合各领域最顶尖的模型与技术(我看到了似乎像是 Claude 的 LOGO),且这些技术供应商必须同样和达索系统一起,深深植根于工业体系之中。

  • 原则三(现实转化):构建强大的生态系统。目前达索系统已与英伟达(Nvidia)、苹果(Apple)和欧姆龙(Omron)展开深度合作,因为在虚拟世界中所创造的一切,最终必须能够在现实世界中被实现出来。

演讲最后,她以 DELMIA 虚拟工厂为例(可在模拟中找出机器人、工作流的每一个瓶颈),指出 IT(信息技术)与 OT(运营技术)世界的融合正在发生,而达索系统的定位正是帮助跨越它们之间的鸿沟。

她向全体与会者强调,技术已经就绪,市场正在向前迈进,机遇就在眼前。但归根结底,单靠技术本身永远无法创造转型,而是要靠人、要靠领导力推动。纵观历史,以德国人所说的“钻研精神”(Tüftlertum)为代表的工业领导力正是这一切的发端。如果拥有更快学习的意愿,如果能迅速适应并更快速地采取行动,就能重新回到游戏中。欧洲并不是从零开始的,尽管目前在公众舆论中存在着一些略带消极的讨论,但大家出发的起点实际上是一个令人难以置信的工业强项。她追问那个时代的工程“钻研者们”都到哪里去了,并指出现在大家手中已经握有了正确的工具,技术的出现并不是为了取代人类的才智,而是为了增强它,并让公司变得更强大、更有韧性。

她总结道,这并不是因为她天生是一个乐观的人,而是她坚定地相信欧洲拥有书写下一个篇章所需要的一切,而这一刻就是当下。欧洲拥有人才、专业知识、卓越的工程技术、顶尖的大学和底蕴。机遇就在这里,技术已经准备就绪。她强调,未来绝对属于那些选择去引领的人,而这正是大家今天齐聚在达姆施塔特的原因——不仅要探讨它,更要开始引领未来。在演讲结束时,她再次欢迎大家来到达姆施塔特,感谢大家抽空参与,并祝愿大家享受大会、互相建立联系。

http://www.jsqmd.com/news/1165550/

相关文章:

  • uv安装hermes内存爆炸的四层隔离解决方案
  • KryptonPanel 实用场景演示
  • ESP8266 AP/STA/混合模式对比:5个关键场景下的选型与配置指南
  • TCSVT 2025 | MPA:模态协调感知注意力机制,频域双流融合让显著目标检测更精准!
  • Cursor 2026技术深度解析:AI编程工具的范式迁移时刻
  • 基于TPA3128D2与STM32的数字功放系统设计与实现
  • HarmonyOS7 聊天列表角标面板:用 Badge 把消息提醒做得更顺手
  • AI探索地震预测新方法
  • Mini-LED 18英寸移动工作站:高刷屏如何赋能专业创作
  • MATLAB 函数句柄与匿名函数:3个高级应用场景与性能优化
  • 基于MAX77654与PIC18的嵌入式电源管理方案
  • 红外热电堆传感器与MCU组合实现静态人体检测方案
  • S7-1200 G2 与 MCGS 通讯排错:3类常见连接失败原因与解决方案
  • 高速 SerDes 接口 CML 电平设计:50Ω 匹配与 16mA 恒流源配置要点
  • 基于 Playwright UI 自动化测试
  • TB67H480FNG与PIC24FJ128GA204组合在精密电机控制中的应用
  • ptcr与draw.py集成:自动化生成专业级性能可视化报告
  • 三星PM1763 PCIe 6.0 SSD如何突破AI训练数据供给瓶颈
  • 日本服务器深度解析:低延迟、CN2 GIA与网络架构全拆解
  • 147、【Agent】【OpenCode】启动分析(ANSI DEC)
  • HarmonyOS7 字体样式展示墙:用 fontStyle 把字体表现做得更顺手
  • 大数据毕业设计-基于 Python+SpringBoot 的国潮男装微博评论数据分析系统国潮服饰微博舆情挖掘系统(源码+LW+部署文档+全bao+远程调试+代码讲解等)
  • AI创业的客户分层策略:从免费用户到企业客户的转化路径设计
  • 别傻了!AI推荐你,不代表你能成交!GEO的“信任闭环”才是真本事
  • AD5593R与PIC18F4515的混合信号系统设计指南
  • Adobe After Effects 2022 与 Premiere Pro 2022 协同工作流:3个高效视频制作场景实战
  • GPT-5.6 与 Grok 4.5 深度对比(2026):三档定价、缓存计费、编码能力怎么选
  • OpenAI DevDay 2026参会指南:报名截止与开发者技术交流机会
  • R语言 lm() 函数实战:3步手动计算 Multiple R、R-Squared 与 Adjusted R-Squared
  • STM32F411RE与L9958电机控制方案设计与优化